企业和为人工智能提供支持服务的供应商本质上需要人工智能连接即服务。这就是网络即服务 (NaaS) 的用武之地。
在单一数据中心或集中式云设施中运行人工智能的时代已经一去不复返了。现代人工智能应用必须利用高度分布式的服务和功能。要将这些资源无缝整合在一起，就需要一种全新的网络方式。网络即服务 (NaaS) 应运而生。顾名思义，NaaS 是一种云服务模式，服务提供商按需向企业提供网络功能，包括连接、安全和管理，通常采用订阅模式。
快速了解现代人工智能应用的工作原理，就能看出 NaaS 的必要性。首先，用于训练人工智能模型的数据通常存储在不同的地方，并且是在不同的地方生成的。用于训练模型和运行推理的计算资源也常常分散，尤其是在 GPU 即服务和新云等新型服务兴起之后。实时应用需要快速分析和获取可操作的洞察，这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障碍物）发生的位置附近进行。
鉴于这些因素，人工智能与网络技术的融合在今年引起了广泛关注。多年来一直引领 NaaS 市场的 Mplify（前身为 MEF）也开始涉足人工智能领域。“我们已经转型为人工智能领域的领导者，”Mplify 首席技术官 Pascal Menezes 表示。他指出，随着各种人工智能代理和模型的普及，网络的重要性日益凸显。
进入NaaS
如今，企业和提供人工智能支持服务的供应商都需要人工智能连接即服务 (AI Connection as a Service)。而 NaaS 正是在这方面发挥着关键作用。
网络即服务 (NaaS) 是一种类似云的网络消费模式。企业无需拥有、配置和管理自己的网络硬件和软件，而是可以按需从服务提供商处获取连接、带宽、安全性和优化功能。
主要方面包括：
- 按需订阅模式：类似于 SaaS 或 IaaS，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：网络功能以 API 和服务的形式公开，而不是手动配置。
- 抽象化基础设施：企业无需担心物理链路、路由或特定供应商的硬件。
为什么 NaaS 对人工智能至关重要
人工智能、边缘计算和GPU加速都是高度分布式且资源密集型的，因此需要灵活的连接方式。人工智能工作负载可能在数据中心、云端和边缘站点之间快速切换。 NaaS 允许企业和服务提供商仅在需要时才启动高带宽链路。为此，NaaS 能够根据业务需求的可预测和不可预测的变化来支持动态调整。
现代人工智能应用也需要低延迟和可靠的服务质量 (QoS)。这正是 NaaS 可以发挥作用的另一个领域。例如，边缘推理（例如在制造或自主系统中）需要确定性、可靠的网络。NaaS 可以实现基于策略的性能保证。为此，NaaS 提供商通常会提供服务级别协议 (SLA)，以保证特定的性能、可靠性和可用性水平。
NaaS 的另一个特点是它与安全性紧密集成。这一点至关重要，因为随着分布式 GPU 和边缘节点的出现，攻击面会不断扩大。NaaS 将安全性集成到服务架构中。大多数 NaaS 产品都支持安全辅助服务 (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)。
结论
企业已经习惯了计算即服务（Computer-as-a-Service）模式。然而，随着人工智能项目的扩展以及GPU即服务等新型服务的引入，计算能力很快就会超出底层网络的承载能力。这会造成网络瓶颈，并引发性能问题。
NaaS 通过提供同样弹性高带宽的互连，帮助解决这些问题。此类服务确保企业和提供商能够传输大型 AI 数据集并运行分布式模型，而不会引入延迟和其他延误。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/63202.html
