作者:曹图强 思科全球副总裁、大中华区 CTO
当手工织布转变为机器织造,当畜力驱动转变为蒸汽机轰鸣,当烛光转变为电力照明……凡此种种工业领域的自动化演进都曾推动人类的重大转变。
今天,恰逢数字化转型的大时代,网络自动化再次成为推动社会变革的又一巨大驱动力!曾经依赖大量人工重复性命令运维网络的方式将不复存在,取而代之的,是机器与机器(Machine to Machine,简称 M2M)之间的 API 通讯。
API 是什么?为什么如此重要?
简单地说,API(应用编程接口)是软件之间互相通信的一种方式。
在我们的日常生活中,API 的应用早已大量存在,当你用美团外卖订餐,用滴滴约车,用共享单车出行时,这些应用对地图应用的调用就是一个典型的 API 通信过程。
网络运维的自动化,API 的应用至关重要。
举一个简单的例子: 以往,网络管理员的一项重要工作是依靠 CLI(命令行)维护设备的软件版本,他们不仅要熟知各个网络设备的命令行,还要依次在设备中手工输入命令并等待结果,以便下一步的操作。
现在,管理员只需通过软件调用 SDN 控制器的 API,就可以在图形化界面中轻松地通过几次点击实现批量自动完成。
现如今,全球接入互联网的机器数量大约为 180 亿,2020 年预计会达到 500 亿。传统的手工网络运维方式,已无法满足海量网络节点的增长,自动化部署势在必行。
思科全数字化网络架构(DNA)实现的,正是一个开放式、可扩展、软件驱动的数字化架构。
作为 DNA 架构的核心,APIC-EM 控制器提供了强大的 API 接口和可编程性。无论是自动化配置底层网络,还是叠加网络架构,甚至调用特定的服务,均由 APIC-EM 控制器和网络元素之间的南向接口处理;而通过调用 APIC-EM 的北向 REST API 接口,网络工程师还可以实现更多的自动化任务以及快速和灵活的配置、部署任务。
除了核心的 APIC-EM 控制器,思科 DNA 架构的其它组件也都可以提供丰富的 API 接口供开发者实现特定的自动化任务。例如交换机中基于 YANG 数据模型的 RESTCONF 协议和 NETCONF 协议。这使得 DNA 架构具备高度的开放性。
IDC 对使用思科 DNA 解决方案的企业进行的一项调研[1] 显示,通过部署思科 DNA 解决方案,这些企业可在五年内,以平均每 100 个用户每年创造 48,117 美元价值的增长率,从而实现五年的投资回报率高达 402%。其中由于自动化、更可靠的网络架构和应用程序的开发工作,让 IT 员工时间节省和生产力提高实现的价值约占 50%。
工欲善其事,必先利其器。
思科 DevNet 平台是面向网络工程师、IT 管理人员和开发人员的免费、开放生态社区与资源中心。 它不仅将所有的开发资源整合在一起,包括 API、软件开发工具包、代码示例、支持与社区。还专门指引开发者为数字化网络架构开发各种各样的应用:包括 IoT(物联网)、IoE(万物互联)、园区网络、数据中心、云、安全、移动、协作、开源、DevOps 和分析及自动化。为企业和开发者提供了丰富的空间量身定制最优化的IT平台和应用。
数字化转型是一个渐进的过程。今天,很多企业的 IT 部门依然在手动配置、部署、管理网络设备,被动响应管理任务、解决问题。但在自动化大潮的推动下,传统 IT 部门、传统网络工程师的转型正变得至关重要。
业界不缺乏有经验的工程师、也不缺乏功底深厚的程序员,但稀缺的是既深入了解网络系统还具备一定编程能力的工程师。
编程能力是什么?不是让工程师成为程序员,而是让工程师具备通过标准化接口(API)使用编程工具来互连应用、事物和服务以产生新的生产力和业务成果的能力。
未来的 IT 部门将更多的参与到业务和 IT 创新,端到端的架构设计,自动网络分析和优化,软件和网络策略管理,主动响应配置、部署、管理任务。
可以预见,数字化转型对今天的 CTO、CIO 以及一线网络工程师们必将是一个长期而艰辛的过程,也是在颠覆中创造奇迹的过程。
风物长宜放眼量!让我们抓住数字化转型的机遇,把握未来的网络。
思科全球副总裁、大中华区 CTO
数据来源:
[1] IDC,《思科DNA解决方案为数字化就绪网络带来的商业价值》
好文章,需要你的鼓励
随着AI基础设施快速扩张,水资源正成为继电力之后的另一重大制约因素。高密度GPU集群产生大量热能,需要大规模冷却水支撑,部分数据中心单日用水需求高达数百万加仑。多地水务部门已明确表示现有供水能力无法满足需求。研究预测,到2030年美国数据中心新增日用水需求可能高达14.5亿加仑。水资源短缺、废水处理压力及峰值用水波动,正深刻影响AI数据中心的选址与建设规划。
研究揭示多源视觉融合并非总有益,提出MARS框架通过单源锚点量化信息增益,动态调节多源融合优势,在多个视觉推理任务上实现显著性能提升。
CoreWeave发布新平台,支持企业部署可自主学习和优化的AI智能体。该平台通过无服务器强化学习机制,让大语言模型在真实业务环境中持续微调,无需企业自建基础设施。相比传统方式,该方案可降低超40%成本,训练速度提升约1.4倍,且不影响质量。据麦肯锡2025年AI现状报告,约62%的受访企业正在试验AI智能体,生产部署趋势日益明显。
MiniMax发布M2系列混合专家大模型,总参数2299亿但每次仅激活98亿,通过专项数据流水线、Forge强化学习系统和自进化机制,在代理编程、深度搜索等任务上达到顶级闭源模型水平。