该服务利用基于 IBM watsonx 和 Granite 时序基础模型的 AI 代理，分析网络数据并预测问题，旨在通过提前检测本地环境、私有云和公共云环境中的隐藏问题，减少被动故障排除。发生了什么？IBM 新推出的 Network Intelligence 服务，通过 AI 代理分析数据、识别潜在问题并提出补救步骤，为企业提供快速解决网络问题的统一参考。该服务应对 IT 环境日益增长的复杂性，这些环境如今融合了本地数据中心、私有云、多个公共云和软件即服务应用。AI 代理利用预训练模型研究网络设计、遥测数据、流量、告警和时间序列数据，以发现隐藏问题和早期预警信号，提出可能的原因并建议采取行动，帮助团队响应。底层技术依托 IBM 的 watsonx 平台及其 Granite 时序基础模型，这是由 IBM Research 开发的紧凑型 AI 模型。这些模型专为网络优化，并基于大量来自不同环境的遥测、告警和流量数据训练而成。IBM 声称，与基于规则的系统、通用机器学习或大语言模型相比，这使系统能更深入地理解网络行为，从而更好地检测通常被忽略的问题，并在性能下降前发出更早的预警。为何重要？网络复杂性已成为追求多云战略企业的主要痛点。随着组织将工作负载分散到多个云提供商，并维护传统本地基础设施，可见度和故障排除难度呈指数级增长。依赖预定义规则和阈值的传统监控工具难以跟上现代动态分布式系统的步伐。IBM 的卖点是，Network Intelligence

可帮助企业摆脱对故障的被动响应，减少告警、简化问题分析，并捕捉老旧监控工具遗漏的罕见或复杂问题。这种主动方法可显著降低停机成本，改善用户体验，尤其适用于在混合环境中运行关键业务应用的组织。使用专门针对网络数据训练的基础模型，标志着 AI 在基础设施管理中应用方式的转变。IBM 没有采用通用大语言模型，而是开发了领域特定模型，能够理解网络行为特有的模式和异常。如果成功，这种方法可能为 AI 在其他复杂基础设施领域的应用提供公开资源范例，从存储系统到安全运营。IBM 提供不同订阅计划，并为企业提供免费层，以供在完全投入前于有限生产环境中测试服务。