AI与多云环境下，企业网络为什么开始从“连接配置”走向“业务需求驱动”-拓冰网站定制

企业网络过去主要解决一个问题：让不同地点和系统之间建立连接。但在 AI、多云和全球化业务环境下，网络需要处理的对象已经明显增加。

企业可能同时存在：

当这些资源同时存在时，网络的复杂度并不是简单按照节点数量增加，而是随着连接关系增加而扩大。

2026 年 8 月 31 日，AWS 宣布 AWS Interconnect - multicloud 与 Microsoft Azure 之间的连接进入公开预览。通过这一服务，企业可以建立 AWS 与 Azure 之间的私有、高速连接，并通过托管方式进行管理。

AWS Interconnect - multicloud 此前已经覆盖 Google Cloud 和 Oracle Cloud Infrastructure。从架构角度看，这种服务解决的是跨云连接中的一部分基础设施复杂度。

过去，企业可能需要自行协调物理连接、路由设备和不同云厂商的网络配置。现在，一部分连接基础设施可以由云厂商以托管服务的方式提供。

这意味着多云连接正在从完全自建，逐渐向标准化、服务化方向发展。

AI应用通常不是一个孤立的系统。

一个生产环境中的 AI 应用可能同时涉及：业务系统、数据平台、云环境、AI 模型或 API，以及最终的应用用户。如果这些组件部署在不同云平台或不同地区，网络就需要支持多个环境之间的数据访问和业务通信。

因此，AI基础设施建设除了计算资源和模型本身，也需要考虑不同组件之间的网络连接。

传统网络管理通常需要依次处理：业务需求、网络设计、设备配置、路由配置，最后建立连接。

当网络节点数量较少时，这种方式完全可以满足需求。但当企业拥有多个云、多个办公地点和大量业务系统后，每增加一个节点，都可能带来新的配置和管理工作。这也是近年来网络自动化和意图驱动型服务受到关注的原因之一。

9 月，Equinix 发布 Fabric One，提出面向 AI、云和企业环境的意图驱动型连接服务。目前该服务处于 Beta Preview 阶段，计划于 2027 年第一季度正式 GA。

从技术思路来看，它把网络管理进一步抽象成三个层次：业务需求 → 连接意图 → 网络编排

用户先定义需要连接的对象和连接条件，底层系统再根据这些要求完成相应的网络配置。这并不是传统网络技术被替代，而是部分网络资源开始通过更高层次的服务进行封装。

传统企业网络可以简单理解为：总部 ↔ 分支机构

而在多云和全球业务环境中，网络拓扑可能变成：

总部
├── 海外办公室
├── 云平台 A
├── 云平台 B
├── AI 服务
├── SaaS
└── 远程团队

因此，网络架构需要具备更好的扩展能力。新增一个办公地点时，需要能够纳入现有网络体系；增加一个云平台时，也需要能够在原有架构上继续扩展。

这也是 SD-WAN、多云互联和网络自动化逐渐受到企业关注的原因。

如果把这类变化放到企业网络架构中，可以看到一个比较明显的方向：网络人员过去更多直接管理线路、设备和路由。

随着云网络服务和自动化能力增加，网络管理可能越来越多地围绕业务需求展开。例如：

底层线路、路由、加密和冗余依然重要，但这些能力可以越来越多地由平台统一编排。

因此，AI与多云带来的一个重要变化，并不是网络技术本身发生了彻底改变，而是企业管理网络的抽象层正在提高。

网络逐渐从单纯的连接基础设施，向更加贴近业务的网络服务层发展。

资讯详情