2017 年5月23日-5月27日AlphaGo與世界棋王柯潔的人機大戰，機器以3:0戰勝了人類。AlphaGo在圍棋上的強大得到了人們的贊嘆，同時也將人工智能引入了大家的視線。

什么是人工智能？人工智能（Artificial Intelligence），英文縮寫為AI。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程進行模擬，人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。如同科幻電影里呈現的：機器逐步替代人來工作正逐步成為現實。當前人工智能已經在金融、電商、自動駕駛、醫療、教育等領域得到了廣泛的應用。

如今的IT架構相比五年前、十年前，規模和復雜度都呈倍數增長，管理和維護成本也水漲船高。從企業的角度而言，早期的運維方式已經無法負荷愈加沉重的工作量，人力又無法像網絡規模一樣成倍增長，這使網絡運維成為企業發展的道路上不得不面對的難題。如何走出當前的困境？大家將目光投向了人工智能，希望通過機器學習和算法解決企業在數字化轉型過程中遇到的問題：

? 難于衡量，無法主動發現問題

隨著企業的業務發展，網絡已經遍布企業的每個角落。一個大型辦公園區，可能會涉及到上百臺交換機、幾千臺AP、上萬人接入。但是如何衡量成百上千個設備構成的網絡是否運轉正常？每個接入網絡的人員、終端、系統應用在網絡上體驗是什么樣的？是否有人員無法接入網絡？是否存在網絡服務質量差的情況？是單點故障還是群體故障？傳統的方式，更多是被動等待員工報障，運維人員定位，現場人員修復的模式；這就導致網絡處于不可衡量的狀態，一切都是未知。網絡人員時刻都處于“提心吊膽”和“隨時救火”的狀態。

? 場景繁多，故障修復效率低

以Wi-Fi網絡為例，一個簡單的故障Case：Wi-Fi網絡經常連接不上。僅從網絡側來看，可能的原因包含了好幾種：認證失敗導致，接入用戶數過多導致，信號強度弱導致，漫游失敗導致等等。不同的故障場景，最終在用戶側體現出來的現象經常是類似的。這就導致每次出現故障的時候，都需要將可能的原因進行遍歷，最終才能判斷出具體的原因。而網絡環境每時每刻都在發生變化，運維人員介入時，故障無法復現或者故障現象改變的情況，導致故障修復效率及其低下。這種狀況對于一刻都不能中斷的業務應用而言，是不可容忍的。

? 專家資源匱乏，網絡難于優化調整

以某汽車4S店為例，該店在全國有440家分店，主要集中在一二線城市。總部有大約20人的團隊進行日常運維和管理。由于每家4S店的情況各不相同，即使在同一家店，網絡狀況也在不停動態變化。如何對現有的網絡進行優化調整，保障每個4S店網絡均能提供良好的服務質量？依靠總部的運維專家，答案是明顯的。假定每個4S店的網絡優化，投入4個人，5天時間，包含現網情況分析，歷史問題分析，未來發展規劃分析，現網部署調整等，這個已經是非常短的時間了。那么440家4S店全部評估優化完，需要全部運維管理人員專職投入將近2年時間。如果選擇專業服務商提供服務，每次業務變化，都需要服務廠商進行評估，其成本又是企業的“難以承受之重”。

網絡結合AI，體驗智能化網絡服務

2016年，Gartner提出了AIOps的概念，即基于算法的IT運維（Algorithmic IT Operations）。AIOps為網絡運維插上了機器學習和人工智能的虎翼，致力于為網絡運維提供更加高效的決策方案。

舉個例子：當異常發生時，在線系統中可能出現響應變慢，甚至服務中斷的情況，給用戶體驗帶來負面影響。AIOps可以通過機器學習算法找到問題的核心影響因素，從而將人工排查的時間縮短到分鐘級，甚至秒級。確定故障根因后， AIOps可以根據問題庫中相似問題的修復方案來自動處理問題，讓運維人員從重復繁瑣的日常工作中解放出來。當然，更加理想的是使用AIOps對故障進行自動預測，提前識別有風險的網絡節點，雖然目前我們離這一天還有很長一段路要走，但經過在AIOps領域的持續深耕，相信時間一定會給我們越來越多的驚喜。

AIOps時代的網絡運維應該如何構建？還能完成什么以前無法想象的任務？基于AIOps的理念，華為近期將在2018西歐渠道大會上發布意圖驅動的CloudCampus新方案及關鍵組件，新的園區網絡解決方案將為各行業客戶帶來預測性運維的能力，讓客戶真實體驗網絡運維的“人工智能之路”。敬請期待！