现代人工智能需要 NaaS：分布式网络的未来

在单个数据中心或集中式云设施中运行人工智能操作的时代已经一去不复返了。现代人工智能应用程序必须利用高度分布式的服务和功能。将这些资源无缝地整合在一起需要一种新的网络方法。 NaaS（网络即服务）是一种云服务模型，提供商可以根据需要（通常通过订阅）向企业提供包括连接、安全和管理在内的网络功能。

快速浏览一下现代人工智能应用程序的工作原理就可以看出对 NaaS 的需求。首先，用于训练人工智能模型的数据通常在不同的地方存储和生成。用于训练模型和运行推理的计算资源通常是分散的，尤其是随着 GPU 即服务和 Neoclouds 等新产品的兴起。实时应用程序中对快速分析和可操作见解的需求意味着数据处理和推理必须在数据生成或操作（例如，自动驾驶汽车绕过道路危险）发生的地方进行。

考虑到这些因素，人工智能和网络的融合今年受到了相当多的关注。多年来一直推动 NaaS 市场发展的组织 Mplify（以前称为 MEF）将 AI 引入其中。 “我们已经进入人工智能角色，”Mplify 首席技术官 Pascal Menezes 说。他指出，随着人工智能代理和模型无处不在，网络变得非常重要。

另请参阅： 为什么实时人工智能需要边缘分布式云计算

输入 NaaS

如今，提供支持人工智能工作的服务的企业和提供商本质上需要人工智能连接即服务。这就是 NaaS 可以发挥关键作用的地方。

NaaS 是一种类似云的网络消费模型。企业无需拥有、配置和管理自己的网络硬件和软件，而是可以根据提供商的需求使用连接、带宽、安全性和优化功能。

主要方面包括：

• 按需和基于订阅 ：与 SaaS 或 IaaS 类似，企业可以根据使用情况进行扩展或缩减。
• 策略驱动的自动化 ：网络功能作为 API 和服务公开，而不是手动配置。
• 抽象基础设施 ：企业无需担心物理链路、路由或特定于供应商的硬件。

另请参阅： 什么是 Neoclouds 以及为什么 AI 需要它们？

Mplify 在 NaaS 中的作用

Mplify 在将连接技术推向市场方面有着悠久的历史。它对框架、生命周期服务编排 (LSO) API 和认证的关注帮助运营商以太网成为企业数十年来依赖的普遍产品。

该团队在 NaaS 上也遵循了类似的路径。它开发了 LSO API 和框架，允许服务提供商以标准化方式公开网络服务，例如 SD-WAN、安全访问服务边缘 (SASE) 等。

借助 Mplify 的标准，企业可以跨多个运营商订购、激活和监控网络服务，就像与单个云提供商打交道一样。此外，提供商可以根据 Mplify 的标准验证其产品，从而增加信任并加速采用。

为什么 NaaS 对人工智能很重要

人工智能、边缘计算和GPU加速是高度分布式和资源密集型的。他们需要灵活的连接。人工智能工作负载可能会在数据中心、云和边缘站点之间爆发。 NaaS 允许企业和提供商仅在需要时启动高带宽链路。为此，NaaS 支持基于可预测和不可预见的业务需求变化的波动需求。

现代人工智能应用程序还需要低延迟和有保证的服务质量 (QoS)。这是 NaaS 可以发挥作用的另一个领域。例如，边缘推理（例如，在制造或自治系统中）需要确定性、可靠的网络。 NaaS 允许基于策略的性能保证。目前，NaaS 提供商通常会提供服务级别协议 (SLA)，以保证特定级别的性能、可靠性和可用性。

NaaS 的另一个方面是它紧密集成了安全性。这很重要，因为有了分布式 GPU 和边缘节点，攻击面就会扩大。 NaaS 将安全性集成为服务结构的一部分。大多数 NaaS 产品都支持 SASE，它将广域网 (WAN) 连接功能与网络安全功能相结合，例如安全 Web 网关、零信任网络访问 (ZTNA)、防火墙即服务 (FWaaS) 和云访问安全代理 (CASB)。

底线

企业习惯于计算即服务产品。然而，随着他们扩展人工智能计划并利用 GPU 即服务等新产品，计算能力很快就会压垮底层网络。这会造成瓶颈并引入性能问题。

NaaS 通过提供同样弹性的高带宽互连来帮助解决这些问题。此类服务确保企业和提供商可以移动大型人工智能数据集并运行分布式模型，而不会引入延迟和其他延迟。