网络容量规划旨在保证提供足够的带宽，从而可以可靠地满足网络SLA目标，例如延迟、抖动、丢包和可用性。这是一个复杂的、容易出错的工作，涉及严重的财务负担。直到最近，可提供有洞察力的容量规划所需的网络数据才基本上可通过静态、历史和事后报告获得。这种情况现在正在迅速改变。

“通过将先进的数据科学和认知技术（如人工智能和机器学习）结合起来，IT可以推动产生新的、更智能的预测性见解，从而提高网络容量规划的准确性，”德勤咨询公司负责认知分析的执行董事Ashish Verma说。“这有助于组织释放数据潜力，以制定更灵活的决策，提高运营智慧，避免停机，并创造更好的用户体验。”

尽管AI支持的网络容量规划仍处于初期阶段，但大多数容量规划供应商，包括Cisco、NetBrain、Aria Networks、Flowmon和SolarWinds等大型和小型企业，已经开始将某种形式的AI技术融入其产品中，或计划在不久的将来这样做。与此同时，如IBM Watson 等技术供应商，也在寻求进入这一市场。

AI技术可支持传统的网络监控

商业咨询公司毕马威（KPMG）美国首席信息官咨询业务经理弗雷德里克？林斯特罗姆（Fredrik Lindstrom）指出，利用人工智能分析多个来源的数据，可提供比严格关注链路利用率的传统网络监控工具有更高的准确性。“AI还可以对不同性能场景进行建模，并将网络性能与应用程序性能联系起来，以确定应用程序在不同性能场景中受影响的程度。”

将AI驱动的机器学习技术应用于网络性能中，可以使网络控制器在增强网络性能的同时从经验中学习。

“随着其不断学习，它用于决策的分析模型得到了优化，可以更好地代表网络的真实意图及其业务目标，”思科公司（Cisco）分析和机器学习学科专家杜瓦尔？耶格尔（Duval Yeager）表示。“随着网络的发展、变化以及应用程序和用户的增加，无论是本地还是云端，这都能提供准确的容量规划。”

人工智能和机器学习方法可以有效地应用于流量预报/预测、流量模式检测、在线学习和自动决策，卡内基梅隆大学（Carnegie Mellon University）泰珀商学院（Tepper School of Business）商业技术助理教授黄燕（Yan Huang）说道。

“高级机器学习算法可以将大规模和高度精细的网络数据作为输入，为网络中的每个节点生成精确的需求预测，并检测网络流量和利用率的跨期模式/趋势，”黄燕解释说。“流量和需求预测的改善将能够更准确地评估网络容量需求，并减少资源过度供应的需求。”

早期检测和发现跨期模式或网络流量的变化，可使组织能够采取主动措施来确保网络性能。 “复杂的预测模型可以与优化和/或模拟技术相结合，自动生成最佳的网络结构或其他结构以及相应的容量和资源规划，”黄燕说道。然后，可以根据组织最关心的特定性能指标来调整此类规划。

AI技术还可以根据实时网络状况处理实时流量数据，并动态制定路由和分配决策。“它还支持增量容量配置的按需模型，”黄燕解释道。所有这些因素都可以显著降低与网络发展、维护和改进相关的资本支出和运营支出，同时降低IT专业人员管理此类活动所需的工作量。

一旦安装并正确配置后，网络AI技术就可以自动进行网络容量规划，同时考虑组织的财务和风险偏好。“人工智能可以实时或接近实时地分析许多不同的数据点，这对于企业迁移到涉及数据中心、云环境和广域网的虚拟化网络是至关重要的，”林斯特罗姆说。

AI还可用于以各种方式分析网络流量模式，帮助组织深入了解网络中正在运行的内容以及整体网络负载。

“这一细节对短期和长期容量规划都非常有用，”劳动力管理软件和服务提供商Kronos的首席架构师兼网络和安全高级总监Doug Tamasanis解释道。

从短期来看，AI可以在极精细级别上来预测每日流量突发，例如应用程序、位置、技术和协议等。然后可以使用这些发现结果来防止高峰期的网络性能下降。“从长远来看，人工智能系统可以执行最佳容量规划，预测何时无法满足短期的流量突发，以及（何时）需要进行全面升级，”Tamasanis指出。