什么是自我驱动型网络？

自我驱动型网络是一种由人工智能 (AI) 驱动的先进网络，能够自动进行自我优化，只需极少甚至完全无需人工干预。通过利用 AI 和机器学习 (ML)、高质量的实时数据以及安全、可扩展的基于云的网络架构，可提升网络的可靠性、安全性和效率，同时显著降低传统网络管理的复杂性。 

一如曾经被视为科幻小说的自动驾驶汽车，自我驱动型网络正逐渐成为现实。正如自动驾驶汽车已经从手动驾驶演变为辅助驾驶，最终实现无人驾驶，网络也正在沿着类似的轨迹发展。它们正在从被动的手动管理转向主动自主优化，拥有自我配置、自我优化和自我修复能力。

我们为什么需要自我驱动型网络？

可靠的连接并非奢侈品，而是对业务十分关键的必要性能。组织需要网络在所有用例中始终提供无缝、安全的高性能体验。IT 技能短缺等网络资源限制令人工网络管理变得难以为继。与此同时，网络日渐复杂，安全威胁不断升级。这些因素共同推动着对 AI 和自主网络的需求日益增加。

自我驱动型网络有哪些优势？

自我驱动型网络通过降低复杂性、提高安全性、增强用户体验，实现网络运维的转型。

提升效率

人工智能驱动型工作流程自动化能够最大限度地减少人工故障排除，因此 IT 团队能够专注于具有战略意义的计划，而非日常网络维护。

提高性能

通过主动检测并解决问题，自主驱动型网络不仅可以提高可靠性，还能减少停机时间。

改善可扩展性

通过使用自动配置来动态命名设备、将其分配到站点以及应用设备配置文件，设备上线和配置时间大大缩短。

增强安全性

由于 AI 算法能够在威胁影响运维之前快速识别和缓解，安全也得到了增强。

改善用户体验

端到端自动化可确保网络动态适应网络流量需求，为最终用户提供卓越的性能。

通过采用自我驱动型网络，组织能够获得更具可扩展性、安全性和弹性的面向未来需求的基础架构。

自我驱动型网络的工作原理是怎样的？

自我驱动型网络采用先进的 AI 和机器学习 (ML) 算法，由海量高质量数据以及一个可扩展、安全、基于云的架构驱动。它利用实时警报、分类器以及优先级机制，识别问题、提供建议解决方案并执行修复。随着时间推移，AI 功能越发先进且精准，网络将越来越能够以最少甚至无需人工干预的方式进行自我管理。

工作原理：

• 学习阶段：网络会进行自我监控，并建立正常网络行为基准
• 决策阶段：网络使用 AI 模型，预测潜在问题，并做出应对决策
• 行动阶段：网络自动应用这些决策来解决问题

自我驱动型网络分为哪些阶段？

自我驱动型网络的发展经过了五个复杂阶段。随着企业采用不同级别的网络自动化新功能，企业得以解锁更可靠、更安全、更灵活的网络，并实时适应不断变化的需求：

1. 数据收集：实时收集网络中的高质量数据，为 AI 和机器学习算法提供必要的输入
2. 洞察：AI 驱动型分析可处理这些网络数据，生成洞察，从而识别网络性能趋势、潜在中断或网络低效问题
3. 建议：网络会基于这些洞察，生成优化性能或解决问题的建议。这些建议的优先级别会被提高，以解决最迫在眉睫的问题
4. 受控的自我驱动：网络开始自动进行调整，但 IT 人员依然保有监控权限。在采取纠正措施的同时，IT 人员仍可在必要时进行干预，以确保网络按预期运行
5. 完全自我驱动：AI 能够掌控一切，实时进行调整和优化，无需人工干预。由于网络已经具备处理日常管理任务的能力，IT 团队可以将工作重点转移到更具战略性的活动上

自我驱动型网络有哪些关键功能？

自我驱动型网络的关键功能包括：

• 自主运维：持续监控整个生态系统的网络和应用运行状况，实时识别并解决问题，无需人工干预
• 预测性分析与保证：通过 AI 和机器学习，网络能够在故障或性能下降影响最终用户之前进行预测
• 自我配置：网络能够自动配置新服务、设备及应用，无需手动设置
• 自我修复：自动诊断并修复问题，最大限度减少性能不佳或停机时间
• 自我优化：网络会不断监控性能，并进行自我调整，以获得最佳速度、可靠性和效率，例如针对拥塞或故障重新路由
• 自我监控：网络可以持续跟踪数据流、设备性能和整体运行状况，以检测可能预示性能问题的异常模式
• 自适应安全：网络能够识别恶意软件、网络钓鱼或拒绝服务 (DoS) 攻击等安全威胁，并采取纠正措施
• 基于意图的网络 (IBN)：运维人员描述期望业务成果后，网络便会将这些目标转换为实现这些目标所需的配置
• 策略实施：网络会在所有互连设备上自动实施安全性、访问控制和服务质量 (QoS) 策略

用户如何建立对自我驱动型网络的信任？

随着网络的自主性不断增强，IT 团队必须建立对 AI 决策的信任。这种信任是通过始终如一的性能和透明度逐步培养出来的。随着 AI 持续不断学习和改进，它应该能够展示出进行准确评估的能力，并推动整个生态系统中的网络优化，最终提升整体效率。这一持续开发的过程增强了人们对其有效性的信心。

为了进一步巩固信任，供应商应提高 AI 决策过程的透明度，通常被称为可解释的人工智能 (XAI)。通过详细解释推动决策的技术（如强化学习、自然语言处理和决策树），供应商能够帮助 IT 团队理解 AI 是如何得出结论的。高透明度可以令 AI 决策过程变得清晰，让用户放心，从而确保网络采取的行动既可靠又有效。

自我驱动型网络是否无需 IT 人员？

自我驱动型网络可以发现容易被 IT 团队忽略的洞察，通过快速找出根本原因节省故障排除时间，并进行自我修复来确保最佳性能。最终，网络运行更加智能，IT 团队得以专注于创新，而非费时费力解决紧急情况。

虽然自我驱动型网络无法完全取代 IT 人员的工作，但将改变 IT 职责的内在属性。虽然部分常规任务可能会实现自动化，但对于专业技术人员设计、管理并监督这些网络的需求依然至关重要。这将增加对 AI 集成、大数据分析和战略规划等更高级别技能的需求。

瞻博网络与自我驱动型网络

凭借 Mist AI 和 Marvis 虚拟网络助手 (VNA)，瞻博网络正在推动自我驱动型网络^™ 的发展。Mist AI 和 Marvis 相结合，可简化运维，增强安全性，提供卓越的用户体验，同时降低运维复杂性。

Mist AI 不断从网络设备和应用中实时收集大量遥测数据，将其整合到安全且可扩展的微服务云中，通过多年的 AI/机器学习训练，提供切实可行的洞察、主动建议以及自修复网络功能。这种方法能够优化性能，简化网络运维，并减轻 IT 团队的负担。

借助十余年的 AI 训练和开发，Mist AI 的功效和智能性稳步提升，并在网络自动化的关键阶段取得了进步：数据收集、洞察生成、可行建议、自我修复功能，以及最终完全自主的网络。随着 AI 功能不断发展，Mist AI 通过减少手动故障排除，为 IT 团队赋能，推动网络做出基于数据的决策并自主采取行动。这种持续的发展有助于企业预测性能问题，保持最佳网络运行状况，同时打造更具弹性、更安全、更高效的网络基础架构。

由 Mist AI 驱动的 Marvis VNA 可作为 IT 团队功能的重要扩展，为团队识别影响性能的关键事件，并通过 Marvis Actions 提供补救推荐措施。使用 Marvis 不需要专业知识或技能，因为它依赖于一个利用自然语言处理和理解（NLP 和 NLU）、大型语言模型 (LLM) 和生成式 AI (GenAI) 进行直观交互的对话界面，简单易用，便捷万能。