IP網絡智能覺醒完成
hiro路市有許多狹窄的汽車，這被認為是許多人的第一反應。但是實際情況告訴我們，情況可能并非如此。在布宜諾斯艾利斯，有一條以國家獨立日命名的“ 7月9日”中央大街。該大道寬150米，有18條車道。在高峰時段它仍然很擁擠。與狹窄的道路相比，道路的復雜性往往是擁堵的真正推動力。坡道，環路，入口，出口，汽車，自行車和行人的組合使道路管理非常復雜。相反，道路越簡單，道路就越平滑。例如，東南亞的摩托車專用道或對速度有明確限制的高速公路。
同樣在IP網絡上也會出現相同的“流量問題”。
用手勢控制復雜的道路？ IP網絡的悖論核心
IP網絡需求的發展在某種程度上類似于交通的發展。在最初的幾年中，交通十分簡單，人們的需求通常只是騎自行車從一個地方到另一個地方。早期IP網絡的要求僅僅是“連接”和“交付”。但是直到今天，隨著云計算，人工智能，5G和其他技術的廣泛應用，IP網絡早已變得復雜。首先是連接對象的多樣性。根據《華為GIV 2025》的預測，到2025年，全球物聯網連接數量將達到1000億，其中通過Wi-Fi 6連接的終端數量將達到800億。特別是，不要忘了IoT連接是一個非常籠統的聲明，其中包括工業互連，自動駕駛和其他場景中的基本傳感器和關鍵設備。
因此，通用連接只是IP網絡發展的基礎，將來會有許多不同的業務需求模型。就像在工業互連中一樣，記錄基本數據應用程序的傳感模塊可能需要長期穩定的網絡服務，但是負責決策控制的模塊可能需要極低延遲的網絡服務。尤其是隨著5G網絡應用的普及，不同業務場景下網絡需求的差異將變得更加常見，如5G直播，VR游戲，自動駕駛等，對網絡能力的動態要求也不同。
在這條高速公路上的經理是誰？
許多人可能會驚訝地說出來。數據顯示，超過63％的網絡仍在使用手動管理。換句話說，這條高速公路上的高概率是由親自站在十字路口的“交通警察”來管理的。這種管理模式自然是效率低下的。數據顯示，超過70％的網絡故障是由人為錯誤引起的。在傳統的運維模式下，發現網絡故障并解決所需的平均時間為4小時。
廣泛而復雜的業務與原始網絡管理之間的矛盾是IP網絡的核心矛盾。
從人治到智慧法治
簡而言之，隨著連接數量的增加，業務需求的多樣化以及運行和維護壓力的增加，迫切需要提高這條“高速公路”的管理水平。
我們通常如何處理現實世界中的此類問題？
1927年，世界上第一個自動控制的交通信號燈出現在英國。從那時起，自動控制已成為調節流量的重要手段，不久我們就不再對“自動化”感到滿意，并開始向智能化邁進。智能交通信號燈不僅可以調節車輛的交通狀況，還可以根據不同時段的交通量調節交通信號燈的長度，以提高交通管理的效率。在未來的理想狀態下，智能交通系統將與自動駕駛和互聯汽車相結合，形成一個智能網絡。讓更有效的“智慧法則”代替“人治”。
可以將相同的邏輯應用于IP網絡以智能地更改原始網絡操作模式嗎？
答案是肯定的，當然，使其他人無法獲得智能已經成為每個行業追求的解決方案。華為在2018年引入了智能網絡（IDN）的概念。在理解直覺網絡之前，我們必須首先弄清楚網絡系統中哪些過程可以智能化。
最重要的性質是收集，分析和部署鏈接上的數據，并感知業務場景需求的變化……使它們全部智能，自動和實時。下一步是運行和維護，評估網絡質量，識別并解決問題。最后，在理想狀態下，網絡還應具有學習能力，并通過可部署的AI模型或AI培訓來提高其智能。
但是所有這些背后的困難是，從數據收集到執行智能決策，中間有三層云，網絡和設備。需要在所有級別上建立智能功能。例如，在諸如交換機和路由器之類的設備級別，設備需要具有邊緣計算推理功能。他們可以實時收集網絡特征，對其進行分析，并進行動態調整和優化。在整個網絡級別，必須實現整個網絡的數據分析和推理。至于數據的匯總和模型的概括，以及將單個問題轉換為通用解決方案，則需要云AI實施。
與交通領域一樣，具有自動駕駛能力的車輛加上能夠駕駛這些車輛的智能高速公路，并最終與在云中進行連續計算和分析的交通大腦相結合，可以實現多級高效智能。
逐層發展，發展“無意識”的面向用戶的網絡
盡管仍在構想這樣的智能運輸系統，但是屬于IP網絡的智能運輸系統已經開始構建平臺。在今年的華為全連接會議上，華為數據通信產品線總裁胡克文提出了上述“三層AI架構”。作為擁有全面的AI部署功能和豐富的網絡服務經驗的華為，自然就是這三層。最好的建筑商。從最基本的設備層來看，華為的優勢就在于其自身的芯片功能，這意味著路由器，網關和其他設備可以一一智能化。華為發布了內置有AI芯片的Cloud Turbo，AirEngine，HiSecEngine和NetEngine AI Turbo系列產品。這四個引擎使該設備不再只是數據收集器和指令執行器，而是使他們擁有了智慧并擁有優勢。推理和實時決策。在設備級別實時完成“數據采集-數據分析-指令傳輸-指令執行”的復雜步驟，并且很多時候業務感知，推理和優化可以實時進行。結果，網絡服務的整體質量得到了改善。
在網絡層面，華為發布了業界首個自動駕駛網絡管理和控制系統iMaster NCE。基于單一設備的智能，iMaster NCE可以管理，控制和分析整個網絡。每次將在管理和控制中獲得的數據反饋放入模型中以進行重新分析。這種閉環優化模式可以形成全自動的生命周期優化，提高了網絡規劃，建設和維護的效率。同時，胡克文還強調，iMaster NCE非常開放。當合作伙伴面對某些特殊的應用場景時，他們可以在此基礎上進行開發并利用iMaster NCE的“自動駕駛”功能。
最后，云中還有iMaster NAIE。作為行業首個網絡人工智能平臺，iMaster NAIE可以實現上述許多“學習”功能，例如學習不同業務場景的網絡需求轉換邏輯，或通過故障數據訓練故障識別模型。對于將來可能出現的眾多網絡應用場景，他們都可以根據自己的業務條件在iMaster NAIE上訓練自己的AI，以使其網絡變得智能。除提供AI培訓服務外，iMaster NAIE還提供數據庫服務，模型服務和生態服務。通過云交付上述服務還可以使網絡客戶更輕松，更便宜地獲得AI功能。
綜上所述，與18年來建立的“用戶意圖驅動”網絡相比，華為今年已經實現了三層AI架構的跨越，從而滿足了當前和未來網絡的需求。它還使網絡經歷了從有意識的用戶導向到“無意識”用戶導向的“智能喚醒”，用智能的感知和決策代替了智能的運維，適應了日新月異的網絡需求，并進一步減少了發生事故的可能性。 。應用網絡的領先客戶也進入了AI的新領域，從而解放了傳統IP網絡帶來的監禁。
智能網絡，比未來更早喚醒
這樣的網絡在華為園區內運行。園區中使用的網絡可以視為滿足企業網絡需求的典型方案。一般而言，提高單個用戶的網絡使用率是最基本的要求。同時，隨著物聯網設備的日益普及，網絡的穩定性變得越來越重要。盡可能避免故障并在短時間內解決故障可以最大程度地發揮網絡的作用。
在擁有3000多個終端和370個AP的華為H2辦公園區中，無人駕駛iMaster NCE與AirEngine的結合可以使設備側的網絡質量評估與網絡側的優化策略相匹配，以實現WiFi的實時動態調整并減少WiFi信道干擾。提高用戶下行速度。 Tolly數據顯示，通過智能無線電調諧，華為H2辦公園區網絡的平均終端下行速率從125Mbps增長到198Mbps，增長了58％。 Wi-Fi頻道的平均干擾率從5.5％降至2.8％。在智能運維的前提下，可以在10分鐘內完成85％的網絡故障排除。
在智能學習能力下，如果將來企業園區的網絡發生變化，例如添加占用更多流量的5G視頻會議系統或添加大量IoT連接設備，則可以通過更新云來幫助網絡AI模型。 IP網絡更適合這些需求。
瑞士在時差為7小時的瑞士，智能網絡也在發揮作用。
瑞士電信和華為與NetCity簽署了戰略合作，為瑞士用戶提供新的通信網絡服務。例如，在數據中心，華為可以利用數據中心網絡的智慧力量，創建業界首個智能無損DCN（數據中心網絡），以實現網絡0數據包丟失。
Tolly評估數據顯示，通過將創新的iLossless算法與CloudEngine結合使用，華為智能無損DCN的數據計算效率可比行業常規水平提高27％，數據存儲效率提高30％。在AI時代，計算效率幾乎等同于業務效率。 NetCity采用的模型基于智能網絡基礎架構，與客戶共同創新，將客戶體驗，需求和商業模型與華為的芯片和算法功能相匹配，從而使AI能夠更好地走向商業化。
除了以上兩種情況，我們還可以看到華為Intuition Network的三層AI架構在許多場景下的不同組合。例如，HiSecEngine構建的AI防火墻允許智能安全功能覆蓋云，管理和端三層，以實現協作防御系統。再舉一個例子，在廣域網應用中，NetEngine系列路由器可以為用戶提供超大規模的聯網功能。特別是在大型網絡系統（例如電力系統和城市軌道系統）中，具有決策能力的終端設備和智能網絡可以使業務運營更加穩定和可靠。
高速，高安全性，低故障，零丟包。所有這些正是智健網絡帶給當前的。正如當今城市中的智能交通系統可以幫助減少一條或兩條道路上的擁堵一樣，智能信號燈可以幫助人們大幅度節省通勤時間。但是，在智能交通效果真正開始發揮作用的那一刻，這是自動駕駛和互聯汽車等技術完成的時候。
子健網絡正在收獲，也在播種種子。
交換機，路由器和其他設備的智能。開放平臺上不同服務和故障模型的積累不僅提高了當今IP網絡的運營效率，而且還提高了將來無處不在的連接，對5G網絡的多樣化需求以及AI計算的普及。充分準備對于華為來說，這也是2019年的重大事件，這是各種新技術發展的關鍵之年。早于未來喚醒是邁向未來的第一步。
全網數據為大家提供專業的深圳服務器托管，深圳服務器租用，深圳主機托管，云服務器租用等國內外服務器資源，詳情歡迎咨詢客服了解。
