在AI浪潮席卷千行百业的今天，被视为“数字动脉”的网络，其复杂性、安全性与性能要求正以前所未有的速度攀升。传统依赖人工经验与脚本自动化的运维模式，已接近瓶颈。能否让网络像智能汽车一样，实现从“辅助驾驶”到“自动驾驶”的演进，不仅关乎企业运营效率，更将决定谁能支撑起下一轮AI驱动的创新。

　　在完成对Juniper Networks的收购后，HPE Networking首次在中国系统阐述了其“自动驾驶网络”战略，这不仅仅是一次产品整合的宣告，更可能是对整个网络产业运行模式的一次深刻重塑。

　　从“AI赋能网络”到“网络承载AI”的双向奔赴

HPE Networking中国区总经理竺宏

　　“如果回到90年代，网络能连通就不错了，有线网络尚且经常掉线，更不用说无线。那时的网络就像一辆完全需要人工操作的汽车，从发动到驾驶都要亲力亲为。”HPE Networking中国区总经理竺宏在沟通会伊始，用这样一个生动的比喻，揭示了网络运维数十年的核心痛点——高度依赖人工，被动响应，且随着系统复杂化，专业人才缺口日益凸显。

　　HPE提出的“自动驾驶网络”愿景，其核心是 AI与网络的深度融合，具体体现为两个相辅相成的方向：AI for Networks（AI赋能网络）与 Networks for AI（网络承载AI）。

HPE Networking中国区企业网络技术总监俞世丹

　　在“AI赋能网络”层面，目标是将网络运维人员从繁复、低效的日常工作中解放出来。HPE借鉴了汽车自动驾驶的L1-L5分级概念，为网络智能化描绘了清晰的演进路线：从数据采集与AI数据湖构建，到形成专业洞察、跨域关联与自动诊断，再到授权下的主动修复，最终迈向全栈智能、提前预测并自动完成修复的“完全自动驾驶”阶段。HPE Networking中国区企业网络技术总监俞世丹透露，目前HPE正加速迈入第五阶段，其关键驱动力在于 Agentic AI（智能体AI） 的应用。这种AI能像经验丰富的运维专家一样，理解自然语言问题，通过“AI路由器”将任务分解，调度不同的专用AI智能体（如分析实时数据、检索知识库）协同工作，最终精准定位根因甚至自动修复。

　　而在“网络承载AI”层面，需求则更为迫切。AI工作负载，尤其是大规模分布式训练和推理，对网络的带宽、时延和可靠性提出了苛刻要求。没有专为AI优化的高性能网络底座，算力再强的GPU集群也无法高效协同。这正是HPE整合Juniper后补强的关键一环。俞世丹指出，以前仅靠HPE Aruba Networking难以完美实现“网络承载AI”，而HPE Juniper Networking在数据中心高速交换和核心路由领域的领导力，使得HPE能够提供从边缘接入、园区网络到数据中心互联（DCI）的端到端高性能方案。最新发布的基于博通Tomahawk 6芯片的QFX5250交换机（支持102.4Tbps带宽与液冷技术），以及MX301多业务边缘路由器，正是瞄准了AI数据中心横向扩展与边缘推理的需求。

　　“‘AI赋能网络’和‘网络承载AI’这两者就像一枚硬币的正反面，必须同步进行。”俞世丹在回答关于落地优先级的问题时强调。AI的快速发展需要更强大的网络的支持，而日益复杂的网络又必须依靠AI来高效运维。HPE的双向战略，正是试图同时抓住网络演进的生产力与生产关系变革。

　　双平台融合与“智能体”革命

　　战略的落地，依赖于坚实且领先的技术底座。HPE在此次整合中最大的资产，是获得了两个在AI赋能网络领域都处于领导者地位的平台：HPE Aruba Networking Central 与 HPE Juniper Networking Mist。

　　如何处理好这两大平台的关系，是外界关注的焦点。HPE给出的答案不是二选一，也不是生硬地合并成一个新产品，而是 “取长补短，快速融合”。俞世丹解释，这一选择的首要原则是保护客户现有投资。无论客户原先使用哪个平台，其使用习惯和既有投资都将得到尊重。

　　融合发生在更深的技术与功能层面。例如，HPE Juniper Networking Mist平台上广受好评的大型体验模型（LEM），能够基于来自Zoom、Teams等应用的用户体验数据，结合数字孪生技术，精准预测和修复视频会议质量问题，这一能力现在已引入HPE Aruba Networking Central平台。 同样地，HPE Aruba Networking Central强大的 AI-Based Client Insights（基于AI的终端洞察） 和全局网络运维中心视图能力，也正在融入HPE Juniper Networking Mist平台。甚至在硬件层面，全新的Wi-Fi 7接入点将同时支持两个平台，让客户免于“选择困难”。

　　这种融合的背后，是HPE总结的五大技术优势：业界领先的数据湖（AI训练的基础）、先进的AI引擎、率先发布的智能体AI能力、数字孪生技术以及生成式AI自然语言交互界面。这些能力通过微服务架构进行跨平台共享，确保两个平台能同步进化。

　　智能体AI是驱动本轮网络自动驾驶革命的“新引擎”。记者观察到，HPE的演示已不再停留在概念视频，而是展示了实时的自然语言交互：运维人员只需向“Network Copilot”提出“为什么三楼会议室视频会议卡顿？”这样的问题，背后的智能体AI便能自动协调多个子智能体，分析设备状态、拓扑、链路健康、认证信息乃至知识库，最终给出精确的根因分析和修复建议。俞世丹分享的数据颇具说服力：典型客户ServiceNow在采用类似方案后，网络运营成本降低了70%，由人为因素导致的故障工单减少了90%。这印证了Gartner的大胆预测：到2030年，50%的企业将使用智能体网络运维；而未采用者，其网络管理开支将高出25%。

　　生态、安全与中国特色道路

　　宏伟的战略和领先的技术，最终需要在中国复杂的市场环境中接受检验。沟通会的问答环节，清晰地揭示了HPE面临的挑战与思考。

　　首先是生态与路线选择。 面对“新客户如何选择平台”的问题，HPE给出了基于部署偏好的指引：重视数据主权、偏好本地化部署的客户，可侧重考虑支持本地版的HPE Aruba Networking Central；崇尚云原生、希望快速上线的客户，则可能更青睐天生为云而生的HPE Juniper Networking Mist。在产品线上，整合带来了“端到端皆强”的信心：HPE Aruba Networking在园区网、SD-WAN和无线领域的优势，与HPE Juniper Networking在核心路由、数据中心网络的领导地位，形成了完美互补。俞世丹明确表示，不会进行简单的产品线替代，而是在各自优势领域深化引导，例如在数据中心核心推荐HPE Juniper Networking方案，在需要分布式安全特性的场景则可能推荐HPE Aruba Networking CX10000交换机。

　　其次是安全的永恒命题。 当被问及如何应对AI驱动的网络攻击时，俞世丹将答案指向了 零信任架构与AI的结合。HPE强调通过AI行为分析，更精准地识别终端身份与类型，实施动态的、基于最小权限的访问控制。即使某个终端被攻破，也能通过微隔离技术将影响范围限制在最小。这体现了“以AI对抗AI”的防御思路。

　　最后是中国市场的独特打法。 竺宏坦言，中国市场竞争激烈，HPE将采取多措并举的策略：一是凭借全球领先的技术吸引追求创新的头部客户；二是在公平竞争的市场中，依靠更专注的团队和更优的生态合作取胜；三是积极适应本地化需求。他特别提到，HPE Aruba Networking的AP硬件研发已在中国进行，这为“在中国、为中国”的定制化提供了可能。对于火热的出海市场，HPE将依赖拥有全球服务能力的合作伙伴网络，帮助不同规模的企业客户跨越出海的基础设施门槛。

　　HPE Networking在完成收购后提出的“自动驾驶网络”愿景，其深刻之处在于，它并非简单地将AI作为网络运维的附加功能，而是试图从根本上重构网络的“大脑”与“神经”。通过HPE Aruba Networking Central与HPE Juniper Networking Mist两大平台的深度能力融合，HPE正在编织一张既具备全域数据感知与分析能力，又能承受AI算力洪流的智能网络基础架构。这场变革的成功与否，不仅取决于技术路线的先进性，更在于其能否在保护客户历史投资与推动激进创新之间找到平衡，能否针对像中国这样需求特殊、竞争白热化的市场找到有效的落地路径。如果成功，网络将真正成为像水电一样可靠、透明、无需担忧的基础设施，从而释放上层业务与AI创新的全部潜力。

　　这，或许才是“自动驾驶”的真正终点。