HPE Discover大会：Antonio Neri关于AI架构的五大核心洞见

惠普企业公司首席执行官Antonio Neri本周在拉斯维加斯主持了公司年度用户大会Discover的开幕式，并发表了一篇面向AI时代的宣言。尽管当前几乎所有的行业活动都在讨论AI角色的演变，但Neri选择从信息技术的视角出发，提供了一种与众不同的AI解读方式。

整个行业正在从构建IT系统向架构智能转变。在这一转型过程中，企业不再只是技术的运营者，而是成为结果的设计者——这对在场的IT从业者来说，意味着一种截然不同的角色定位。

Neri在整个主题演讲中始终贯穿着"架构"这一隐喻，效果颇为有力。AI不是一项功能，也不是一类工作负载，而是系统层面的整体变革。这一定位框架引出了五个清晰的核心观点，揭示了HPE押注的方向，以及更重要的——企业IT的未来走向。

一、网络重回核心位置

如果说云计算时代将网络抽象化了，那么AI时代正让网络再度成为基础。Neri明确表示："为AI架构，始于网络。"这反映出行业的整体转变——AI工作负载，尤其是大规模训练和分布式推理，在本质上受网络能力制约，会产生海量流量。延迟、拥塞以及东西向流量模式，如今直接影响模型性能与成本。

收购Juniper显然是HPE这一战略的核心所在。HPE正将自己定位为覆盖园区网络、数据中心和互联网络的全栈网络提供商。面向AI优化的交换机（如QFX系列）和路由平台（MX系列）的推出，印证了一个更宏观的判断：AI基础设施既是算力问题，同样也是网络问题。

主题演讲中，Neri特别提到了客户Vultr来强化这一观点。超大规模AI环境的关键不只在于GPU，更在于如何高效地将这些GPU互联。从这个意义上说，HPE在押注：以太网配合软件智能，能够与专有AI互联方案一较高下，甚至胜出。对企业买家而言，这重新定义了网络投资的价值——从"基础管道"升级为"性能倍增器"。

二、"自动驾驶"正从营销概念走向运营模式

Juniper Networks多年来一直在倡导自动驾驶网络的理念，而此次主题演讲呈现了一个更为成熟、更具说服力的愿景。Aruba Central、Juniper Mist与GreenLake Intelligence的组合，指向一个统一的运营模式——AI不仅负责监控，还能主动采取行动。Neri强调，这些系统能够在用户察觉之前"检测、诊断并修复"问题。

这一点至关重要，因为AI基础设施正在大幅提升运营复杂度。IT专业人员需要同时应对混合环境、分布式推理和由智能体驱动的工作流。依赖人工介入的IT运营模式已经难以为继。

如今的不同之处在于，生成式AI和智能体AI已被深度整合进运营体系。GreenLake Intelligence不再只是关联遥测数据，而是跨域推理并越来越多地实现动作自动化。不妨这样理解：传统AIOps关注的是洞察，而下一阶段关注的是执行。目前自动驾驶能力还集中在网络层面，但Neri在分析师问答环节明确表示，未来智能体能力将延伸至整个IT技术栈。

三、智能体企业的崛起既真实，又充满挑战

主题演讲中最具前瞻性的部分之一，是Neri对"智能体企业"的重点阐述。企业即将管理数以千计的AI智能体，这并非推测，而是已经在发生的现实。目前仍然缺失的，是统一的控制平面。

Neri着重指出了智能体蔓延这一迫在眉睫的问题。开发者正在快速构建智能体，往往绕开集中式IT治理，由此带来安全、数据访问和运营一致性方面的风险。HPE的应对之道是将私有云AI定位为受治理智能体部署的基础，通过智能体注册、身份模型、策略执行和安全运行时等机制，为这片可能走向混乱的领域带来秩序。

核心洞见在于：管理智能体将类似于管理用户或应用程序，但自主程度更高、风险更大——因为影响业务的动作将被自动化执行。对企业IT领导者而言，这应是一记警钟：AI的采用已不再只是关于模型本身，而是关于如何管理自主系统的完整生命周期。

四、数据与存储架构才是真正的瓶颈

Neri提出了一个常被GPU头条新闻掩盖的观点：AI的上限取决于其数据基础的质量。HPE Alletra Storage MP的系列更新——尤其是在统一文件与对象存储以及英伟达认证方面——揭示了一个重要趋势：存储正在从被动的数据仓库，转变为AI流水线中的主动参与者。

实时元数据增强、与AI框架更紧密的集成等特性，旨在减少数据与模型之间的摩擦。这一点至关重要，因为企业AI项目最大的延迟来源之一，正是数据准备与数据搬移。

一个值得关注的论点是：简化数据流水线有望显著缩短价值实现周期。尽管具体数字因场景而异，方向却十分清晰：谁能解决数据问题，谁就能赢得AI竞赛。这正是HPE全栈方案价值所在——算力吸引眼球，但数据架构决定结果。

在与分析师的客户问答环节中，数据管理的重要性得到了进一步印证。笔者向达拉斯牛仔队首席信息官Matt Messick询问打通数据孤岛的重要性，他表示这是他目前最优先思考的事项，也是组织若要实现AI愿景必须做对的关键所在。

五、能源是无法回避的约束

主题演讲中最接地气的时刻，或许是对能源问题的讨论。Neri援引数据指出，到2028年，美国预计将出现19吉瓦的电力缺口，而数据中心正在消耗其中越来越大的份额。这不是理论上的隐患，而是AI扩张面临的硬约束。

演讲中，HPE播放了西门子能源的视频，展示AI如何同时驱动需求增长并帮助优化供给。但更宏观的信号是：基础设施决策如今已与能源考量密不可分。

这一趋势带来多重影响：能效将成为竞争优势，而非单纯的成本指标；选址策略（在哪里建设和运行AI）将面临更多约束；冷却、供电和可持续性将进入核心架构讨论的范畴。

换言之，AI的未来不仅将由模型突破来定义，更将由谁能为这些模型稳定供电来决定。

结语

总体而言，Neri的主题演讲并非聚焦于某款产品或某项发布，而是将HPE定位为能够将网络、算力、存储、云计算和运维整合为一体的AI架构提供商。

这是一个宏大的主张，但与市场走向高度契合。企业不需要更多孤立的点状解决方案，而是需要能够应对AI规模与复杂性的集成系统。架构化思维是正确的方向，悬而未决的问题在于落地执行。因为在这个新时代，架构师的职责不仅是绘制蓝图，更是交付结果。

Q&A

Q1：HPE在AI时代为什么强调网络的重要性？

A：因为AI工作负载，尤其是大规模训练和分布式推理，本质上受到网络能力的制约，会产生海量流量。延迟、拥塞和东西向流量模式会直接影响模型性能和成本。HPE通过收购Juniper，将自己定位为覆盖园区、数据中心和互联网络的全栈提供商，认为网络已从"基础管道"升级为AI时代的"性能倍增器"。

Q2：智能体企业面临哪些主要风险？HPE如何应对？

A：主要风险在于"智能体蔓延"——开发者快速构建AI智能体，却绕开了集中式IT治理，带来安全漏洞、数据访问失控和运营一致性问题。HPE的应对方案是以私有云AI作为受治理智能体部署的基础，引入智能体注册、身份模型、策略执行和安全运行时等机制，对自主系统进行全生命周期管理。

Q3：为什么说数据和存储架构是企业AI项目的真正瓶颈？

A：企业AI项目最大的延迟来源之一是数据准备和数据搬移，而非算力本身。HPE Alletra Storage MP通过统一文件与对象存储、实时元数据增强以及与AI框架的紧密集成，让存储从被动仓库变为AI流水线的主动参与者，从而减少数据与模型之间的摩擦，缩短价值实现周期。