OpenAI 的 GPT-5 技術已經在改變組織的工作方式。現在有超過 600,000 家公司為 ChatGPT Enterprise 用戶付費，超過 92% 的財富 500 強公司至少在某些方面使用 OpenAI 產品或 API。
新一代人工智能工具正在迅速投入生產，增強客戶互動、員工工作流程和跨部門的內部決策。
Alkira 總裁、首席執行官兼創始人。
公司與 OpenAI 工具之間的關係正在迅速緊密。 2025年，每日API調用次數將超過22億次。平均而言，公司現在運行超過五個受 GPT 模型支持的內部應用程序或工作流程。
這種增長對於創新來說是巨大的，但它也給維持一切運行的系統帶來了新的壓力。最大的壓力點不是計算或存儲。這是網絡。
對GPT-5的質疑
科技界的一些人對 GPT-5 心存疑慮，但這並沒有阻止大公司迅速推出它。
開發人員和日常用戶指出了真正的收益和頑固的局限性，這種讚揚和批評的混合表明，如果您要從小實驗到全面生產，您需要一個可以在負載下增長和支撐的 IT 基礎設施。
尤其是 IT 經理，他們正在迅速採取行動，採用 GPT-5 並將其集成到業務中。但許多人在這樣做時並沒有清楚地了解這些系統將如何傳輸數據。像這樣的人工智能依靠實時處理和對雲模型的無縫訪問而蓬勃發展。
它不斷地來回傳輸視頻、音頻、大語言提示和業務數據。這不是大多數企業網絡設計處理的流量類型。
傳統網絡不是為人工智能流量而構建的
許多組織仍然依賴多年前設計的網絡：集中式 MPLS 電路 商業 VPN，也許還捆綁在一起的 SD-WAN 解決方案。這些設置非常適合電子郵件和 SaaS 應用程序。但 GPT-5 不同。它會跨雲區域和業務部門產生大量且不可預測的流量。
該模型可能會從一個區域的客戶關係管理 (CRM) 平台提取數據，通過另一個區域的雲託管推理引擎對其進行處理，然後將結果發送到地球另一端的用戶界面。
如果您的網絡不靈活且響應速度不快，一切都會變慢。延遲會毀掉體驗。錯誤的指導會擾亂工作流程。有限的可見性將性能問題變成了猜謎遊戲。當這種情況發生時，人工智能就會受到指責，而真正的問題是數據必須傳播的路徑。
為人工智能工作負載開發網絡架構
挑戰主要是建築方面的。逐台機器和逐個鏈路構建的傳統網絡在支持高需求的人工智能工作負載時通常面臨可擴展性挑戰。
擴展到新地點或地區通常需要大量的項目規劃，而部署新應用程序涉及網絡、安全和雲團隊之間的協調，這些流程可能會減慢快速採用人工智能所需的 IT 響應速度。
許多組織正在探索強調可擴展性、全球覆蓋和按需服務配置的尖端網絡架構，以應對這些挑戰。
新興模型旨在支持動態服務交付而不是靜態通信，並減少對以硬件為中心的環境的依賴。這種轉變可以使 IT 團隊能夠根據業務需求的變化更靈活、更快速地配置網絡資源。
行業採用受雲啟發的網絡設計已顯示出潛在的好處，包括簡化人工智能工具的部署、根據應用程序需求改進流量路由，以及增強工作負載分段以平衡性能和安全性。
這些方法通常旨在減少手動重新配置工作並更好地支持快速創新周期。簡而言之，它為現代企業工作負載提供了更具適應性的基礎。
安全必須通過人工智能來擴展
安全也必須跟上這一步伐。 GPT-5 與敏感數據交互，這些數據通常從直接內部系統中提取，例如財務記錄、產品文檔或客戶記錄。如果網絡無法大規模實施基於身份的訪問、審計跟踪和哈希策略，就會造成真正的暴露。
您需要一個將策略視為設計一部分的網絡，而不是作為事後的想法來實施。最終，這些控制對於維持商業信心和合規性至關重要。
回報大於更流暢的人工智能性能。當網絡跟上業務步伐時，創新就會更快。開發者無需等待基礎設施即可發布新功能。
企業領導者可以在生產環境中測試想法，而無需進行數週的準備工作。風險團隊獲得更好的可見性和控制力。 IT 經理不再是破壞者，而是開始成為推動者。
網絡現在是人工智能的推動者
大多數組織尚未準備好使用 GPT-4，而 GPT-5 已經領先於其基礎設施所需的水平。差距正在擴大，但現在彌補還為時不晚。
網絡現在是人工智能戰略的前線組成部分，如果它不隨著它支持的工作負載而發展，它就會阻礙你。
GPT-5 已經到來。問題是您的網絡是否準備好跟上。
本文是 TechRadarPro 專家見解頻道的一部分，我們在此展示當今科技行業最優秀、最聰明的人才。這裡表達的觀點是作者的觀點，並不一定是 TechRadarPro 或 Future plc 的觀點。如果您有興趣做出貢獻，請在此處了解更多信息： https://www.techradar.com/news/submit-your-story-to-techradar-pro
