Опрошенные порталом ComputerWeekly эксперты обсуждают, как ИИ используется для поддержки управления сетями, а также растущие требования к сетям для поддержки ИИ.

В наши дни существует мало отраслей, которые остались бы в стороне ИИ. Сетевые технологии, напротив, — одна из отраслей, которая сильно затронута ИИ. Вряд ли можно представить себе, что любая сеть разумного размера — от офисной локальной сети или домашнего маршрутизатора до глобальной телекоммуникационной инфраструктуры — не может быть «как минимум» улучшена с помощью ИИ.

Иллюстрацией могут служить слова технического директора Swisscom Марка Дюсенера о партнерстве с принадлежащей Cisco компанией Outshift по внедрению агентного ИИ: «Цель перехода в мир агентного ИИ, управляющего сетями и подключением, заключается в том, чтобы уменьшить влияние изменений в сервисе, снизить риск простоя и затраты, а значит, повысить уровень опыта наших клиентов».

Другими словами, внедрение ИИ приводит к повышению операционной эффективности, надежности и выгоде для пользователей. Казалось бы, все просто, да? Но, как мы знаем, в жизни ничего не бывает просто, и чтобы гарантировать такие достижения, ИИ нельзя «просто» включить. И, пожалуй, самое главное: преимущества ИИ в сетевых технологиях невозможно реализовать в полной мере, если не рассматривать сетевые технологии для ИИ.

Начнем с Nvidia

Кажется логичным, что любое исследование ИИ и сетевых технологий — да и вообще ИИ и чего бы то ни было — должно начинаться с Nvidia, компании, которая сыграла ключевую роль в развитии экосистемы ИИ-технологий и собирается делать это и дальше.

Выступая в 2024 г. на технологической конференции, посвященной тому, как ИИ стал неотъемлемой частью бизнеса, основатель и генеральный директор Nvidia Дженсен Хуанг отметил, что наступила эра генеративного ИИ (GenAI) и что предприятия должны взаимодействовать с этой «самой значительной технологией в истории». Он сказал аудитории, что происходящее — это величайшая фундаментальная трансформация вычислительной платформы за последние 60 лет, преобразующая вычисления общего назначения в ускоренные вычисления.

«Мы сидим на горах данных. Все мы. Мы собираем их в наших компаниях уже давно. Но до сих пор у нас не было возможности обрабатывать их, затем извлекать инсайты и автоматически кодировать их в естественный опыт нашей компании, наш цифровой интеллект. Теперь каждая компания становится производителем интеллекта. Каждая компания строится на аналитических данных, относящихся к конкретной предметной области. Впервые мы можем оцифровать этот интеллект и превратить его в наш ИИ — корпоративный ИИ», — сказал Хуанг.

По его словам, ИИ — это жизненный цикл, который будет жить вечно. «Мы стремимся превратить наш корпоративный интеллект в цифровой. Как только мы это сделаем, мы соединим наши данные и наш маховик ИИ, чтобы собирать больше данных, получать больше информации и создавать более качественный интеллект. Это позволит нам предоставлять более качественные услуги или быть более продуктивными, работать быстрее, быть более эффективными и делать вещи в больших масштабах», — заявил Хуанг.

Завершая свое выступление, он подчеркнул, что теперь предприятия должны работать с «самой значительной технологией в истории», чтобы перевести и сконцентрировать аналитические данные компании в цифровом интеллекте.

Именно этого и добивается Swisscom. Компания является крупнейшим телекоммуникационным провайдером Швейцарии с более чем 6 млн. клиентов мобильной связи и 10 тыс. базовых станций, которыми необходимо эффективно управлять. Когда сетевые инженеры компании вносят изменения в инфраструктуру, они сталкиваются с общей проблемой: как обновить системы, обслуживающие миллионы клиентов, не нарушив при этом работу сервиса.

Решением стало сотрудничество с Outshift для разработки практического применения агентов ИИ в сетевых операциях с целью «переосмысления» клиентского опыта. То есть речь идет об использовании Интернета агентов Outshift для достижения значимых результатов для телекоммуникационной компании, а также для удовлетворения потребностей клиентов с помощью ИИ-инноваций.

Рассматривая более широкое влияние ИИ на сети, Хон Кит Лам, вице-президент по гибридным сервисам подключения Tata Communications, отмечает, что ИИ переписывает правила построения сетей, превращая статичные инфраструктуры во все более «умные», самонастраивающиеся экосистемы, автоматизирующие сложные процессы, улучшающие мониторинг в реальном времени и заблаговременно обнаруживающие неисправности еще до того, как они настигнут клиентов.

«Использование этих технологий помогает перейти от реактивного пожаротушения к проактивным, самовосстанавливающимся операциям, когда выявление первопричин и запуск корректирующих мер происходит без вмешательства человека, — поясняет он. — В конечном итоге эта технология динамически разделяет сети, чтобы контролировать и сдерживать угрозы и распределять ресурсы наиболее эффективным образом. Это сочетание интеллекта и гибкости, которое не только повышает операционную эффективность, но и улучшает общее качество клиентского опыта, делая сети действительно готовыми к будущему».

Стивен Додж, технический директор компании Bistech, считает, что программно-определяемые глобальные сети (SD-WAN) являются потенциальным примером того, как ИИ может усовершенствовать сети. «Ключевым преимуществом SD-WAN перед традиционными решениями, такими как MPLS, является ее облачная архитектура. Эта основополагающая конструкция позволяет ведущим поставщикам SD-WAN легко интегрировать ИИ, в том числе GenAI, в свои предложения », — говорит он.

Додж ожидает, что по мере своего развития ИИ будет значительно улучшать SD-WAN за счет упрощения конфигураций, повышать производительность за счет динамической адаптации к поведению пользователей и необычным шаблонам трафика, а также повышать наблюдаемость и безопасность. «GenAI создаст более „умные“, гибкие и эффективные сети, минимизируя ручное вмешательство и упрощая управление», — полагает он.

Но эти преимущества не являются прерогативой крупных предприятий, таких как телекоммуникационные компании. Действительно, с точки зрения сетевых технологий, ИИ может дать малым и средним предприятиям доступ к технологиям корпоративного уровня, что позволит им сосредоточиться на развитии и устранить затраты и инфраструктурные проблемы, возникающие при управлении сложными ИТ-инфраструктурами.

Создание сетей для ИИ

Если посмотреть с более широкой точки зрения, то Swisscom и Outshift также показали, что для эффективной работы ИИ требуется нечто новое: инфраструктура, позволяющая предприятиям безопасно общаться и работать вместе. И здесь в игру вступает второй аспект — сети для ИИ.

На мероприятии, где Хуанг изложил свое видение, Дэвид Хьюз, директор по продуктам HPE Aruba Networking, сказал, что существуют насущные вопросы применения ИИ в корпоративных сетях, в частности использования преимуществ, которые может предложить GenAI. Говоря об «ИИ для сетей» и «сетях для ИИ», он отметил, что между ними есть тонкие, но фундаментальные различия.

«ИИ для сетей — это то, чему мы уделяем время с точки зрения инженерии и науки о данных. Речь идет о том, как с помощью технологии ИИ превратить ИТ-администраторов в супер-админов, чтобы они могли справляться с растущими нагрузками помимо GenAI, который также является нагрузкой ко всему прочему, например, с растущими киберугрозами и проблемами обеспечения конфиденциальности. Бизнес постоянно требует от ИТ-отдела делать новые вещи, развертывать новые приложения, но они требуют этого от того же количества людей», — заметил он.

По словам Хьюза, сети для ИИ — это, прежде всего, создание коммутационной инфраструктуры, необходимой для объединения кластеров GPU. «А далее следует подумать о влиянии сбора телеметрии на сеть и об изменениях в том, как люди могут захотеть строить свои сети», — считает он.

И влияние это есть. Многие компании, которые в настоящее время изучают возможности ИИ в своем бизнесе, задаются вопросом, как скажется массовое внедрение ИИ на сетях и потоках данных, какая потребуется пропускная способность для обеспечения работы ИИ-продуктов, генерирующих текст, изображения и видеоконтент.

По словам Бастьена Аерни, вице-президента по стратегии и внедрению технологий компании GTT, это заставляет компании переосмысливать скоростные показатели и масштабы своих сетевых потребностей. «Чтобы добиться окупаемости ИИ-инициатив, они должны иметь возможность быстро защищать и обрабатывать большие объемы данных, а для этого их сетевая архитектура должна быть настроена на поддержку такого рода рабочей нагрузки. Использование платформы, встроенной в IP-магистраль Tier 1, обеспечивает низкую задержку, высокую пропускную способность и прямой доступ в Интернет по всему миру», — говорит он.

Аерни отмечает нарастающий тренд, что ИИ-вычисления будут все чаще проводиться на периферии, чтобы «устранить расстояние» между запросом и процессом. «Использование сервисов SD-WAN, построенных на правильной платформе, для эффективной маршрутизации трафика данных ИИ позволяет снизить задержки и риск безопасности, а также обеспечить больший контроль над данными», — говорит он.

Управление перегрузкой сети

В конце 2023 г. компания BT сообщила, что ее сети подверглись огромной нагрузке из-за одновременной онлайн-трансляции шести футбольных матчей английской Премьер-лиги и загрузки популярных игр, среди которых особенно выделялось обновление Call of Duty Modern Warfare. ИИ обещает усугубить эту головную боль.

Выступая на Mobile World Congress 2025, технический директор BT Business Колин Бэннон заявил, что в новом, изменившемся мире работы, надежная и прочная сеть является фундаментальной предпосылкой для работоспособности ИИ, и что требуется немало усилий, чтобы сеть оставалась релевантной для решения текущих задач, стоящих перед клиентами BT, а это в основном международный бизнес, правительства и транснациональные корпорации. Суть в том, что производительность сети имеет решающее значение в ИИ-мире, где «медленно — это новый большой минус».

Бэннон рассказал, что Global Fabric, продукт BT категории «сеть как сервис», был создан еще до «взрыва» ИИ, и что компания озабочена тем, как справиться с гиперраспределенным набором рабочих нагрузок в сети и сделать ее полностью программируемой. Рассматривая стоящие проблемы и то, как новая сеть будет их решать, он сказал: «ИИ просто делает распределенные и более сложные рабочие процессы еще более масштабными, что повышает необходимость в ткани сети (network fabric). Вам нужна сеть, которая может обрабатывать взрывные пакеты данных, которая программируется, и в которой вы можете управлять пропускной способностью по требованию. Вся эта программируемость — это то, чего раньше у предприятий не было. Я бы утверждал, что сеть — это компьютер, и сеть — необходимое условие для работоспособности ИИ». В результате будут созданы корпоративные сети, способные справиться с огромной нагрузкой, связанной с применением ИИ, особенно в части, касающейся обучения моделей.

По словам Бэннона, существует три ключевые сетевые проблемы и условия для работы с ИИ: требования к обучению, требования к выводам и общие требования. Он отметил, что динамичный характер рабочих нагрузок ИИ означает, что сети должны быть масштабируемыми и гибкими, с инструментами визуализации, которые обеспечивают мониторинг, обнаружение проблем и устранение неисправностей в режиме реального времени. Что касается конкретных особенностей обучения, то работа с ИИ предполагает перемещение по сети больших наборов данных, что требует высокой пропускной способности сетей.

Он также описал «слоновьи» потоки данных — то есть непрерывную передачу в течение долгого времени и обучение в течение нескольких дней. И предупредил, что несоответствия в сети могут повлиять на точность и время обучения моделей ИИ, а хвостовая задержка может значительно повлиять на время выполнения задания. Это означает, что необходимо надежное управление нагрузками для обнаружения потенциальных перегрузок и перераспределения сетевого трафика.

Фокус на малых моделях

Модели обучения ИИ, как правило, обещают проблемы с сетью. Поэтому вызывает интерес переход от общих больших языковых моделей (LLM) к малым языковым моделям (SLM), предназначенным для конкретных приложений и отраслей.

NTT Data создала и развернула SLM под названием Tsuzumi, которая описывается как сверхлегкая модель, предназначенная для снижения затрат на обучение и выводы. По словам технического директора NTT в Великобритании и Ирландии Тома Уинстэнли, причиной разработки этой модели была, прежде всего, поддержка периферийных сценариев использования.

«Речь буквально идет о развертывании на периферии сети, чтобы избежать переполнения сети, а также решить проблемы конфиденциальности и экологичности, связанные с некоторыми из этих очень больших языковых моделей, которые к тому же очень специфичны в плане предметного контекста », — говорит он. В качестве примеров применения SLM Уинстэнли приводит видеоаналитику, медиааналитику, захват разговоров в реальном времени, но только локально, без развертывания в сети.

«Однако обратной стороной этого является то, что вам необходимо больше знать о том, что является правильным сетевым бэкграундом и что является правильным балансом для вашей сетевой инфраструктуры, поскольку некоторые из центральных гипермасштабных моделей требуют огромных ресурсов. Например, если вы хотите осуществлять потоковую передачу мультимедиа в реальном времени со спортивного стадиона и выполнять все редактирование на месте или удаленно, чтобы не разворачивать оборудование в каждом отдельном месте, то вам также потребуется соответствующая магистраль», — отмечает он.

Препятствия на пути реализации планов по внедрению ИИ

Исследование «Enterprise horizons 2025», проведенное IDC по заказу поставщика управляемых сетей как сервисов Expereo, показало, что существует ряд серьезных препятствий на пути реализации планов по внедрению ИИ компаниями. Среди них — сотрудники и необоснованные требования, а также неразвитость существующей инфраструктуры.

Многие технологические руководители считают, что ожидания их организаций в отношении возможностей ИИ растут быстрее, чем способность их удовлетворить. В то время примерно половина организаций отметили, что их инфраструктура сети/соединений не готова к поддержке новых технологических инициатив, таких как ИИ, в целом, еще столько же сообщили, что производительность их сети препятствует или ограничивает их способность поддерживать большие проекты в области данных и ИИ.

Оценивая ключевые тенденции, выявленные в ходе исследования, генеральный директор Expereo Бен Элмс отметил, что в условиях, когда компании внедряют ИИ для трансформации опыта сотрудников и клиентов, постановка реалистичных целей и согласование ожиданий будут иметь решающее значение для обеспечения того, чтобы ИИ приносил долгосрочную пользу, а не рассматривался как быстрое решение проблемы. «Хотя потенциал ИИ огромен, его успешная интеграция требует тщательного планирования. Технологические руководители должны осознать необходимость создания надежных сетей и инфраструктуры подключения для поддержки ИИ в масштабе, а также обеспечить стабильную производительность этих сетей», — сказал он.

Элмс утверждает, что в настоящее время бизнес переживает переломный момент, когда необходимы стратегические инвестиции в технологии и ИТ-инфраструктуру для удовлетворения текущих и будущих потребностей. Что коррелирует со словами Дюсенера о том, что Swisscom стремится уменьшить влияние изменений в сервисе, снизить риск простоя и затраты, а также повысить качество обслуживания клиентов.

Додж предупреждает, что, несмотря на то, что отрасль спешно продвигает решения, «готовые к ИИ», на самом деле большинство сетей еще вовсе не готовы к ним. По его мнению, многие из них все еще пытаются справиться с требованиями облачных вычислений, моделей «как сервис» и распределенной рабочей силы, и ИИ может вывести их из строя.

«Прежде чем полностью погрузиться в ИИ, компаниям необходимо убедиться, что их сети готовы к решению этой задачи. Это означает устранение узких мест в производительности, масштабирование для удовлетворения растущих потребностей и упрощение управления. Не менее важно укрепить безопасность: поскольку ИИ делает киберугрозы все более совершенными, сильная и безопасная сеть становится первой и самой важной линией обороны, — отмечает Додж. — Скорость, безопасность и упрощение — вот основные требования к сетям в эпоху ИИ. Организации, которые инвестируют в модернизацию своих сетей сейчас, окажутся в наилучшем положении, чтобы раскрыть весь потенциал ИИ в ближайшие годы».

Просто «включить» любую систему ИИ и надеяться, что ответ на любой ваш вопрос будет «совсем рядом», не получится. Ваша сеть вполне может сказать вам обратное.