HPE Networking 自动驾驶的网络,构筑智能体时代数字底座

来源：中国IDC圈 / 作者：李雪薇

当AI产业焦点从“对话能力”转向“执行能力”，智能体（Agent）正在撬动企业数字化新一轮变革。从ChatGPT开启的生成式AI普及，到如今以OpenClaw‌为代表的Agentic AI加速兴起，AI正在从“回答问题的工具”进化为“执行任务的主体”。

麦肯锡在2025年的一项调研显示，39%的企业已经开始进行智能体（Agent）的测试，23%的企业已经开始规模化部署智能体。Gartner的统计也印证了这一趋势， 企业应用中智能体相关占比已从去年的5%跃升至今年的40%。

HPE Networking 中国区总经理 竺宏

在这场由智能体驱动的产业变革中，作为数字底座的网络基础设施，正迎来前所未有的挑战与重构机遇。HPE Networking中国区总经理竺宏认为，“如果企业未来越来越多地采用智能体，那么从基础设施层面开始，也必须同步向智能化和自动化演进，才能真正支撑AI时代应用的发展。”

生成式AI爆发初期，企业对网络的需求仍集中在大模型训练的带宽支撑与日常办公的连接保障上，对话式AI的交互模式对网络的冲击相对可控。但随着智能体时代的到来，这种供需平衡正在被打破。

竺宏指出，“用了智能体以后和以前传统的区别是什么？如果只是用于聊天，对底层网络产生的压力相对有限。但智能体的应用会使Token调用变得更加不可预测，需要频繁调用各类资源。因为智能体的大量操作是自主进行的，并非简单的“一问一答、一次请求一次响应”，其执行过程中还会涉及跨设备、跨网络的调用。”

这意味着，网络流量的波动性、调度的复杂性大幅提升，如果底层网络仍依赖人工运维与被动响应，就如同给自动驾驶的汽车配上手动换挡的传动系统，根本无法释放智能体的效率潜力。

更关键的是，智能体的运行逻辑天然要求跨域协同，从终端、园区网络到广域网，再到数据中心与云端，任务流会贯穿整个网络架构的各个层级。过去企业网络往往按场景割裂建设，园区、数据中心、广域网分属不同团队管理，设备与平台之间数据不通、策略不一，智能体的跨域调用很容易在网络层遇到瓶颈。

HPE Networking 中国区企业网络技术总监 俞世丹

俞世丹表示，“AI发展的一个关键前提是拥有充足且高质量的数据。对于网络平台而言，最重要的是能否提供高质量的数据，以及能否持续提供足够的数据。同时，还需要能够识别接入网络的终端类型，并对其进行精准识别和分析。只有在充分了解这些信息的基础上，才能为不同终端分配相应的策略。”

需求端的变化正在快速传导到产业端。在2026年HPE Discover全球用户大会上，一个显著的信号是网络业务成为全场核心主题。大会前的客户调研显示，约70%的受访客户将网络列为此次参会最关注的领域，关注度远超混合云、服务器与存储。

这背后是企业客户的普遍焦虑：当算力投入持续加码、智能体应用快速铺开，网络是否能跟上业务发展的节奏？

这种关注度的倾斜并非偶然，而是产业发展到特定阶段的必然结果。当算力、大模型的能力边界不断拓展，网络逐渐成为制约 AI 价值释放的关键瓶颈，企业不得不重新审视网络基础设施的战略地位。

对网络厂商而言，这既是挑战也是行业格局重构的窗口。随着Juniper正式并入HPE体系，这场整合也被视为网络行业应对智能体浪潮的标志性事件。从去年7月完成收购至今，HPE与Juniper的整合进度远超行业预期，而整合的核心目标，正是打造能够覆盖从边缘到云全场景的自动驾驶网络能力。

在拉斯维加斯的Sphere巨型球幕上，网络相关内容取代了传统的服务器、存储主题成为主角，整个大会超过半数的曝光都围绕网络业务展开。这一细节的背后，是HPE将网络作为 AI 时代核心增长引擎的战略判断，也是整个IT产业对网络价值重估的缩影。

面对智能体时代的网络需求变革，HPE Networking 给出的答案是 “自动驾驶的网络”，核心逻辑为AI赋能网络、网络承载AI、内生安全三者无缝融合，形成三大支柱能力。

俞世丹介绍，“我们有三个最重要的理念，就是把AI、网络和安全无缝地融合在一起。由此也形成三个不同方向：第一，如何用AI让网络变得更智能；第二，如何用高速可靠的网络支撑AI；第三，在AI与网络融合过程中，实现网络与安全更深层次的融合。”

三大能力并非孤立存在，对应园区&分支、广域网、数据中心、安全四大产品线，构建“从边缘到云”完整网络矩阵，也是HPE成为全场景网络领导者的核心基础。

AI赋能网络是自动驾驶的网络的核心内核，其本质是用AI重构网络运维模式，让网络从被动响应走向主动预判，从人工操作走向自动执行。俞世丹将这一演进路径划分为五个阶段：从最基础的数据采集，到形成洞察、提供建议，再到辅助运维，最终实现完全自动驾驶。

过去十年间，HPE的网络运维平台已经历多轮迭代：十年前的AirWave实现了数据全采集，但需要人工从海量数据中排查问题；五年前的Central平台能够通过 AI 主动定位问题站点与设备；两年前的Central进一步给出问题根因与修复建议；如今随着Agentic AI的引入，用户已可通过自然语言下达任务指令，由智能体自动完成网络巡检、故障排查等复杂工作。

Juniper的加入，让AI赋能网络的能力边界得到了大幅拓展。此前Aruba的AI能力主要集中在园区网络场景，而Juniper深耕数据中心网络多年，双方整合后，AI 驱动的网络管理能力正式延伸至数据中心环境。

更关键的是，基于微服务的云原生架构让整合效率远超行业平均水平，仅两个季度就完成了核心能力的打通。目前，Juniper旗下的Marvis智能运维平台已集成到Aruba Central中，CX系列交换机支持Mist平台管理，首款双平台无线接入点也已推出。

竺宏指出，“平台整合不能简单合并两者，要考虑现有用户使用习惯。我们采取逐步融合路径，Mist能力迁移至Central，Central能力迁移至Mist，两套平台功能逐步趋同，但保留各自独立入口，不强制用户迁移。”

如果说AI赋能网络解决的是“网络自身变智能”的问题，那么网络承载AI则回应了“AI 算力跑起来”的需求。

随着AI算力集群规模从千卡向万卡、十万卡级演进，网络已成为决定算力利用率的核心因素。HPE 在这一领域的布局覆盖了从训练到推理的全场景：面向 AI 训练集群的 QFX5250 是业界首款液冷 1.6T 交换机，可节省 10%-15% 的功耗，适配大规模算力集群的 Scale-out 互联需求；

面向机柜内Scale-up互联的QFX5252，采用开放标准打破了私有互联协议的垄断，为机柜内GPU之间的高速互联提供了新的选择；而针对边缘AI集群和推理场景推出的QFX5140交换机，则在1U空间内实现了24个400G端口与8个800G端口的配置，实现了性能、功能与能耗的平衡。

硬件性能之外，自动化与智能化的运维能力是HPE网络承载AI方案的差异化优势。俞世丹介绍，“国内千卡算力中心，依靠Apstra Data Center Director自动完成网络设计、端口配置下发，过去需要几周的网络部署工作，现在设备上电后一天内即可完成。”

同时，Apstra 与 Mist AI 平台打通后，还可实现光模块衰减预测等预判性运维，在故障发生前提前预警并给出修复建议。在 Gartner 最新的数据中心网络关键能力报告中，Juniper 在传统企业数据中心网络场景排名第一，在 AI 算力中心以太网场景也位居前列，其技术能力得到了行业普遍认可。

内生安全架构是自动驾驶网络的第三大支柱，也是智能体时代网络安全的核心解法。不同于传统 “网络 + 安全” 的叠加模式，HPE 强调的内生安全是将安全能力深度融入网络架构，实现从风险发现、分析判断到策略执行的闭环。

俞世丹指出，“传统安全更多关注的是边界防护，忽略东西向流量。勒索病毒可以在网络内部潜伏200 多天，不受限制地横向渗透，根源就是内网默认的信任机制，缺乏对内部流量进行有效隔离的方法。内生安全基于零信任，在接入层做细粒度东西向管控，限制终端横向移动，阻断攻击跳板。”

在此基础上构建统一SASE架构，俞世丹定义两大统一：“一是边缘安全与云安全统一（SD-WAN EdgeConnect+SSE 云安全）；二是策略编排管理统一，单一控制台管控全网安全规则。”

针对智能体时代的新安全挑战，HPE 也在探索更前沿的防护能力。竺宏提到，“在统一SASE 零信任架构下，可对智能体、用户分别做访问权限管控。”俞世丹进一步补充，“我们正在推进提示词安全控制，可识别AI交互敏感内容，结合数据防泄露策略阻止隐私数据外传。”

在落地案例中，国内某大型港口通过EdgeConnect的线路纠错能力解决了5G信号波动问题，保障了龙门吊远程控制的视频传输稳定；某金融科技集团则通过广域网优化将异地数据库备份窗口从小时级缩短至分钟级，验证了方案的实际价值。

Juniper 与 Aruba 的整合，是观察 HPE 网络战略的核心切口。与行业内很多收购后强行统一平台、倒逼用户迁移的做法不同，HPE 选择了一条平滑演进的整合路径。竺宏直言，两套平台都有大量忠实用户，强行合并会损害用户的既有投资与使用习惯，因此整合的核心是能力的双向迁移，而非品牌的简单替代。基于微服务的云原生架构为这种模式提供了可能，Central 与 Mist 可以各自保留独立入口，同时将对方的优势能力逐步融入自身体系。当两套平台的功能与体验逐渐趋同，平台的名称就不再重要，用户获得的是始终一致的自动驾驶网络能力。

能力融合带来的最直接变化，是 AI 赋能网络的覆盖范围从单点场景走向全链路贯通。俞世丹表示，“过去AI赋能只停留在园区分支，现在数据中心（Apstra+Mist）、广域网（SD-WAN AI 智能选路）全部覆盖，未来分支机构、园区、广域网、算力工厂统一由Mist/Central管控。”

网络业务的价值释放，还离不开与计算、存储的全栈协同。竺宏表示，“GreenLake整体框架底层是自动驾驶的网络；中间是服务器、存储传统基础设施；上层是Morpheus统一运营层，配套顾问、租赁金融服务，整套底座支撑企业 AI 全链路。收购 Juniper 成功与否，核心判断标准是计算、存储、网络能否深度整合，实现1+1+1大于3。”

针对中国市场，HPE Networking 也有着清晰的差异化策略。竺宏坦言，“我们不参与同质化价格红海竞争，聚焦高端制造、AI算力运营商、出海企业、头部互联网。这类客户看重全球化合规、英伟达/AMD深度生态、全栈算网存储能力。出海客户尤其看重HPE全球各国认证与本地化服务。”

对于行业未来的发展，HPE有着清晰的判断：Network for AI与AI for Network并非相互独立，而是相互促进的关系。

竺宏指出，“短期Network for AI商业回报更快，算力中心建设直接拉动高速交换机需求；长期AI for Network决定行业可持续性，只有基础设施能被AI自动化运维，企业才会持续投入算力，二者相互促进形成良性循环。”

俞世丹也补充道，客户的核心诉求始终是“速度”与“简单”，速度靠硬件性能提升，简单靠AI与自动化实现，这两个方向会是网络行业长期的演进主线。

从对话式AI到智能体时代，数字世界的运行逻辑正在发生深层变革，而网络作为连接一切的底座，其角色也从“连接管道”向“智能平台”演进。自动驾驶的网络的提出，是应对智能体时代需求的必然选择。当上层应用越来越智能，底层基础设施就必须同步具备感知、推理与行动的能力。

HPE“自动驾驶的网络”通过AI与网络的深度融合、网络与安全的内生统一，以及全栈产品的协同发力，网络不仅能够承载AI算力的高速运转，更能通过自身的智能化升级，成为企业数字化转型的效率放大器。

未来，HPE Networking将持续以安全赋能的AI原生网络和自动驾驶的网络创新，帮助中国企业构建覆盖AI全生命周期的网络基础设施，以更高效、更安全、更智能的方式部署和运营AI，加速释放智能体企业的价值。