当前位置: 首页 > news >正文

拥抱AI,HPE Networking以“自动驾驶的网络”引领智能网络新时代

2025年12月16日,HPE Networking在北京举办以“拥抱AI,构建自动驾驶的网络”为主题的媒体沟通会,首次对外分享了在完成对 Juniper Networks 收购后所推出的全新战略路线:以构建“安全赋能的AI原生网络”为核心举措,打造覆盖全场景的端到端整体解决方案,从而向“自动驾驶的网络”不断迈进。此次战略路线的宣布,意味着HPE已经完成了网络业务的有效整合和布局,并将以创新科技引领智能网络发展的新时代。

HPE Networking中国区总经理竺宏

两大平台协同,打造领先的“自动驾驶的网络”

随着智能体 AI(Agentic AI)的快速兴起,网络正从传统自动化运维迈向智能时代。HPE Networking提出“自动驾驶的网络”演进路线,以类似于自动驾驶汽车从L1到L5的五级等级划分,描绘未来网络智能化的最终形态:第一阶段聚焦数据采集与 AI 数据湖,第二阶段形成专业洞察,第三阶段实现跨域关联与自动诊断,第四阶段在授权下主动修复,第五阶段迈向全栈智能,提前发现问题并自动完成修复。

当前,HPE Networking正加速迈入第五阶段,通过整合HPE Aruba Networking Central与HPE Juniper Networking Mist两大业界领先的自动驾驶网络平台,实现网络的自动部署、优化与修复,助力客户以更高效、更安全、更智能的方式引领下一代网络发展。

AI+网络+安全,全面迈向智能网络新时代

为了更好地向“自动驾驶的网络”迈进,HPE Networking将以构建“安全赋能的AI原生网络”为核心举措,以AI原生网络能力推动行业全面迈向智能网络新时代:

  • AI赋能网络(AI for Networks):以专为网络运维训练的AI能力,为有线、无线、数据中心、广域网及安全等场景,提供先进的预测性分析、根因分析和自动化修复功能,将传统的被动响应转化为主动优化,显著提升网络可用性,并大幅提升运维体验。
  • 网络承载AI(Networks for AI):打造面向AI与高性能计算负载的网络底座,满足AI数据采集、模型训练与推理所需的高带宽、低时延和高可靠性要求,确保网络无缝支持大规模分布式AI集群运行,助力企业加速AI创新,推动智能应用快速落地。

四大关键领域,构建端到端的卓越用户体验

以此为基础,HPE Networking聚焦四大关键应用领域,打造覆盖全场景的整体解决方案,构建端到端的卓越用户体验:

  • 园区和分支机构网络:安全、高效地支撑新一代AI、数字化用户体验和企业物联网应用的连接需求,以用户为中心实现统一的可见性与控制力。通过覆盖无线 AP、网络交换机、多业务路由器和高性能防火墙的完整产品组合,为企业提供端到端的高可靠网络能力。
  • 路由架构解决方案:提供覆盖接入、聚合、边缘与核心的路由产品组合,以卓越的容量、敏捷性与操作一致性,支持服务感知网络所需的端到端自动化。凭借业界高度可扩展、可编程且具弹性的路由平台,显著提升网络运维效率。
  • 数据中心网络:为满足AI数据中心多样化需求,推出面向AI负载优化的网络方案,为数据中心内部提供更高带宽、更低时延,并在数据中心之间及边缘节点间实现安全、可靠、可扩展的高速互联。
  • 内置安全能力:通过将安全SD-WAN、云原生SSE与 网络访问控制(NAC)融合为单一SASE架构,在每个连接点实施零信任接入,强化从边缘到核心的多层防护,并依托AI驱动的安全洞察,主动识别异常、阻断威胁,并在全链路保护数据资产免受窃取、破坏或篡改,打造零信任时代的安全防线。

HPE Networking中国区总经理竺宏表示,“随着今年HPE完成对Juniper Networks的收购,HPE Networking正以‘自动驾驶的网络’为战略方向,引领全球网络产业迈入智能发展新阶段。通过整合HPE Aruba Networking Central与HPE Juniper Networking Mist的平台优势,我们正在构建面向未来的统一网络底座,使网络具备自驱化、自优化的原生智能能力。面向未来,HPE Networking将以更开放的架构、更先进的智能能力和更完备的安全体系,帮助客户加速释放AI价值,共同构建下一代全球智能网络的新格局。”

http://www.cnnetsun.cn/news/115835.html

相关文章:

  • 基于Spring Boot人才招聘管理系统
  • 拒绝“魔法值”注入:手把手教你实现 Spring Boot 高性能枚举校验注解 @InEnum
  • 国内容易上手的claudecode一键配置指南
  • 复原IP地址
  • Redis 发布订阅
  • JQuery支持WebUploader完成百万文件断点续传的原理?
  • Vue3如何结合组件实现大文件分片的并行上传优化?
  • 类型分布统计-Cordovaopenharmony多维分析实战
  • 四时四名,一山万象:朝鲜金刚山的锦绣风姿
  • 基于Spring Boot的果蔬销售系统
  • Scala Collection(集合)
  • 介观交通流仿真软件:DynusT_(11).交通事件管理
  • django基于Python天气分析系统
  • python基于大数据的分析长沙旅游景点推荐系统
  • 基于Django的学分管理系统
  • 广度优先遍历与最短路径
  • 通信系统仿真:通信系统基础理论_(11).光通信技术
  • 17、Linux文件与目录操作全解析
  • 21、Linux系统进程与包管理全解析
  • 二叉排序树的插入、先序/中序/后序/层次遍历、节点查询
  • 如何在 Spring Boot 中接入 Amazon ElastiCache
  • 基于51单片机的血糖步数测量仪
  • Linux C/C++ 学习日记(51):内存池
  • AAAI25|基于神经共形控制的时间序列预测模型
  • CATCH:ICLR 2025 最值得关注的时间序列异常检测新框架
  • 开发到生产全链路:Docker containerd Kubernetes 运行时全景指南
  • 文件包含漏洞终极指南
  • #扫雷游戏
  • Java计算机毕设之基于springboot+vue的高校学院校内订餐系统的设计与实现基于JAVA的学院校内订餐系统的实现(完整前后端代码+说明文档+LW,调试定制等)
  • 小程序计算机毕设之基于微信跑腿小程序的设计与实现基于springboot+微信小程序的跑腿小程序的设计与实现(完整前后端代码+说明文档+LW,调试定制等)