Rami Rahim：传统网络无法承受AI时代的严苛考验

上周在拉斯维加斯举行的HPE Discover大会是这一年度用户峰会首次纳入已被全面整合的Juniper Networks。Juniper Networks前CEO、现任HPE网络业务执行副总裁兼总裁兼总经理Rami Rahim登上主舞台，在HPE CEO Antonio Neri的上午主旨演讲之后，专门主持了一场网络专题演讲。

Rahim强调了网络对AI的重要性，以及AI正在如何改变网络格局。他将AI话题聚焦于一个核心主题：网络基础设施。"AI正在重塑企业的每一个部分，"他说，"但这一切都离不开坚实的底层基础，而这个基础始于网络。"

对于网络工程师而言，他的主旨演讲和客户交流提供了清晰的未来蓝图。以下是此次演讲的五大核心主题及其对日常工作与职业发展的影响。

传统基础设施难以支撑AI的重量

Rahim以旧金山千禧塔的故事作为开场——这座外观壮观的摩天大楼因地基未能应对长期环境变化而开始倾斜。他以此类比AI时代的企业网络：海量数据流动、持续推理计算、实时响应需求和爆发式规模增长，将使任何未为新时代设计的网络不堪重负。

"网络不再是安静运行于幕后的基础设施，"他说，"它已成为组织运营、创新和扩展的战略平台。"他警告说，即便在GPU上投入"数百万乃至数十亿美元"，"如果网络引入延迟、出现瓶颈和不稳定，你的性能就会受限，结果也会放缓。"

对网络工程师的启示：

面向AI时代的基准需求进行架构设计，而非依赖传统流量假设。为持续的东西向流量、低抖动和确定性路径进行设计，以支持AI训练和推理，而非仅关注传统的南北向流量。

将网络健康状况转化为AI业务成果。在与管理层沟通时，将延迟、丢包和路径多样性与模型训练时间、推理SLA或客户体验挂钩，而不仅仅停留在"链路利用率"层面。

尽早参与AI项目。主动加入初期设计讨论，确保连接性、安全性和数据流动模式从一开始就被工程化设计，而非事后补救。

自动驾驶网络从愿景走向现实

Rahim演讲的核心论点是：传统网络无法承受AI的严苛考验。"旧有的网络模式——静态、手动、被动响应，根本无法跟上AI所带来的速度与复杂性。"他提出的替代方案是原生AI、自主驾驶的运营模型，横跨Aruba Central和Mist平台，由Marvis、Marvis Minis以及"智能体AI框架"驱动。

在主舞台上，HPE产品管理副总裁Sunalini Sankhavaram进一步阐述了这一转变。"以体验为先的AI落地实践"建立在"真实体验数据、每位用户、每分钟的数据之上，并经过真实客户支持案例的验证，以及数字孪生的丰富补充"。在一场现场演示中，Marvis检测到"超过6%的用户分钟体验质量低下"，将问题定位至少数过载的接入点，并"自主启用双频5 GHz解决问题"，将峰值利用率从90%降至54%。Rahim总结道："网络识别了问题，理解了根因，判断了正确行动，并在任何用户有机会投诉之前自动解决了问题。"

对工程师而言，这意味着一次根本性的角色转变：从亲手解决问题，转变为配置、监督和治理这些AI系统。

应对建议：

将AIOps作为核心工作，而非单纯的可视化仪表盘。将全保真遥测数据（"每位用户每分钟"）输入Mist和Aruba Central等平台，并主动验证其建议。

将自身角色重新定位为"护栏设计者"。你的价值将越来越体现在定义SLA、允许的操作范围以及自主变更的审批工作流上，而非逐一手动调整每个参数。

学习运营新语言：SLA与"用户劣质分钟数"。如果你的工具以体验指标表达，你也需要如此；这些指标将成为IT与业务之间的共同货币。

平台统一：消除孤岛，实现协同

本次主旨演讲传递的一个重要结构性信息是统一化：Juniper与Aruba的融合、Mist与Central的整合、有线与无线与路由的打通，全部由统一的AI引擎贯穿。

"我们正在两个平台上持续创新，以提供一致的自驾驶体验，"Sankhavaram说，"借助微服务，我们可以将自驾驶创新成果一次开发、双平台部署至HPE Aruba Central和HPE Mist平台，"就像一款应用同时运行于iOS和Android。Marvis正被引入Aruba Central的"全局北视图"，包括"Marvis信任列表"——你可以将某些操作设置为全自主运行，例如自动恢复宕机的摄像头端口以恢复视频，无需人工介入。

在硬件方面，HPE已经发货了双平台AP，并正将"世界级HPE网络CX产品组合"引入Mist，支持零日、一日和二日运营。Rahim清晰阐述了设计原则："我们的使命很简单：将最佳创新带到两个平台，让每个行业的每位客户都能获得同样强大的自驾驶网络，无论他们选择哪个平台。"

给工程师的建议：

为平台灵活性进行设计。假设在硬件生命周期内，管理平面可能会发生变化。优先选择能够在Mist与Central（或类似生态系统）之间切换而无需大规模替换的设备。

将数字孪生嵌入工作流程。体验孪生和综合测试应成为部署前验证和变更管理的组成部分，而不仅仅是供应商的演示素材。

培养API优先的自动化能力。Sankhavaram强调"API优先方法"，使数据和操作能够以编程方式访问。这正是你深化Python、CI/CD和基础设施即代码技能的信号。

网络与安全融合：防御新边界

Rahim反复强调，网络与安全不能再分开运作。"攻击者已经将网络作为首选武器，"他说，"随着AI使威胁变得更快、更智能、更复杂，防御者需要将网络作为防御的组成部分。"这与相关研究结果高度吻合——83%的网络工程师目前的职责中已包含安全内容。

客户的声音进一步印证了这一判断。加拿大皇家银行的Marlon Drummond表示："安全对我们来说是头等大事，我们没有任何其他工作，除了保护客户数据。这是我们的竞争优势，我们用全部力量守护它。"RBC在"网络层进行故障排查——这是唯一能获取不可篡改证据的地方"，利用SD-WAN和深度包检测为用户构建"人格画像"，将偏差行为视为异常。

在产品层面，HPE发布了统一SASE编排器，将Edge Connect SD-WAN与SSE技术栈整合到统一控制台中。演讲期间，HPE展示了一款"AI感知防火墙"，能够区分经授权、未授权和被容忍的AI应用，对上传内容、提示词和关键词实施精细化管控。正如Rahim所言，这让客户能够"在不影响业务运转的前提下，了解、治理和保护AI在整个组织中的使用方式"。

对网络工程师的建议：

准备好承担更多零信任与AI治理职责。"屏蔽ChatGPT、在上传和关键词管控下容忍Gemini"之类的策略，将在你的SASE和防火墙架构中落地实施。

将网络作为首要安全传感器。借鉴RBC的做法：围绕网络遥测、横向移动模式和每用户"行为画像"构建检测流水线。

将自驾驶变更视为安全敏感操作。自主路由切换、射频变更和端口重置必须遵守分段策略和零信任边界。既要像网络工程师一样思考，也要具备安全架构师的视角。

真实客户案例：极端环境下的网络实践

主旨演讲最引人注目的部分是客户案例分享，充分展示了现代环境有多严苛。

俄亥俄州立大学CIO Rob Lowden描述了一座"小型城市"规模的校园，拥有66,000名学生、8,500名教职人员、22,000个HPE接入点，体育场在比赛日前后可汇聚"超过20万人"。面对如此高密度的场景，"我们需要AI运维实时处理所有这些数据，"他说。他们已实现从"可能耗时数小时"到"以分钟而非小时解决"问题的跨越。

Sentara Health的总监Tom Johnson生动呈现了医疗行业的挑战："我们在整个组织内传输大量数据，这直接影响患者护理。这就是为什么我们的网络必须具备弹性、安全性和持续可用性。因为数据一旦延迟，护理就会延迟。"能够聆听患者对话并生成临床笔记的环境式AI已在生产环境中运行，"但要让这类能力发挥作用，我们的网络必须实时、可靠、安全地传输数据"。

迪士尼的Ben Croy负责全球网络运营，他描述了制片厂网络的规模——一部动画长片"可能轻松产生1拍字节的内容"，同时在全球进行"超过200个并行制作项目"。在这种环境下，需求很简单："速度与简洁……仅此而已。"网络必须是"基础性"的，同时"理想情况下是无感知的"，让电影人专注于故事本身，而非连接问题。

网络工程师从这些案例中应汲取的启示：

衡量用户的真实感受，而非仅依赖设备上报数据。围绕应用质量（Zoom、电子病历、VFX流水线）制定SLA作为主要KPI，并设计遥测和AI运维系统来优化这些指标。

借助AI驱动的数字孪生和综合测试，将"从未发生过的灾难"扼杀于萌芽。在大型活动（体育赛事、AI上线、全球首映）前，使用综合用户和路径进行预测试，再让Marvis类系统进行验证和修复。

成为垂直行业专家。无论你支持的是医疗、金融、教育还是媒体行业，理解特定领域的工作流程，能帮助你为临床医生、交易员、学生或艺术家所真正在乎的事项，有针对性地优化网络。

结语：转型时代的工程师机遇

Rahim以一句挑战收尾："旧有的网络运营方式已达到极限。规模太大、复杂度太高、变化节奏太快，而AI正在加速这一切。"在这样的世界里，"自驾驶网络不是一个未来主义的构想，而是一种现实需要。"对于网络工程师而言，机遇在于成为构建、治理和延伸这一自驾驶基础的人——在别人抢先之前。

许多工程师仍对AI心存顾虑，但正如那句流行的话所说：AI不会取代你的工作，但懂得使用AI的人会。

Q&A

Q1：Rami Rahim说的"传统网络无法承受AI考验"是什么意思？

A：Rahim指出，传统网络具有静态、手动、被动响应的特点，无法跟上AI所带来的速度与复杂性。AI工作负载需要持续的大规模数据传输、低延迟推理和实时响应，而传统网络架构在面对这些需求时会出现瓶颈、延迟和不稳定，最终限制AI系统的整体性能。

Q2：HPE的Marvis智能体AI系统能自动修复网络问题吗？

A：可以。在HPE Discover大会的演示中，Marvis检测到超过6%的用户体验质量低下，自动定位到过载接入点，并自主启用双频5 GHz完成修复，将峰值利用率从90%降至54%，全程无需人工介入。这代表网络运维从人工排障向AI自主管理的根本性转变。

Q3：网络工程师应该如何应对AI时代的职业挑战？

A：Rahim和多位客户的经验表明，网络工程师需要转变角色定位：从亲手解决问题，转变为设计SLA、定义自主操作边界和治理AI系统的"护栏设计者"。同时需要掌握AIOps工具、API自动化技能（如Python、CI/CD），并深入了解所服务行业的业务需求，将网络健康指标与实际业务成果挂钩。