为什么现代AI需要NaaS？


在过去，AI操作通常依赖单一数据中心或集中式云设施，但这种模式已无法满足现代AI应用的需求。如今，AI应用必须跨高度分布的计算资源和数据存储环境运行，而这些资源往往分散在不同地点。为了将这些分布式资源无缝结合，需要一种全新的网络方法——网络即服务（NetworkasaService，NaaS）。

NaaS是一种云服务模型，允许企业根据需求获取网络能力，包括连接、安全性和管理功能。与传统网络不同，NaaS通常以订阅方式提供，使企业无需自建或维护复杂的网络硬件，即可灵活使用网络资源。

为什么现代AI需要NaaS？

现代AI应用对网络的需求


现代AI应用具有高度分布和资源密集的特点：

  • 数据分布广泛：训练AI模型的数据可能来自全球不同的数据源，包括企业内部系统、物联网设备以及第三方数据提供商。
  • 计算资源分散：模型训练和推理需要大量计算资源，如GPU和TPU，这些资源可能在云端、数据中心或边缘站点。
  • 实时处理需求高：许多AI应用（如自动驾驶、工业自动化）需要在数据生成地或接近行动端进行实时分析和推理，对延迟极为敏感。

在这种背景下，网络不仅仅是“传输数据”的工具，而成为支撑AI工作负载的关键基础设施。

NaaS的核心价值


NaaS提供了一种类似云的网络消费模式，使企业可以按需访问网络能力，而无需关注底层硬件或复杂配置。其核心特性包括：

  • 按需和订阅式：企业可以根据业务需求扩展或缩减网络容量，实现灵活性。
  • 政策驱动的自动化：网络功能通过API和服务暴露，支持自动化配置和管理。
  • 基础设施抽象化：企业无需直接管理物理连接、路由或特定供应商的硬件。
  • 安全性集成：通过集成SASE（安全访问服务边缘）等安全服务，提供零信任访问、云访问安全代理和防火墙即服务等功能，保障分布式AI环境的安全性。

通过这些特性，NaaS使企业能够像使用云计算资源一样灵活地使用网络资源。

NaaS与AI的紧密结合


随着AI、边缘计算和GPU加速技术的发展，AI工作负载在地理和计算上高度分布，对网络提出了新的要求：

  • 灵活的带宽管理：AI训练和推理需要高带宽连接，NaaS允许企业在需求高峰时快速启动高带宽链路，满足动态需求。
  • 低延迟和服务质量保证：在边缘进行实时推理（如制造自动化或自主系统）需要确定性网络性能。NaaS支持基于策略的性能保障，并通过SLA提供延迟、可靠性和可用性承诺。
  • 安全性保障：分布式GPU和边缘节点增加了潜在攻击面。NaaS通过将安全性作为网络基础设施的一部分进行集成，降低风险。

总之，NaaS不仅解决了AI工作负载中网络瓶颈的问题，也为分布式AI应用提供了必要的灵活性、性能和安全性支持。

总结


随着企业不断扩展其AI计划，并采用GPU即服务等分布式计算产品，网络能力已成为制约性能的关键因素。传统静态网络无法满足现代AI对低延迟、高带宽和安全性的要求。

NaaS通过按需提供高性能互联、自动化管理和安全集成，为现代AI应用提供了可靠基础，使企业能够高效地传输大规模数据集、运行分布式模型，并支持实时推理和分析。可以说，NaaS是支撑分布式AI生态系统的关键网络解决方案。