随着AI持续重塑技术和商业格局,企业在AI时代的网络连接意味着必须始终在线,并在主权和安全方面保持额外警惕。
这意味着速度并非唯一要求。正如Expereo首席数字官Julian Skeels所指出的,更重要的是"确定性"。"AI工作负载是分布式的,持续运行的,对延迟极其敏感。推理、监控、检索和修复从不停止,这改变了网络的角色,"Skeels说。
"在AI世界中,网络实际上成为了系统依赖,"他补充道。"当网络性能下降时,应用程序立即受到影响。"
"支持AI的网络需要使数据移动变得确定性。这不仅仅是速度快的问题;而是要可预测、可观察、可治理和有弹性——并且要在持续变化中做到这些。"
然而,许多首席信息官目前正在与Skeels描述的"连接无处不在但可视性缺失"的问题作斗争。
"他们正在处理混合网络、多个云、多个提供商和门户,这些给他们的团队带来了持续的运营拖累,"Skeels说。"他们想要的是清晰度和控制力——而不是更多工具。"
Skeels去年加入Expereo,拥有丰富的跨行业产品和数字化转型经验。他发现这个行业已经为加速变革做好了准备,而公司决心引领潮流,确保全球连接定价应该以分钟而不是几周来计算。
"当我来到Expereo时,我看到全球连接在很长时间内基本上抵制了真正的数字化转型,"Skeels指出。"大多数客户仍然会感受到缓慢、手工、不透明以及在他们需要合作的数十个提供商和门户之间的碎片化。"
"不过,我们相信,随着智能体AI等新兴技术的出现,这种情况终于在改变,"Skeels补充道。"我们在这里的目标是让全球连接对我们的客户来说像云计算一样简单、即时和透明。"
为客户实现这种变革需要速度和可视性的结合——这就是expereoOne平台的作用,提供公司所称的"生活速度的可视性",为客户提供对部署内容、性能表现和成本的单一全球视图。除了可视性,客户还需要主动性,正如Skeels解释的那样。
"我们深度集成到客户的订单管理、ITSM、ERP系统中,这使得大规模与Expereo合作变得绝对无缝,"他说。
"关键点在于,更好的可视性不是关于更多仪表板。而是将网络行为与他们在弹性、安全体验和成本方面的业务结果连接起来。"
网络挑战与AI时代的新要求
Skeels将在2月4-5日的全球数字化转型博览会上就设计支持AI的网络发表演讲——他的会议承诺颠覆与会者通常听到的建议。
"我想挑战一些观点,"Skeels指出。"我想请人们考虑甚至忘掉他们过去学到的一些东西。我们过去认为理所当然的很多网络知识在AI世界中不再适用。"
Q&A
Q1:AI时代的企业网络连接有什么新要求?
A:AI时代的企业网络连接不仅需要速度,更需要"确定性"。AI工作负载是分布式的,持续运行的,对延迟极其敏感。推理、监控、检索和修复从不停止,这使得网络成为系统依赖。当网络性能下降时,应用程序立即受到影响,因此网络需要使数据移动变得可预测、可观察、可治理和有弹性。
Q2:目前企业在网络连接方面面临什么主要挑战?
A:许多首席信息官面临"连接无处不在但可视性缺失"的问题。他们需要处理混合网络、多个云、多个提供商和门户,这些给团队带来持续的运营拖累。客户体验仍然是缓慢、手工、不透明以及在数十个提供商和门户之间碎片化的。他们需要的是清晰度和控制力,而不是更多工具。
Q3:expereoOne平台如何解决企业网络连接问题?
A:expereoOne平台提供"生活速度的可视性",为客户提供对部署内容、性能表现和成本的单一全球视图。该平台深度集成到客户的订单管理、ITSM、ERP系统中,使大规模合作变得无缝。重点不是提供更多仪表板,而是将网络行为与业务结果在弹性、安全体验和成本方面连接起来。
好文章,需要你的鼓励
Finastra最新研究显示,99%的英国金融服务公司已采用人工智能技术,AI已成为金融业的"连接纽带"。该技术不再局限于后台自动化,而是推动实时欺诈检测、个性化产品推荐和智能承保等创新应用。AI投资间接促使银行增加其他技术投入,安全支出预计2026年平均增长40%。九成公司计划投资技术现代化以支持AI扩展,云技术采用成为重点。
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
HPE公司宣布其将为2026年米兰-科尔蒂纳冬奥会提供网络基础设施,这是HPE与其收购的Juniper Networks首次在重大赛事中联合部署技术服务。本届冬奥会覆盖超过2.2万平方公里,是史上地理分布最广的奥运会,拥有40多个场馆。HPE部署了包括4900多个接入点、1500多台交换机等设备,运用AI原生的HPE Mist平台和Marvis Copilot提供智能网络管理,确保为3000名运动员、媒体转播商和观众提供奥运级别的网络稳定性和安全性。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。