人工智能对网络的影响
人工智能正推动网络基础设施发生重大变革，以满足其数据密集型、高带宽、低时延的需求。预计到2028年，人工智能相关解决方案的全球支出将达到6320亿美元，年复合增长率达29%。
人工智能对网络基础设施的影响
人工智能应用和工作负载对网络提出了全新需求，包括：
- 人工智能推理：需要在网络边缘或数据中心内部署推理引擎，以实现快速、准确和安全的决策。
- 全新的网络性能要求：人工智能应用需要低时延、近乎无损的传输、高吞吐量和可扩展的架构。
- 人工智能应用和工作负载流量：文本、对话、图像、音频和视频生成等应用会产生巨大流量。
- 人工智能训练和再训练：训练学习模型需要大量数据，并要求网络以高精度和速度处理分布式通信。
全新的传输和互连架构
人工智能流量每两年将增长十倍，推动数据中心和通信架构升级：
- 数据中心：后台和互连网络架构需要重新设计，以支持高吞吐量、低时延和无损性能。
- 可扩展的随需式人工智能联网：将人工智能处理任务分发到整个网络，实现多租户运营。
- 安全的通信：采用零信任网络访问（ZTNA）、安全服务边缘（SSE）等安全技术。
- 超低时延网络连接：利用5G、边缘计算和光纤等技术。
全新的联网业务模型和机遇
电信、云和联网企业将迎来新机遇，提供与人工智能相关的定制、可扩展和安全的服务，如网络基础设施即服务（NIaaS）。
人工智能在网络中的应用
人工智能正在成为网络增强、自动化和优化工具，实现：
- 安全系统：优化策略和配置管理，增强攻击预防和威胁探测能力。
- 无线电接入网络（RAN）：增强RAN性能，优化能源效率。
- IP传输网络：实现基于目的的联网，简化策略和配置管理。
- 核心网络：提供预测性的深入认知，加强生命周期管理和编排的性能。
- 全球导航卫星系统（GNSS）：实现精确的定位、干扰消除和消减，以及欺骗攻击预测。
- 网络管理系统：实现编排和服务保障任务的自动化，优化配置，预测缺陷和分析问题的根源。
阻碍人工智能普及的挑战
- 对人工智能决策和结果缺乏信任。
- 透明度和可解释性。
- 安全性。
- 隐私。
- 法规。
- 价值与成本的关系。
- 能源。
测试和保障扮演的角色
测试和保障在应对人工智能普及挑战方面扮演重要角色，通过建立对人工智能的信任，提高运营的透明度，并增强治理能力。关键方法学包括：
- 主动测试：将少量合成流量注入网络，生成预测性数据，前瞻方式监视性能变化。
- 网络数字孪生：充当网络和流量的“已知良好参考”，支持真实、低成本和无风险的测试。
- 合成测试数据：模拟真实世界的流量和数据，用于受控的、可重复的网络和系统测试。
- 非功能测试：评估网络在性能、扩展能力、安全性和可靠性方面的运营方面。
- 持续测试和自动化：在生命周期的每一个阶段执行自动化的测试，确保质量和性能。
人工智能网络生命周期中的测试
测试在人工智能网络的生命周期中扮演重要角色，解决真实性、规模、弹性和安全效能方面的问题：
- 设计和开发阶段：使用数字孪生和仿真解决方案模拟各种网络，以极低的成本提供真实性和测试的准确性。
- 部署阶段：自动化持续测试验证人工智能在部署前后的可靠性。
- 运营阶段：主动测试以前瞻的方式监视、优化和巩固人工智能，确保持续输出预期的性能。
建议如何测试为人工智能构建的网络
- 数据中心互连网络架构：仿真含RoCEv2和CCL流量模式的真实人工智能工作负载，评价和优化网络架构在拥塞条件下的弹性和性能。
- 有线IP传输网络：测试高密度统一2至3层和4至7层，包括50G-800G，并验证软硬网络切片。
- 安全性：使用真实的流量攻击生成方式，执行全新的PQC测试，验证人工智能方面的变化是否得到正确的实施。
建议如何测试和保障通过人工智能增强的网络
- 安全防火墙/网关网络功能：使用真实的流量和攻击生成来验证人工智能方面的变化是否得到正确的实施，以及人工智能预测性阻止是否有效。
- Open RAN RIC网络功能：使用真实的Open RAN网络和用例流量仿真，验证RIC、xApps和rApps与标准的一致性和互操作性。
- 5G核心网的网络功能：验证机器学习/人工智能模型的有效性和互操作性。
- 网络编排器：利用主动测试验证新网络功能，监视和隔离任何正在发生的性能影响和降级情况。
- 网络保障：利用人工智能增强的保障来为移动和传输域提供保障，实现变化管理的自动化。
思博伦的承诺
思博伦作为中立且可信的行业领导者，提供尖端的测试和保障能力，帮助各类机构充满信心地拥抱人工智能驱动的进步。思博伦提供的产品和服务包括：
- 数据中心：人工智能驱动网络测试解决方案。
- 无线和有线网络：数字孪生流量和网络仿真器。
- 现实运营网络：服务保障解决方案。
- 自动化框架：持续测试的能力。
