在企業數位轉型與網路基礎設施現代化的推動下，企業有線與無線區域網路（LAN）市場正持續朝向軟體驅動、自動化與安全優先的策略邁進。根據國際市場調研機構Gartner於去年（2024）3月發布的《企業有線與無線LAN基礎設施魔力象限報告》，在未來幾年內，企業IT管理者欲有效部署營運環境、分支機構與遠端辦公室的網路架構，必須重新檢視網路投資方向與升級策略，從傳統硬體導向轉向以自動化、安全性與可擴充性為核心的整體解決方案。
企業有線與無線LAN基礎設施魔力象限報告指出，雖然Wi-Fi 7已經進入市場，但短期內大多數企業的實際應用情境尚不足以完全發揮其高頻寬與低延遲的技術優勢。Gartner預估，隨著企業著眼於未來可持續性的升級考量，加上設備供應商的積極推動與行銷策略影響，到了2027年，約有七成的企業在更新或擴充WLAN架構時，將會選擇升級至Wi-Fi 7。
另一份是來自國際數據資訊（IDC）日前發布最新《全球季度WLAN市場追蹤報告》，統計2024年第四季全球企業無線區域網路（WLAN）市場規模達到26億美元，較2023年同期成長3.2%。但整體2024年市場仍年減12.7%，全年總營收為94億美元。
IDC的報告中說明，2024年第四季的年增幅，延續了從第三季到第四季的4.8%季增，以及從第二季到第三季的5.8%季增趨勢，顯示市場的供需動態逐漸穩定。在過去兩年中，企業WLAN市場經歷因COVID-19疫情所引發的全球供應鏈危機所帶來的訂單積壓與出貨不穩，目前已逐步回歸常態。
同時，最新Wi-Fi標準正持續驅動企業WLAN市場的成長。Wi-Fi 6E技術可使用6GHz的未授權頻段，在2024年第四季，依賴無線網路控制器進行管理和配置的無線基地台市場，占整體營收的29.0%，相較於一年前的22.5%有明顯提升。
整合基礎設施推進智慧化
Gartner將企業有線與無線LAN基礎設施市場，界定為涵蓋有線與無線網路硬體及其相關軟體的整合解決方案，包含企業級交換器、無線基地台、網路安全控制與管理、測試與最佳化工具等。這些解決方案的功能，不僅限於基本的設備連接與資料傳輸，還需具備多項現代網路基礎設施應有的能力，例如辨識與管理物聯網（IoT）及營運技術（OT）設備、維護基礎設施韌性、強化安全、網路分段，以及支援最低人力介入維護的維運流程。
對此，Gartner認為企業若要維持網路營運的可用性、安全性與彈性，首要必須具備的能力是支援2.4GHz、5GHz與6GHz頻段的Wi-Fi認證接取點，以及可佈建於接入層、分配層與核心層的乙太網路交換器。其次是Wi-Fi的控制與管理功能，必須能靈活部署於實體設備、虛擬主機，甚至雲端環境中。此外，企業還需建置一套完整的網路管理應用程式、可管理裝置認證與授權機制、入侵偵測系統，以及提供遙測數據，以利故障排除與網路最佳化的能力。
功能性方面，基本已具備機器學習演算技術，分析龐大資料集，從中學習模式，進而做出判斷與預測，藉此降低人工撰寫規則的複雜度。隨著運算能力的進步，機器學習演化成更進階的深度學習，運用類神經網路來提升洞察力與自動化程度。除此之外，自然語言處理（NLP）、大型語言模型（LLM），以及生成式AI（Gen AI）等技術快速進化，推進了AI應用發展，在虛擬助理應用領域已可展現價值。
AI虛擬助理重構IT維運模式
AI在企業網路環境中扮演關鍵角色，首要的核心能力是AI能進行時間序列異常偵測，透過相互關聯分析協助網路工程師快速找出事件之間的潛在關聯，這些關聯往往難以透過人工直覺判斷得出。其次是AI應用可進行事件關聯與根本原因分析。運用資料探勘技術，在短時間內處理數以TB計的網路資料，迅速找出與問題最相關的元件，無論是作業系統、終端裝置、無線接入點、交換器或路由器，大幅加快問題定位與修復效率。
AI還能根據網路條件預測使用者體驗，像是根據當前應用程式的使用情境，自動調整頻寬資源配置，確保網路效能符合預期。此外，更進階的AI模型不僅能找出問題根源，還能主動建議解決方案，甚至自動執行修復動作，無需人工介入，確保系統持續可用，並提供最佳化的使用體驗。
基於前述的功能特性，驅動AI虛擬助理也逐漸成熟，這類虛擬助理可視為IT團隊的一員，能即時辨識網路異常、提出優化建議，並加速知識文件或技術支援文件的查詢過程。
為了讓AI應用發揮預期效益，發展策略須具備適當的資料基礎。任何具有實質效益的AI網路解決方案，都必須建構於大量且高品質的資料之上。AI系統會透過持續的資料收集與分析來累積智慧，資料來源越多元，AI解決方案的判斷力與準確度就越高。此外，若能結合特定領域的知識為資料進行標註，更能有效訓練AI模型。例如，透過設計意圖指標分類方式，可有效分析與監控使用者的網路體驗。
其次是即時且精準的應對機制。現代AI網路解決方案應能即時提供精確見解，藉此減少過度警示的注意力疲勞，並能針對優先等級高的問題提出修復建議與具體行動方案。為了產出這類適當回應，AI引擎會運用多種技術，如同擁有資料科學工具箱，涵蓋監督式、非監督式機器學習，以及深度學習（如神經網路）等技術，以解析網路資料並提供洞察結果。
可擴展式基礎架構亦是AI應用不可或缺的要素。為了有效收集與處理資料，並提供有意義的分析結果，必須具備穩固且可擴充的基礎架構。以雲端為基礎的運算平台可提供穩定而敏捷的基礎設施，滿足當前與未來AI工作負載的資料處理需求，並支援快速擴展的能力，成為當前市場上主流的應用模式。