在北宋时期，活字印刷术革新了信息的传播方式，这一创新对后世产生了深远的影响。
如今，我们站在由人工智能 AI 引领的技术革命的边缘，这场革命是否有望以前所未有的方式改变网络工程运维的面貌呢？
大家知道，早期的网络由于架构较为简单，组网规模也不是很大，网络管控主要聚焦于设备的监管方面，对故障的处理主要还是倚赖人的作用，耗时耗力。
以一个常见问题为例：“为什么 5 槽位单板的第 1 端口有严重告警，怎么解决？”
我们知道，这可能是由于硬件故障、配置错误，或是通信协议的冲突。即便是经验丰富的网络工程师也可能需要投入大量时间，深入剖析海量的网络日志和文档。在某些情况下，甚至需要远程连线至研发中心，与研发同事共同分析日志，努力定位并解决问题。
传统运维通常会带来如下几个问题：
- 业务难感知难
当前网络运维受限于众多告警事件，过滤机制导致网络整体评估能力受限。SDN等新技术的应用加剧了这一挑战，需同时维护物理和虚拟网络层。传统运维模式过于被动，缺乏故障预测能力，运维人员常陷入事后补救的困境。
- 故障恢复慢
一个是异常定位困难，二是处理效率低等导致的。在金融行业，若单机构单省中断半小时，那么定位为III级事故并上报银监会。对于大部分企业，业务中断会导致企业经济利益不同程度受损。这就要求遇到故障首先要在最短时间内恢复业务。
- 人力紧缺
在国内有人口优势在这摆着，可能人力成本倒问题不大，但已经有很多公司将运维外包，以节省成本。另外，运维这工作内容枯燥、工作量巨大，经常半夜扛着电脑出门，但是运维对技术的要求还非常高，所以一般来说，运维岗位对人才的吸引力不高，导致人力不足。
为了应对上面的问题，设备商运营商也弄出来了自动化运维等功能，但自动化运维的主要优势在于提高运维效率、减少人为错误、实现故障预测等方面，已经远不足以满足企业的需求了。
如今，随着 AI 的出现，特别是大型语言模型（LLM）的成熟，让广大的企业和运维们又有了新的期待。
先说说啥叫LLM大型语言模型? LLM (Large Language Model） 是指一种拥有数十亿参数的模型，通过对互联网上的大规模数据（TB级）进行训练而得到，当模型参数和用于训练的数据量达到一定规模时，LLM 将出现智能涌现，具备一定的生成、理解和创作能力。这也就为网络管理运维带来新的可能性。
因此，LLM大模型事实上就是算法、数据、算力上的有效结合。目前已经有厂家发布了网络运维大模型了，如华为在 MWC24 巴塞罗那发布了通信行业的首个网络大模型——Net Master。华为的Net Master是基于华为盘古大模型训练而成，据说是集成了华为数据通信领域超过500亿语料和1万多名网络专家的经验（可能是市场话术）。
回到主题，也就是说，在运维与网络管理中，通过利用 AI 与大模型，我们可以分析路由器固件的发行说明，自动识别与兼容性相关的配置需求。还可以扫描路由器的调试日志，检测可能导致硬件故障的异常条目，并提供故障排除的建议。
例如，咱们的网络工程师可以问 AI：“端口ge 0/0/23 上的延迟为何激增？”，AI 可能会回答：“ CRC 错误表明可能存在光模块问题，建议检查或更换收发器。” 这样的互动不仅简化了故障排除过程，还提高了工程师的工作效率。
早期实验表明，AI 大模型在分析网络日志和识别问题方面表现出色，准确率超过97%，远超传统方法。这一结果不仅展示了 AI 在自动日志分析方面的潜力，也预示着其在网络优化和管理中的巨大作用。
AI 可以通过强化学习技术调整网络参数，比如 TCP 缓冲区大小和 VLAN 配置，以提高网络性能。它能够处理常规的网络调整任务，释放网络工程师的时间，让他们能够专注于更复杂的战略问题。
但是大模型在网络运维中还有一些问题亟待解决。一个是数据标准化，如何对海量的数据进行清洗和标注，二是急需专门人才，以解决模型的结构设计，以及怎么训练、推理，另一个是如何处理好与数据安全的关系。
正如毕昇的活字印刷术开启了知识的新纪元，AI 与 LLM 大模型技术，将有望大大降低专家级网络自动化和分析的门槛，可能连普通网络小白都可以做运维工作。
所以，做了多年运维的你，是期待还是担忧？