利用瞻博网络业界领先的人工智能技术满足更多需求。

长久以来，您所知的只有网络在哪些方面力有不逮。而我们则是要向您展示网络力所能及的有哪些。

没有什么能与真正的人工智能相提并论。



人工智能驱动型 RF 优化 (RRM)
人工智能驱动型 RF 优化 (RRM)
	基于强化学习： - 利用基于人工智能的强化学习优化通道/功率 - 人工智能不断优化用户体验 (SLE)，实时减少干扰 - 当网络处于负载状态下时，不断根据客户端体验进行动态调整 - 学习并取消已触发的 DFS 通道的优先级以提高网络正常运行时间 - 覆盖范围 SLE 是持续的“实地勘察” 观看视频	基本 RRM - 会监控 DFS 故障模式 - 接入点在断电后仍能保留设置 - 不会在“繁忙时段”进行更改	ARM - 基本模式识别，仅用于在托管站点之间比较和优化低级别 RF 设置： - 并非真正的人工智能解决方案：没有利用强化学习来不断改进 - 不会调整射频来最大限度改善用户体验 - 分析定期和静态数据，进行日常但非持续的动态更新 - 需要使用控制器和 Mobility Master 来实现 AirMatch 射频优化 - 需要数据收集器设备和 NetInsight 服务器	使用 15 年前的旧算法 - 基于接入点互相侦听的方式 - 仅根据接入点干扰图优化通道/功率 - 在低负载状态下，以静态方式定期执行 RRM	基本 RRM。不使用 AI/机器学习，需要长达数天的调试。
虚拟网络助手
虚拟网络助手
	- 通过监督式机器学习实现持续学习 - 对大多数检测到的网络问题执行根本原因分析 - 在站点级别支持无线、有线和 WAN - 排解问题，而非仅仅提取日志 - 可以通过 WebUI 或 API 进行访问 - 基于 6 年的持续学习和丰富的数据科学工具箱	- 仪表板 - 无虚拟助手	- 仪表板 - 无虚拟助手	- 仪表板 - 传言将推出聊天机器人，但尚未产品化，也未向客户推出 Beta 版	- 仪表板和网络助手仅限云端使用 - 有个名为 Co-Pilot 的聊天机器人，功能非常有限，没有人工智能。支持 1.0 版本的自然语言学习 (NLP) 。不具备咨询功能。 - 过去 2 年一直处于 Beta 测试阶段
异常检测
异常检测
	- 主动识别异常并使用数据科学工具确定根本原因 - 利用有线和无线 SLE 进行异常检测 - 采用 ARIMA 的第三代算法提高了效用 - 跨 Wi-Fi、LAN、WAN 安全域执行异常检测 - 集成 ChatGPT	- 第一代异常检测算法 - 要查看数周的数据才能发现一些基本的异常情况	- 有限的异常检测功能（DHCP、AAA、射频利用率） - 需要 NetInsight 数据收集器设备	- 第一代异常检测算法 - 有限的异常检测功能（DHCP、AAA、关联、吞吐量） - 需要 Cisco DNA 设备 (3+)	Client 360 追踪基本异常情况。支持 Pilot 和 CoPilot。第一代异常检测算法。检测到的异常情况有限（延迟、吞吐量、联网时间）。
自我驱动型功能
自我驱动型功能
	- 采用自我驱动或驱动辅助模式的 Marvis 操作框架（例如，RF 优化、主动式 RMA、查找运行不佳的接入点、VLAN 缺失、线缆故障、交换机配置错误等） - 经 Mist 验证 - 提供客户服务，帮助解决问题或训练系统 - 闭环反馈，为管理员提供“自下而上”的可操作情报	- 采用仪表板 - 没有自我驱动型功能 - 会提出所谓的“建议” - 自上而下 - 挖掘	- 采用仪表板 - 没有自我驱动型功能，只有向 IT 部门提供建议的“驱动辅助”功能 - 非常基础的驱动辅助功能（确定通道利用率问题和不良 DHCP/AAA 性能，以便 IT 部门开展人工调查） - 自上而下挖掘迭代日志文件	- 采用仪表板 - 没有自我驱动型功能 - 自上而下，需要“提名”有问题的用户才能开始主动监控	- 由基本数学知识生成的仪表板 - 缺少自我驱动型功能，只有向 IT 部门提供建议的“驱动辅助”功能 - 自我驱动型功能有限（延迟、吞吐量、联网时间）
人工智能驱动型定位
人工智能驱动型定位
	在云中创建概率面并进行无监督机器学习，能够不断更新模型	- 采用三角定位，依赖于地图放置精度 - BLE 客户端中的差异会引发错误	- 采用三角定位，依赖于地图放置精度 - BLE 客户端中的差异会引发错误 - Meridian 被搁置	- 需要现场 CMX 设备（对于 DNA Spaces 也是如此） - 需要第三方 BLE 集成 - 采用三角定位，依赖于地图放置精度BLE 客户端中的差异会引发错误	不提供
人工智能驱动型支持
人工智能驱动型支持
	- Mist 支持利用 Marvis 排除故障 - 我们会不断评估 Marvis 的效用，如果出现无法获得数据或答案的支持问题，我们会训练 Marvis 或添加缺失的数据集 - 当 Marvis 检测到接入点中的硬件故障时，可以执行自动 RMA，从而最大限度减少 IT 团队将问题上报给供应商的“举证责任” - 尽管接入点部署快速增长，但 Mist 人工智能依然能让支持工单数保持平稳	- 采用仪表板 - 未使用人工智能来实现支持自动化或为运维提供支持	- 采用仪表板 - 缺少由人工智能驱动的自动支持功能 - Aruba AI Assist 是一个具备基础功能的手动按钮，用于收集日志并通过电子邮件将其发送给 Aruba 支持人员进行手动分析	- 采用仪表板 - 未使用人工智能来实现支持自动化或为运维提供支持	- 采用仪表板 - 缺少由人工智能驱动的自动支持功能
动态数据包捕获
动态数据包捕获
	- 发生错误时，实时主动捕获数据包 - 无需重现问题，因为每个故障都有一个 PCAP，从故障发生前开始捕获，直至故障结束 - 问题发生后，无需技术人员携带嗅探器前往现场观看视频	手动	- 主要采用手动操作 - 对身份验证失败事件的自动捕获有限 - 需要额外、单独的云仪表板，用于故障排除和分析 (Cape Networks) - 需要 Aruba UXI 无线传感器硬件的叠加网络	智能数据包捕获 - 需要客户端先提交工单 - 然后对客户端进行标记，开始收集数据 - 完全不是自动流程	是的，没错