企业人工智能来了--但大多数网络还没准备好

Table of Contents

(本博客使用的是企业管理协会（Enterprise Management Associates）即将发布的数据。Aryaka 和我要感谢 EMA 及其研究副总裁 Shamus McGillicuddy 在这项研究中的合作。）

人工智能在短短几个季度内就从概念验证阶段进入了关键任务阶段。根据企业管理协会（EMA）即将发布的研究报告，到 2025 年底，87% 的企业将部署人工智能训练工作负载，推理应用将紧随其后。

变化的不仅是人工智能的运行地点，还有它的连接方式。企业正在将人工智能工作负载分散到私有数据中心、公共云、GPU 即服务平台以及越来越多的边缘计算环境中。其含义显而易见：企业网络被要求在更多地方完成比以往更多的任务，而容许出错的余地却越来越小。

然而，大多数网络并没有跟上步伐。

人工智能基础设施的差距是真实存在的

EMA 即将对 269 位 IT 领导者进行的研究发现，他们在网络准备方面存在严重不足：

这些差距横跨从性能和可视性到策略执行和保护的整个流程。随着人工智能用例变得越来越复杂和分散，这些差距只会越来越大。

人工智能流量与传统的企业流量不同。它是突发密集型、延迟敏感型和数据密集型。训练大型模型需要 GPU、数据湖和加速器之间的高吞吐量互连。推理，尤其是边缘推理，需要实时响应和对敏感数据集的安全访问。

传统的 MPLS 网络缺乏灵活性，DIY SD-WAN 解决方案往往缺乏规模，即使是最先进的云网络也无法确保在每个用户、地点和设备上执行一致的策略。

简而言之，支持人工智能意味着要建立一个不仅仅是连接的网络–它必须是智能的、安全的，并且每个节点都是可观察的。

在 Aryaka，我们设计了统一 SASE 即服务平台，以支持下一代企业工作负载（包括人工智能）。我们的架构结合了全球专用网络、集成安全和深度可观察性，所有这些都以服务形式提供，并以服务水平协议（SLA）为后盾。

为了满足人工智能的特殊需求，我们推出了三种专门构建的功能：

影子人工智能发现–Aryaka 统一 SASE 作为一项服务，对所有 GenAI 流量提供开箱即用的识别和报告，使团队能够了解当前的使用情况和风险，推动治理措施并实施适当的控制。
AI>Perform– 为跨全球和混合环境（包括 GPUaaS 和云）的人工智能工作负载提供优化的传输。我们提供确定性延迟、广域网优化和智能路由选择，所有这些对于高吞吐量训练和实时推理都至关重要。
AI>Observe– Aryaka AI>Observe为企业提供由人工智能驱动的云原生解决方案，该解决方案可与Aryaka统一SASE即服务（Aryaka Unified SASE as a Service）无缝集成。利用Aryaka的端到端可视性和深度学习模块，可对安全问题进行全面观察。
AI>Secure（将于 2025 年下半年推出）– 针对特定于人工智能的威胁提供深度保护，包括模型盗窃、未经授权的推断和数据外渗。通过集成的 NGFW、SWG、CASB 和 TLS 检查，我们可以帮助企业在任何地方执行一致的安全策略。