當企業逐步將人工智慧（AI）導入實際營運，網路基礎架構的重要性也快速升高。過去企業多半關注頻寬、覆蓋與設備更新，如今更在意跨據點能否一致管理，公有雲、私有雲與地端環境能否安全協作，以及網路維運能否承接AI應用帶來的即時性與複雜度。對IT決策者而言，網路已成為AI轉型的底層平台。
HPE Networking台灣區總經理林蒲英表示，隨著HPE Aruba Networking Central與HPE Juniper Networking Mist兩大平台整合方向逐步清楚，核心已轉向如何協助企業以更完整的架構，承接未來在網路、資安、雲端與多站點營運上的整體需求。他指出，隨著整合持續推進，原本雙方各自擅長的領域也開始形成互補。Aruba在企業園區有線與無線網路深耕已久，Juniper則在資料中心、路由與電信級網路場景具備長期基礎。過去企業若只採用單一產品線，往往在資料中心延伸、安全能力或廣域連線上仍需額外補強，如今整體產品組合更完整，企業可用同一套架構思維規劃園區、資料中心、廣域網路與安全架構。
他認為，這樣的整合對台灣市場特別具有意義。台灣企業這幾年面對供應鏈重組、海外設點與在地化生產要求，營運據點分散的情況愈來愈常見，網路不再只是單一總部或單一廠區的問題，而是多站點、多國別與多種雲端環境的協同管理。當企業一邊推動AI應用，一邊又要兼顧資料隱私、營運韌性與管理效率，網路平台能否橫跨不同場景持續運作，便成為落地關鍵。
雙平台分工 混合部署成常態
談到後續平台定位，林蒲英表示，HPE Aruba與Juniper對AI原生網路（AI-native Networking）的方向理念其實相當一致。Mist長期強調平台化與單一管理介面，訴求在同一平台中覆蓋更多產品與場景；Central則在雲端管理、私有雲與地端部署上具有更完整基礎。就現階段平台定位來看，Mist仍以雲端情境見長，Central則在私有雲與地端需求上具備較高彈性，這樣的差異也回應了企業實際上高度多元的部署條件。
這一點在台灣市場尤其明顯。他觀察，政府、金融與大型企業對公有雲仍相對審慎，尤其AI導入後，送入模型的資料內容往往涉及營運計畫、財務資訊、產品藍圖與其他敏感資料。實際上企業最在意的，除了工具適用性，更關鍵的是資料隱私、資料一致性與合規性能否被有效控制。現實上，企業不會把所有工作負載都放上公有雲，同時也不可能完全排除雲端。真正可行的方向，是依照資料敏感度與作業屬性，分別配置在公有雲、私有雲與地端環境，再透過統一的網路架構加以串接。
HPE Networking台灣區總經理林蒲英指出，企業推動AI應用之際，網路平台整合能力、混合部署彈性與可持續維運機制，已成為跨站點治理與營運穩定的重要基礎。
林蒲英認為，這也是企業建置AI就緒網路（AI-ready Network）的關鍵。未來企業一定會同時存在公有雲、私有雲與地端等多種應用架構，尤其在製造業供應鏈重組與多國設點趨勢下，企業營運據點比以往更加分散。當企業必須在不同國家與不同廠區維持一致作業模式時，網路若缺乏統一管理與可視性，AI應用就很難真正落地。網路已成為全球營運、跨站點協同與智慧應用的基礎層。
他也提到，目前許多企業導入AI仍偏向零散應用，員工各自訂閱工具、各自將資料送上外部平台，短期看似提升效率，長期卻可能讓商業機密與內部流程暴露在治理範圍之外。未來企業勢必會建立自己的智慧代理或專用模型服務，讓員工在企業治理架構內使用AI，而非任意把問題與資料送往外部雲端。這樣的演進，也會進一步提高企業對私有雲、內部平台與安全傳輸的需求。
AI原生設計核心 建構可維運模式
針對AI原生設計，林蒲英觀察到，市場目前常把「有AI功能」與「AI原生」的方案混為一談。產品只要導入大型語言模型（LLM），就能用自然語言回答問題、提供設定建議，外觀看起來已具備AI能力，但這與AI原生仍有明顯差異。原因在於，網路設備的資料結構、事件脈絡與遙測資訊，多半深藏於設備本體與平台內部，並非公開知識。若只是讓通用模型根據外部資訊生成答案，內容或許可供參考，卻很難直接對應真實環境。
所謂的AI原生能力，他認為應是從產品設計起就納入考量，包括資料該怎麼收集、分類、結構化，以及如何在後續分析中保有足夠精準度。若原始資料沒有先整理好，後面就算套用再多模型，也難免出現偏差。對網路產品來說，這種資料結構化甚至需要延伸到硬體設計層面，因為各種網路事件與設備狀態若能在前端就被有效整理，後續的分析、推理與判讀才能更快、更準確。
這種差異在無線網路維運情境尤其明顯。林蒲英表示，無線網路最棘手的問題，在於干擾常常稍縱即逝，等維運人員到場時，異常情況可能早已消失。若平台無法持續記錄、比對並主動調整參數，企業只能不斷投入人力排查。AIOps在這裡的意義，在於協助平台主動辨識異常、縮短故障判斷時間，甚至在使用者報修之前就先發現問題。對企業來說，這不僅是維運效率提升，也關係到營運穩定性與使用體驗。
他認為，AI時代會讓企業對網路品質的要求愈來愈高。未來愈多工作流程將仰賴生成式人工智慧、智慧代理與即時互動服務，使用者對延遲與不穩定的容忍度也會持續下降。回到IT基礎架構本質，不論技術如何演進，核心始終離不開運算、儲存與傳輸三大支柱。當前企業探討AI轉型，真正需要跟進的是如何讓這三者在多雲、多站點與多場景條件下，仍能維持一致治理與穩定運作。此時，AI原生設計的價值，就在於讓整體架構具備可治理、可觀測與持續維運能力，避免只停留在單點功能或短期工具效果。