基於雲端原生開發有線無線統一控管平台，藉以實作機器學習與人工智慧（AI）應用，如今已成為網路技術供應商不可或缺的研發方向。Juniper Mist解決方案便是採用雲端原生開發的微服務架構，借助Juniper團隊協助企業維運管理平台，每次更新雲端功能項目後，企業無須再升級地端設備，Mist遠端執行即可完成。
既有的Wi-Fi 6與最新推出的Wi-Fi 6E基地台，搭配Juniper EX系列交換器內建支援Multi-Gigabit功能，可讓企業針對不同應用場景規畫部署。
Juniper Networks台灣區技術總監游源濱指出，近幾年Juniper逐步落實AI-Driven企業網路發展戰略，讓有線、無線、廣域網路網路皆採以Mist Cloud單一平台設定配置與管控，藉此蒐集產品線的Telemetry資料，才可做到更深度的AI解析。
他進一步說明，Juniper著眼點是平時用戶連線行為，透過Mist Cloud平台即可監控，甚至在問題發生前就已從蛛絲馬跡中預測得知，或是發生問題當下IT人員也可立即釐清導致問題的根本原因，以快速排除問題讓員工得以正常工作。另一方面也持續發展AIOps（智慧維運）能力，例如Marvis虛擬網路助手，可運用Mist AI引擎執行自然語言處理（NLP）、自主運行網路等演算模型，如同公司聘雇的資深工程師，遇到任何問題隨時可提問，讓IT人員快速地找到答案，甚至協助修復。
網管軟體改以雲端原生發展AIOps
有線無線網路環境須確保穩定傳輸、順暢接取，其中有線網路相關技術歷經數十年發展已相當成熟，Juniper之所以仍在AIOps投入許多資源，因素之一在於無線網路的穩定運行涉及類比射頻、空間位置、電波接取，極難掌握評估。Juniper Networks亞太區高級系統工程師梁豐說明，以往的無線基地台常遇到連線數超載後傳輸速率變慢，導致用戶瀏覽網頁出現無回應，IT人員總是接收到用戶報修才發現，但檢查無線基地台的方式，大多是透過自建部署網管軟體，卻又未能發現異狀，導致用戶面臨的問題始終無解。
Mist創立之初即開始採用雲端平台開發機器學習演算模型，以輔助理解用戶連接無線網路的操作體驗，藉由掌握穩定性指標數據的狀態來判斷異常，進而推展到AIOps，由資料科學家團隊分析用戶連線狀態，逐漸將累積的無線網路檢測經驗轉化為資料科學分析工具，協助提高問題排除的效率。此即可幫助IT人員運用資料分析快速地釐清問題，甚至改變維運模式，從被動轉換為主動，讓用戶體驗得以獲得改善。
Juniper於2019年收購Mist，主要便是看重Mist從2014年創立初期，基於雲端原生開發的架構可用於建構AIOps。游源濱說明，AIOps建立的機器學習演算模型須仰仗大數據持續不斷地訓練微調參數，而龐大的資料必須要先儲存，再運用機器學習演算法加以分類、分群，歸納出有意義的資訊輔助判斷決策。因此AIOps首先必須具備大規模儲存能力，其次是足夠的運算資源運行演算法，第三點則是持續改善與精進分析能力，藉由不斷地餵入最新資料訓練演算模型，使其準確地辨識與判讀訊息。
對於技術供應商而言，以往定期發布版本的更新模式，已無法跟進現代應用場景需求，更加難以防堵各式手法發動的零時差攻擊，問題是過於頻繁發布更新，恐加重IT人員工作負擔，如此情況下，雲端平台正可發揮優勢，利用底層實體資源彈性擴展的特性，讓技術供應商可持續發布更新演算邏輯與分析模型，完全無須IT人員介入，這正是雲端原生技術逐漸取代地端網管軟體的驅動力。
用戶體驗轉化成可被量化數據
現階段網路技術供應商皆已提出實作AI應用方案，差異在於用來解決的問題不盡相同。以Juniper Mist來看，游源濱認為，研發的目標是把用戶體驗轉化成可被量化的數據，當用戶反映連線品質不佳，IT人員得以追蹤分析，具體指出原因，讓IT人員與用戶之間的溝通更有效率。
他舉例，日前承接某國際集團在台灣設立分公司的網路建置，最後指定採用Mist方案，客戶的辦公室環境不再佈建實體網路，改以無線基地台為主，意味著無線網路不再是實體網路的支援方案，而是確保員工生產力不可或缺的要角。但是對於IT人員而言挑戰更大，欲確保所有同仁都有順暢的連線品質，須有能力即時掌握每個用戶的操作體驗，然而用戶體驗的好壞並無標準可遵循，IT人員通常無法釐清用戶抱怨的主因。Mist能脫穎而出的最大差異之處，除了應用人工智慧輔助，另一關鍵特性是專注在解決用戶體驗的相關問題。
另一個Mist可協助的典型案例是智慧工廠。生產線的機械手臂運行操作必須移動，透過Wi-F網路連接整體工作流程，傳輸中斷則可能影響機械手臂銜接互動及運行，可是當連線品質不佳時，維運人員若未持續監看根本無從得知，直到產線停止運作才發現是因網路連線異常。對此，必須建立主動監控機器手臂連線品質的機制，才可在產線停擺前先行排除網路傳輸問題，此時無線網路傳輸狀態的量化數據，即成為保障產線不中斷的關鍵。
免授權頻譜持續演進優化避免干擾
論及工廠環境網路傳輸存在干擾問題，5G與Wi-Fi傳輸都會遇到類似窘境，而非只發生在特定頻段。游源濱不諱言，5G對於移動性較高的應用場域確實較合適，並非無線基地台彼此之間的切換（Handover）問題，而是工廠應用場域範圍較廣，依據整體工作流程規畫部署無線基地台的涵蓋範圍，雖可讓移動裝置順暢地切換，若整體生產流程涵蓋室內與室外，採用5G專網確實較合適，亦可確保資安無虞。
Juniper Networks亞太區高級系統工程師梁豐觀察，為了讓異地或居家工作者連線回到公司內網存取應用系統，企業無線網路方案亦可依據工作模式變化而調整，至於控管平台改採雲端服務，IT人員可隨時調整配置或查修。
5G專網主要問題在於頻譜必須付費，除非國際級大型企業才有足夠資源投入。Wi-Fi為免授權的頻譜，在室內部署成本、傳輸穩定性已通過實際驗證，梁豐表示，Wi-Fi 6/Wi-Fi 6E標準已可達到5G傳輸相同的特性，也針對高密度、高傳輸效率增添優化設計，以避免干擾問題。再加上Mist提供的雲端服務，可讓有線無線的設定配置與後續維運，都在相同平台操作，無須切換不同工具，亦可省去更新無線網路標準規格時，控制器與網管系統版本不一致的困擾。
此外，目前Juniper正在積極發展的是讓廣域網路連線也可借助AI分析解決問題，讓SD-WAN（軟體定義廣域網路）選用最佳遞送路徑的能力演進成為AI-WAN，運用Mist WAN Assurance不僅偵測線路品質，更可掌握線路傳輸的應用樣貌，進而優化端到端使用體驗。