过去两年，随着生成式 AI 加速走向规模化应用，企业基础设施的关注焦点正在发生变化。网络不再只是“把系统连起来”的基础组件，而被要求在承载更复杂的数据流动和算力协同的同时，保持稳定、安全，并尽可能降低对人工运维的依赖。正是在这样的变化下，网络厂商是否具备完整、可演进的能力体系，开始变得尤为重要。
HPE Networking中国区总经理竺宏
“从接入终端、园区网络、分支机构到广域网以及云侧，如果再结合 HPE 在计算与存储领域的能力，目前全球范围内能够同时覆盖计算、存储和端到端网络的厂商屈指可数。”在HPE Networking中国区总经理竺宏看来，HPE Networking 当下所处的位置来自一种并不多见的“完整性”。
这种完整性不仅停留在产品线层面，更成为 HPE 重新思考网络未来形态的基础。尤其是在 Juniper 并入 HPE Networking 体系之后，HPE 开始系统性整合HPE Juniper Networking与HPE Aruba Networking的网络能力，并与自身的基础服务协同推进。这一整合并不只是能力叠加，而是指向一个更明确的目标——构建“自动驾驶的网络”。
值得一提的是，Juniper Networks 纳入 HPE Networking 体系后，也让 HPE 的网络战略第一次具备了清晰而完整的双重指向：一方面，用 AI 赋能网络运维，让网络变得更智能、更自动；另一方面，让网络具备承载 AI 的能力，用更高性能、更可靠的网络去承载 AI 计算负载。
正是基于这两条同时推进的方向，HPE 得以构建起一个从底层连接到上层智能的完整体系，并将“构建自动驾驶的网络”确立为其网络演进的长期目标。
愿景之外，真正考验网络厂商的，是把“自动驾驶”变成可落地能力的过程。
HPE Networking中国区企业网络技术总监俞世丹
“HPE 与 Juniper Networks 的整合并非围绕某一代产品或单点能力展开，而是服务于一个长期而明确的方向——‘打造这个星球上最好的网络和网络公司。’”HPE Networking 中国区企业网络技术总监俞世丹强调，这并不是速度更快或设备更强，而是网络与 AI 的深度融合，两者缺一不可。
“这里的 AI，并不是一个泛泛而谈的概念。”俞世丹继续补充说，它是专门为网络和网络运维场景训练的 AI 模型，目的是让网络真正具备自我感知、自我分析和自我优化的能力；而网络本身，也需要围绕 AI 工作负载进行重构，能够更高效、更安全地支撑数据从采集、传输到训练与推理的完整流程。
围绕这一目标，HPE 将自动驾驶网络的实现拆解为多个演进阶段，而其中最关键的一项能力，正是基于智能体的 AI 技术。
在AI智能体的架构下， HPE Networking “自动驾驶的网络”整合了多种能力：运维人员可以通过自然语言与系统交互，系统能够理解上下文和真实意图；通过类似“AI 路由器”的编排机制，将问题拆解并分发给不同的专用智能体：有的负责实时数据分析，有的负责知识库推理，有的负责诊断逻辑判断。最终，再将分散的信息整合起来，给出结论和行动建议。
这种机制的价值，体现在对复杂问题的处理方式上。例如，网络故障表面上可能只是“打不开网页”或“无法上网”，但背后的原因可能涉及链路、协议、地址分配、出口线路等多个层面。过去，这需要运维人员逐一登录不同设备、拉取数据、反复比对；而在智能体架构下，这一过程可以被完整模拟并自动完成，系统直接定位问题根因。从更宏观的视角看，自动闭环，自动驾驶才真正成立。
这种能力带来的价值，首先体现在运营层面。基于智能体 AI 的网络运维，可以在影响用户体验之前提前发现并处理异常，从而提升业务连续性、降低整体运维成本；同时，也直接改善终端用户的使用体验，无论是远程会议、协同办公还是关键业务系统，网络性能的持续优化都意味着更稳定、更流畅的体验。
对网络运维团队而言，变化同样深刻。随着 IT 系统复杂度不断提升，运维人员技能与现实需求之间的差距正在扩大，“资深工程师越来越难找”已成为普遍现象。AI 正在成为填补这一技能缺口的重要手段，不仅能承担大量重复性和复杂性工作，也能减少因人工配置或架构设计失误导致的网络问题。
在这一整体方向下，HPE 与 Juniper Networks的整合，还带来了一个非常现实的变化——HPE 现在同时拥有业内最成熟的两大“自动驾驶的网络”平台：HPE Aruba Networking Central和HPE Juniper Networking Mist。在俞世丹看来，将两个平台进行无缝整合，是打造“业界最强自动驾驶网络”的关键一步，从而实现网络的自动部署、自动优化与自动修复。
支撑这一目标的是一整套底层能力的叠加。包括行业领先规模和质量的数据湖、HPE Aruba Networking Central和HPE Juniper Networking Mist 在 AI 引擎层面的长期积累、智能体 AI 能力的率先落地，以及 HPE Juniper Networking Mist 所具备的数字孪生技术和生成式 AI 带来的自然语言交互方式。这些能力共同构成了自动驾驶的网络的技术底座。
当两个平台并行存在时，融合路径也成为客户最关心的问题。俞世丹给出的答案是取长补短、加速融合。HPE Aruba Networking Central 在终端洞察方面具备独特优势，而HPE Juniper Networking Mist更擅长从应用体验出发，通过体验模型和数字孪生技术快速定位影响体验变化的根因。
围绕这些差异化能力，HPE 正在从数据湖、AI 算法到代码层面对两个平台进行深度整合，使不同平台的客户，最终都能获得一致而强大的自动驾驶的网络能力。
这种融合还带来了部署层面的灵活性。平台整合后，HPE 能够同时支持公有云 SaaS 和本地部署模式，既满足快速落地的需求，也兼顾对数据主权和安全有更高要求的客户。
HPE 与 Juniper Networks的整合并不止于软件平台，硬件侧的融合也在同步推进。围绕“AI 赋能网络”的方向，HPE 正在让网络设备与管理平台之间的绑定更加松耦合。未来，无论接入点还是控制器，都将同时支持 HPE Aruba Networking Central 与 HPE Juniper Networking Mist 两大平台，帮助客户在保护既有投资的同时，为未来架构演进保留更大空间。
在“网络承载 AI”这一方向上，HPE连续发布了三款最新的重磅产品。首先是面向下一代 AI 数据中心的 QFX5250 数据中心交换机。这款产品专为 AI 工作负载的横向扩展而设计，核心在于对超高带宽的支撑能力。在此前 5240 型号率先推出 800G 端口并取得领先市场份额的基础上，QFX5250 进一步将端口速率提升至 1.6T，整体交换容量超过 100T，被定位为当前业界性能等级最高的数据中心交换机之一。
值得注意的是，这款交换机采用了 100% 液态冷却技术。这一能力来自 HPE 在高性能计算领域长期积累的经验，为客户带来更高的能效比。
在此基础上，QFX5250 也被纳入自动驾驶的网络的统一管理体系之中，无论是本地部署还是云端平台，都可以对其进行自动部署、优化和运维，进一步提升数据中心运行的稳定性与可靠性。
第二款产品是 MX301 多业务边缘路由器。作为 Juniper MX 路由器家族的最新延伸，MX 系列长期以来以高可靠性和高保值率著称。MX301 在继承既有特性的同时，提供了更高的性能、更丰富的接口形态以及面向未来的可编程能力，能够更好地融入客户的生态体系，适用于数据中心互联以及数据中心与边缘站点之间的高性能连接场景。
第三款产品则是 SRX4700 防火墙。这是一款在性能、可靠性和功能密度上均面向高端需求的设备。在仅 1RU 的空间内，SRX4700 可提供 1.4T 的防火墙吞吐能力，并支持超过 1.2 亿的并发会话数，在同级别产品中处于领先位置。同时，它支持最高 400G 的以太网端口，并可在 400G 速率下实现线速 MACsec 加密，保障数据在传输过程中的安全性。
针对数据中心场景，SRX4700 还支持 VXLAN 技术，能够在不解封装的情况下识别隧道内的应用流量，并基于此进行安全检测和防护，这使其在 AI 数据中心等复杂网络环境中具备更强的适配能力。
写在最后
回到更长的时间维度来看，“自动驾驶的网络”并不是一个激进的技术概念，而是企业基础设施在 AI 时代必然走向的一种形态。当网络能够自我感知、自我优化，并稳定承载不断增长的 AI 负载，IT 团队才能真正从高强度运维中解放出来，回归业务创新本身。HPE 对自动驾驶网络的持续投入，本质上是在为企业搭建一条面向未来的基础设施底座。
京公网安备 11010202008829号