AI 的網路技術是什麼？
AI 的高效能網路技術，是支援 AI 部署成功的關鍵技術元件。組織應該先分析網路基礎架構，以及確定支援新型 AI 技術功能必須增強哪些功能，然後再實作或擴充 AI 作業。
AI 工作負載通常需要大量的運算資源，以及近乎瞬間的反應能力。唯有可靠、強大、彈性且可擴充的網路解決方案支援，這項目標才有辦法實現。由於 AI 可在各種環境實施，因此網路解決方案可能包含在 AI 資料中心、用戶端、雲端和邊緣的獨立系統與裝置之間的有線、無線及虛擬化連線。
安全機制也是 AI 網路技術的關鍵條件。AI 應用多半需要大量資料，包括客戶的個人資訊、企業智慧財產與專有演算法，而這些資料傳輸時全部都需要防護。
AI 網路支援高效能
反之，AI 也能加速及強化網路基礎架構本身。AI 支援的網路與電信基礎架構，有助於在提升在架構執行之應用（包括 AI 工作負載）的可及性與效能。
AI 在網路應用的最終目標，是跨網路領域將工作自動化，讓網路運作效率更高，即使是網路流量越來越大，而且複雜度越來越高，效率也絲毫不打折扣。
AI 網路技術的角色
AI 用於將無數工作自動化，提升各行各業的效率、準確度與反應能力。這些 AI 使用案例多半仰賴高效能網路。
AI 幾乎形同無所不在，因此消費者期望許多 AI 支援的使用案例，包括聊天機器人、推薦引擎與店內自助式服務機的效能可以順暢無礙。自駕這類汽車應用需要近乎即時的反應能力，才能確保人類安全無虞。協助將各種環境無數流程自動化的 AI 應用案例，仰賴網路基礎架構實現應用 AI 所期望的效率與商業收益。
互通性 與 網路安全
AI 應用案例通常分布於資料中心、雲端、用戶端與邊緣裝置，因此互通性對於網路效能尤其重要。此外，若要保護饋送至機器學習演算法和其他 AI 程式的龐大資料集，包括使用者個人資訊，強大的網路安全功能同樣不可或缺。
這些網路安全功能的反應能力必須非常強且高效，因為 AI 應用案例多半無法容許延遲。安全功能仰賴運算密集型加密、解密、壓縮與解壓縮演算法，需要大幅加速，才能避免 AI 型資料與作業傳輸時無法容許的延遲時間增加。
AI 網路技術的效益
專為 AI 設計的高效能網路必須提供某些特定效益，AI 應用案例才能以高效、安全且反應能力符合需求的方式運作。這些效益包括高頻寬、低延遲、擴充性、效率與資料安全。
高資料頻寬
很多 AI 工作負載會持續或偶爾存取及傳輸大量資料集。專為 AI 設計的網路技術，為因應資料流量及維持資料完整性提供了高頻寬，尤其是雲端型應用案例。
低延遲
AI 網路使用案例通常仰賴毫秒不差的完美回應，邊緣使用案例對這方面的要求尤其嚴苛。為支援 AI 成功打造的網路，必須提供延遲格外低且一致穩定的連線能力。
可擴充的效能
AI 應用案例通常會隨時間累積資料，而且使用者人數也可能增加。此外，AI 解決方案可能分布於獨立的系統與裝置，因此必須能夠滿足眾多同時連線的需求。事先針對支援多種使用案例以及未來範圍與規模變化而設計的網路，可讓 AI 工作負載在不犧牲效能的情況下持續動態縮放。
高效利用資源
強大的 AI 網路必須最佳化，才能確保效率不墜，並且防止網路與運算資源配置過度或不足導致高昂的成本。完全最佳化的網路基礎架構可協助減少 AI 資料中心與雲端的費用。
資料保護與網路安全
網路安全對於 AI 工作負載的重要性更甚於其他應用案例，因為 AI 使用案例仰賴的大量資料集，通常包含私人、寶貴或受到高度監管的資訊。具有進階威脅偵測與預防功能的網路，可協助將代價高昂且引起混亂的資料外洩事件風險降至最低。
AI 網路解決方案
網路是實現 AI 使用案例的關鍵技術，然而 AI 應用案例對於網路的需求可能各不相同，端視應用範圍、使用者人數與位置，以及網路基礎架構的類型而定。此外，AI 支援的解決方案分布於資料中心、雲端與邊緣，因此網路設計也日益複雜。
考慮新增 AI 功能的企業，首先應該分析現有的網路基礎架構，並且定義已知 AI 使用案例的關鍵需求，才能確定需要哪些網路解決方案。
舉例而言，許多依賴網路的 AI 使用案例，包括智慧工廠應用案例、運輸與事件管理，以及公共安全情境，全都仰賴網路邊緣的私人 5G。
其他 AI 解決方案，例如推薦引擎，則是在雲端、資料中心或兩者同時執行，需要依靠有線、無線、虛擬與軟體定義網路的組合，才能為服務成千上萬或甚至是數百萬遠端使用者而擴充。這些網路解決方案本身屬於運算密集型，仰賴高速且高頻寬的控制器、連接埠、介面與資料管道。
AI 架構的自動化爆炸性成長，帶動開發者與供應商加速上市時間。許多人紛紛改採開放式網路與標準，希望找到可在多個平台部署的共通架構模塊與可自訂的解決方案。
各大技術供應商通力合作，共同制定新一代的乙太網路技術與標準，協助確保各式各樣供應商與產品能相容互通，實現支援這些新興需求的目標。