華為GTS讓Agent學會「看著網絡排障」,雙防火牆難題幾乎全拿下

2026年9月16日 10:35
華為GTS讓Agent學會「看著網絡排障」,雙防火牆難題幾乎全拿下
站內 AI 整理稿

網路運維一直是資訊科技領域中最棘手的環節之一,尤其在大型企業與電信營運商的機房裡,數以百計的防火牆、交換器與路由器交織成複雜的拓撲結構。當雙防火牆或多層安全策略同時作用時,規則衝突、路徑繞行等問題層出不窮,過去自動化工具往往只能在指令與日誌中反覆摸索,耗費大量時間卻未必能精準定位異常。這種困境不僅拉長了障礙排除的平均時間,也讓網路管理人員疲於應付重複性問題。為了解決此一痛點,華為全球技術服務部(GTS)近期推出了一項突破性的網路排障方案。這套方案的核心在於讓AI Agent具備「視覺感知」能力,不再只是被動接收文字指令或解析系統日誌,而是能夠直接「看著網路」進行診斷與修復。

換句話說,Agent不再需要仰賴人工預先定義的規則庫,而是從網路拓撲圖、設備狀態圖像中自主學習異常特徵,進而找出問題根源並執行修復動作。傳統的自動化排障工具雖然已能處理部分常見故障,但在面對多層防火牆規則衝突這類高複雜度情境時,往往因為缺乏對整體網路結構的直觀理解而陷入困境。例如,當兩個防火牆各自允許特定流量,卻因為規則順序或隱含拒絕而導致封包繞行或被誤攔,傳統Agent難以判斷究竟是哪一層的哪一條規則出了問題。華為GTS的新方案透過視覺化感知機制,讓Agent能同時觀察拓撲連線與設備配置,從圖像化的網路地圖中比對預期路徑與實際路徑的差異,大幅降低反覆查詢與試錯的次數。

在實際測試中,這套視覺感知排障方案展現出顯著的效益。針對最棘手的雙防火牆難題,任務通過率提升了24.2%,這代表更多原本需要資深工程師介入的複雜案例,現在可由AI自動完成。更令人驚豔的是token成本的下降——最高降幅達到45%。這對於大規模部署的營運商來說,意味著每次排障消耗的運算資源與API調用成本大幅減少,經濟效益極為可觀。華為GTS的技術團隊指出,過去Agent的運作邏輯類似「隔空診斷」,只能從有限的文字訊息中拼湊故障樣貌。如今加入視覺化感知後,Agent就像有了眼睛,可以直接觀察網路設備的燈號狀態、連線拓撲的即時變化,甚至從截圖與圖表中讀取異常模式。

這種轉變讓AI從被動回應指令的工具,進化為主動視覺化診斷的協作夥伴。這項進展對於營運商與大型企業的網路管理具有深遠意義。現代網路架構日益龐大,多雲混合環境與邊緣運算的普及使得防火牆規則動輒上千條,人工逐一檢核已不切實際。華為GTS的方案提供了一個更可靠的AI助手,讓一線維運人員能在幾分鐘內獲得精準的故障定位建議,無須再翻閱大量日誌或逐層登入設備檢查。從技術層面來看,視覺感知排障的核心在於將網路拓撲與設備狀態轉化為一種可被深度學習模型理解的「視覺表徵」。

華為GTS可能採用了電腦視覺領域的技術,例如物件偵測與圖像分割,讓Agent能從網路拓撲圖中自動標註出異常節點,並透過注意力機制聚焦於最可疑的連線路徑。這種做法避免了傳統規則引擎需要大量人工編寫判斷邏輯的瓶頸,也更能適應網路架構的動態變化。值得注意的是,token成本的大幅下降並非單純因為減少了API呼叫次數,而是因為視覺感知讓Agent能更精準地選取需要查詢的資訊。過去Agent可能必須多次試探性的詢問系統狀態,現在一次「觀看」就能掌握全局,減少了不必要的來回溝通,也降低了對大型語言模型或外部知識庫的依賴。這對講究即時性的網路維運場景尤為重要。當然,這套方案目前仍處於持續優化階段。

華為GTS團隊表示,視覺感知的應用範圍未來將擴展至更多類型的網路設備與故障情境,例如路由器路由表錯誤、負載平衡器配置衝突等。同時,他們也在研究如何讓Agent將視覺資訊與日誌語意更緊密地融合,以達到更高的準確率與更低的誤報率。從產業趨勢來看,網路AI正從被動回應走向主動視覺化診斷的新階段。過去十年,自動化運維主要圍繞著腳本化與規則引擎,近年則有大型語言模型輔助分析日誌,但它們始終無法真正「看懂」網路本身。華為GTS此次引入視覺化感知機制,等於是為AI裝上了「眼睛」,讓它能夠像人類工程師一樣掃描儀表板、比對拓撲圖,然後做出判斷。這項技術若成功普及,可望徹底改變網路障礙排除的工作流程。

對於一線維運人員而言,這套方案意味著不必再花費數小時在複雜的防火牆規則中來回比對。他們只需確認AI提出的診斷建議,必要時進行最終核准,即可快速恢復服務。如此一來,不僅縮短了平均修復時間,也降低了人力成本與人為失誤的風險。在5G專網、智慧工廠、大規模資料中心等場景中,這項能力將成為網路穩定性的關鍵保障。總結來說,華為GTS的視覺感知網路排障方案,透過讓Agent「看著網路」而非僅「讀取日誌」,成功攻克了雙防火牆等長期困擾業界的難題。測試數據中的任務通過率提升與token成本下降,證明了視覺化策略在複雜網路維運中的實用價值。

隨著技術持續迭代,未來網路維運自動化將不再只是加快既有流程,而是從根本上改寫人機協作的方式,讓AI真正成為能看懂網路、理解網路、修復網路的智慧夥伴。

Related

相關文章

IT之家AI Agent

長安汽車首席專家譚歡:未來要用機器人造車、賣車,讓機器人上車、造機器人

作者:清源 責編:清源 評論: 9 月 18 日消息,在今天(18 日)的第 22 屆中國汽車產業發展(泰達)國際論壇“新賽道生態專場:具身智能新賽道”活動中,長安汽車首席專家、長安天樞智能機器人公司總經理譚歡在演講中指出,AI 正推動以物理具身智能為核心的基礎設施革新,汽車未來形態是“汽車機器人”—— 自學習、自組織、自進化的組合智能體。

1 小時前
量子位AI Agent

具身智能技術路線尚未定型,基礎設施卻先收斂

具身智能技術路線尚未成形,但基礎設施需求已開始收斂,重點從製造機器人轉向持續迭代機器人能力。百度集團沈抖指出,智能體能力邊界快速擴展,進入規模化部署階段,但機器人學習新任務與跨環境適應性仍待突破。

2 小時前

88小時抵一個人思考4000年,OpenAI核心研究員:除了自我進化,更可怕的是AI正學會“隱藏自己”

AI正在把4000年的人類認知勞動壓縮進88小時,OpenAI研究員Noam Brown坦言連他自己也被進展速度持續震驚。AI正在把過去需要數千年完成的認知勞動壓縮到數天。真正的問題已經不只是模型能否變得更聰明,而是實驗能否跟上、人類能否在模型繼續自我改進前確認它仍然安全。

3 小時前
智東西AI Agent

Agent辦事、花式P圖、動嘴玩電腦……實測Wildcat Lake輕薄本玩AI有多爽

作者 | ZeR0 編輯 | 漠影 桂林依山傍水,連城市的輪廓,都是一座座山勾勒出來的。抬眼一望,便是翰墨丹青般的自然光景,既沉靜婉約,又意境悠遠。這種乾淨的留白之美,早已被古人融入山水畫藝中,幾筆山石,一帶煙雲,餘下的留給水色,也留給看畫的人。 淨,並非空無一物,而是通過剋制的取捨,讓真正重要的東西凸顯出來。這與今年推出的第三代英特爾酷睿處理器(代號Wildcat Lake)的設計理念不謀而合。

9 小時前
AIbaseAI Agent

吳恩達回應AI末日論:別被科幻敘事帶偏,應解決現實工程問題

吳恩達曾參與創辦Google Brain和Coursera。吳恩達稱,科技行業早期曾放大AI潛在災難性風險,以獲取關注並影響監管方向;近兩週相關討論再次升溫,也可能存在類似動機。他認為AI確實存在現實風險,尤其包括網絡安全等領域,但不認同將人類滅絕風險作為當前AI發展的核心判斷依據。

10 小時前
IT之家AI Agent

智譜 GLM-5.3-FlashX 模型上線,更快、更流暢

作者:汪淼 責編:汪淼 評論: 感謝網友 Agent 的線索投遞!9 月 18 日消息,智譜今日宣佈推出 GLM-5.3-FlashX(最高 200 tokens/s),為企業與開發者帶來更快、更流暢的模型體驗。智譜官方表示,GLM-5.3-Flash 此前以“Ox Alpha”之名與全球開發者見面,獲得海內外開發者的廣泛認可,調用量持續攀升。

11 小時前