为什么人工智能始于校园网络

大家都谈论人工智能数据中心，却几乎没人谈论人工智能究竟从何处开始。

人们对人工智能的普遍印象是：一座装满 GPU、配备先进制冷系统和高速光纤网络的庞大超大规模设施。这些设施无疑非常重要，但它们只是整体图景的一部分。事实上，每一次人工智能交互都始于其他地方——始于企业网络，即连接整个组织内用户、设备和应用程序的校园基础设施。
当员工使用 Microsoft Copilot、向 AI 助手提问、利用生成式 AI 分析数据，或与基于 AI 的业务应用程序交互时，首先接触的基础设施并不是 AI 训练集群，而是企业网络。 这看似显而易见，但许多组织仍将人工智能视为数据中心层面的举措，而非全公司范围的基础设施转型。这种假设可能会带来越来越高的成本。

AI 采用背后的隐性挑战

早期关于 AI 的讨论大多聚焦于模型、GPU 和云服务提供商。随着组织从试验阶段转向企业级部署，另一系列问题正逐渐浮现：

• 我们的网络能否支撑大幅增长的流量？
• 我们的无线基础设施能否应对不断增长的需求？
• 我们的建筑是否已为日益增多的联网设备做好准备？
• 用户能否可靠且安全地访问人工智能驱动的应用程序？

这些问题正变得愈发重要，因为人工智能改变了应用程序的行为方式。传统应用程序产生的流量模式相对可预测。
而人工智能应用则截然不同。它们持续交换数据、与云服务交互、从多个来源检索信息，并且通常集成了实时协作、视频和分析功能。随着人工智能应用的普及，对可靠连接的依赖程度也在不断提升。

人工智能正在塑造一种全新的用户体验预期

员工正迅速习惯于即时获得答案。这种期望不仅限于人工智能应用程序，更延伸至整个数字体验。 当用户全天与人工智能驱动的工具互动时，网络速度缓慢、无线覆盖不稳定、基础设施瓶颈以及应用程序性能不佳等问题变得愈发明显。实际上，人工智能正在提升人们对网络本身的期望。网络不再只是后台的辅助工具，而是直接推动生产力的关键因素。

这对基础设施规划为何重要

许多评估AI就绪性的组织往往将重点放在服务器和云服务上。而更实际的问题通常是：我们现有的基础设施能否支持大规模部署AI？在许多环境中，答案往往只是“部分可以”。 更大的流量、更多的联网设备、更高的电力需求以及对实时连接日益增长的需求，可能会暴露此前未被察觉的基础设施局限性。这并不意味着每个组织都需要进行重大重构，但这确实意味着，园区基础设施应成为人工智能就绪性讨论的一部分。

AI就绪始于具备AI支持能力的企业网络

随着人工智能日益融入日常业务流程，那些将人工智能视为端到端基础设施挑战的组织，将越来越成为成功者。
校园网络是员工连接的枢纽，是应用程序运行的场所，也是人工智能创造业务价值的核心。忽视这一层面的组织可能会发现，其复杂的人工智能投资最终会受到基础架构限制的制约。人工智能的未来或许建在数据中心，但其成功却始于校园网络。

Share this