IETF125会议期间，《中国教育网络》采访了多位互联网领域专家，围绕积极参与IETF、人工智能与互联网发展、给年轻工程师的建议等热点议题展开深入探讨。

 

　　本文是第二篇互联网专家采访，受访专家包括：蒋胜、蒋星、Dirk Kutscher、杨晓雅（人物出现顺序按姓氏首字母排序）。

 

 

　　我与IETF的渊源可以追溯到千禧年前后，有三个契机。一是1999年我从成都电子科技大学毕业时跟随李乐民院士做毕业设计，读了关于TCP和UDP的RFC793（TCP）、RFC768（UDP），当时觉得RFC如同天书，也第一次对IETF有了印象。二是我在英国伦敦大学攻读计算机科学博士期间的导师是“欧洲互联网之父”Peter Kirstein，他是IETF的先驱之一，我们课题组有参与IETF的传统。三是读博期间曾读到清华大学徐明伟教授的一篇论文，提到中国对IETF的参与仍然太少，对我有所触动。

 

　　回国后我加入华为，岗位定位是专职从事IETF标准化制定工作，此后十五年我几乎参加了所有线下的IETF会议。截至目前，我参与制定的RFC共有31篇，涵盖IPv6基础协议、DHCP、移动IPv6、网络管理等领域。2014年，我在IETF创建了运维与管理领域（OPS）的自治网络集成模型与方法（ANIMA）工作组，并担任工作组主席12年。

 

　　当前，AI智能体十分火热，但IETF对其仍处于观望状态。实际上，在最近几次IETF会议上已有不少与AI及智能体相关的议题，但截至目前尚未成立相关工作组或BoF（专题讨论会）。IETF有自己的节奏，各个工作组都有明确的章程（Charter），有些章程甚至十年都保持不变——章程划定了一个范围，工作组就在这个范围内持续演进。我们往往可以在边会（Side Meeting）中看到一些火热的议题，少量议题需要培育成熟后才能形成BoF，而从BoF变成工作组也需要长时间的大量讨论。从这个意义上看，IETF本身并没有特别火爆的议题，大多数所谓热点其实是对新场景的响应，比如现在的AI，以及此前的云、确定性网络等。

 

　　在我看来，从网络协议分层而言，AI本身位于应用层，依赖互联网提供信息交换，信息交换这一行为与以往并无本质变化。当前的互联网基础设施完全能够支撑AI的应用，人们可以在互联网上畅通使用AI和智能体。当然，局部确实存在对网络的改造需求，例如在智算中心内部对协议进行优化，但在小网中的改动是否要上升为国际标准也需要经历时间的考验。

 

　　AI的发展速度太快了，标准制定的周期却很长——在IETF，一篇文稿成为RFC通常需要3-8年。应用往往等不起，比如OpenClaw并不需要改造网络，遇到网络不畅通的地方就会选择稍作等待。实际上，应用往往会默认网络条件无法改变，在现实条件下完成任务。但一旦网络能力获得提升，应用又会以极快的速度将新增的能力“吃掉”。

 

　　这就引出一个新问题：为什么应用层涌现出如此多的新需求和新应用，却从未向网络层提出改造的要求？我印象很深的一个例子是2016年火遍全球的一款现实增强（AR）“抓精灵”手机游戏Pokemon Go，当时我们认为它对网络时延和流畅度一定有很高要求，但却没有人向我们这些做网络协议创新的人提出过任何要求，一年后这款游戏的热度就消散了。后来我逐渐意识到，应用层的迭代以月甚至以周为单位，新版本层出不穷，他们从不等待网络层的改变——因为等不起。

 

　　在这个意义上而言，AI与IETF在时间周期上是难以统一的。网络的发展往往是研究人员不断评估未来需求，基于预判来推动创新。实际上，不仅仅互联网领域，科学研究通常并非由外部需求直接驱动，而是由科研人员根据对未来的设想来推进。越是基础性的创新，其应用周期往往也越长。2022年，我离开华为来到北京邮电大学跟随张平院士从事高校教育。刚来时，我发现高校很多论文偏理论化，看不到直接的应用价值，现在我逐渐理解了：具有长远意义的基础理论和创新终将经得起时间考验，展现出真正的价值。

 

　　对于想要投身国际互联网标准制定的年轻研究人员，我认为首先要对这一行业抱有强烈兴趣。IETF是以个人名义参与的组织，在这里，个人技术能力的积累与沉淀非常重要，需要长期持续的投入。因此，年轻人要怀有强烈的兴趣，能够沉下心，做好长期积累的准备。IETF真正的工作场所并非一年三次线下会议，而是线上的邮件列表。如果要成为有影响力的专家，就不能只专注于自己的工作，还要在邮件列表中积极回复、评价他人的内容，产生贡献和影响力。

 

　　在我看来，国内互联网核心技术领域的突出单位，在高校、设备商、运营商中均有代表，分别是清华大学、华为和中国移动。这些单位参与IETF很早，并且持续做出贡献，因此产出的RFC数量也属于第一梯队。

 

　　如果中国希望在IETF中提升影响力，就需要国家、单位进行持续的投入，为年轻的研究人员创造条件，同时创造宽松的环境。IETF平均一位专家在持续参与的情况下，需要2~3年才能产出一篇RFC。在这样的长周期下，企业和高校应当制定良好的政策，吸引研究人员进行长期投入，考核标准也应根据IETF的现实节奏进行相应调整。

 

　　据我观察，国外高校老师参与IETF的驱动力与国内有所不同，更多是出于个人兴趣，并没有硬性的数据考核要求。此外，他们通过与企业合作也获得了外部项目的激励和牵引。在我印象中，国内以RFC标准为牵引的高校研究基金还比较少见。

 

　　从这个意义上来看，清华大学吴建平院士团队多年持续投入并取得高产出，非常难能可贵。北京邮电大学也正在突破，刚刚晋升为国内参与RFC制定第二的高校。

 

 

 

　　互联网标准领域最火热的技术趋势毫无疑问是AI，核心围绕两大方向：一是Networking for AI，用网络更好地承载 AI 业务；二是AI for Networking，用 AI 技术支撑和管理网络。

 

　　首先，AI技术的发展对网络承载能力提出了新要求。AI业务与传统业务差异很大，其流量大、带宽要求高、突发性强、丢包容忍度低，尽管大部分客户的网络在AI整体投资中占比不足10%，但网络性能和效率直接决定GPU、存储等昂贵资产能否发挥价值。本次IETF会议的大量议程都在讨论数据中心内、数据中心间及云端如何适配高突发、高带宽、低时延的 AI 承载需求。

 

　　其次，AI也正在重塑网络运维模式。传统基于规则的自动化主要解决已知的、常见的问题。现在网络规模巨大，信息量庞杂，很多未知或长尾问题是传统自动化面临的瓶颈。而智能体的出现，在自主发现问题、解决问题方面，其能力已经远超人类，也完全覆盖了传统自动化的盲区。但大模型幻觉是运维场景的致命问题。解决它的核心不是模型本身，而是数据。企业必须首先构建一个统一的知识图谱，把真实业务的数据、关系和属性集中起来，形成一个单一、真实的数据源。将分散、异构的业务数据标准化后，再与大语言模型对接去做智能体运维，幻觉问题就能在很大程度上被控制住。另外，我们不需要为智能体重做所有工具。智能体很聪明，学现有工具的速度很快。与其花很长时间去做新系统，不如把现有工具做适应性改造，在不同平台开发MCP（模型上下文协议）接口，让现有设备和管理平台能更方便地被智能体使用。经过试点，我们发现，智能体可以跨越多个系统定位故障原因，并实时生成有针对性的、真正用于解决问题的AI运维看板，而非仅供展示的静态看板。

 

　　第三，从更长期的视角看，我们正从“万物互联”走向“智能体互联网”。未来，智能体会越来越多，可能有几十亿、几百亿个智能体在运行。这就带来了新的架构性问题：这么多由不同人编写的智能体去哪儿找？这就需要一个智能体的交易平台（Marketplace）。智能体需要有标识，如何标识、如何找到它是个重要问题。找到之后，如何像启动容器或虚拟机一样把它运行起来？运行起来后，智能体之间、智能体与传统系统之间如何通信？以及相关的安全问题都需要解决。构建一个面向智能体的互联网，是一个很大、很重要的话题，这也是 IETF 正在重点讨论的方向。

 

　　AI 的兴起给互联网标准领域带来了海量机遇，但最大的挑战就是标准化速度跟不上AI的发展速度。AI行业的发展以天、周为单位迭代，这对IETF的标准化速度提出了更高要求。现有流程需要更快响应市场变化。

 

　　IETF最大的好处是能带来很多不同的想法，这对打破思维固化非常重要。虽然参与的技术和流程门槛不低，但它没有明确的身份门槛，谁都可以参与，这也是它最大的优点之一。在这次会议上，中国运营商、厂商贡献突出，年轻学生的研究也极具深度，中国已是IETF的重要贡献者。

 

　　对于年轻研究者，我建议先找准细分方向、提前做足功课，可借助AI工具快速梳理议题与草案；对于会议举办方，希望能进一步降低参会成本、提供AI辅助工具，降低语言与技术门槛。要提升中国在IETF的影响力，个人层面需要长期持续参与、反复“刷脸”；组织层面则可推动更贴合国内参与者的支持措施，未来甚至可以尝试举办全中文的IETF会议。

 

　　关于AI对就业的影响，我认为，AI必然会替代大量工作，但也会创造很多新岗位，这个变化是阻挡不住的，唯一能改变的只有自己。以前可能是AI嵌入我们，现在我们要主动嵌入AI生态，适应并享受AI时代的机遇和挑战。

 

 

 

　　IETF第125届会议圆满落幕。这次在中国举办的会议非常成功，许多参会者对深圳这座城市以及会议设施感到惊喜而印象深刻。本次会议有许多亮点，例如特别安排了多项鼓励年轻人参与的举措，中国的“菁才计划”吸纳了众多学子，同时我们也看到来自马来西亚、巴西等地的学生团体积极参会。

 

　　在本次会议中，关于AI的边会（Side Meeting）十分火热，反映出行业对这一领域的强烈兴趣和参与意愿。面对这一趋势，IETF和IRTF正在共同探索应对之道，力求识别出那些真正值得解决的技术问题。

 

　　通常而言，IETF（互联网工程任务组）聚焦定义明确、适合协议标准化的议题，而IRTF（互联网研究任务组）则承担更具探索性的角色，更注重真实实验，适合开展长期技术研究与跨学科合作。IRTF的研究周期往往较长，在会议期间，会邀请研究人员展示来自学术或行业研究的最新成果，这样的报告通常不一定产生任何规范性的文件，但通常能收获有用的见解。在IRTF中，决策更多依赖深入讨论，而非商业压力。此外，IRTF涉及的技术问题通常不局限于单一协议设计，而更多是基础架构层面的考量，因此往往需要经过多轮迭代才能达成共识。

 

　　我曾表示，希望帮助IETF社区重拾早期互联网的先锋精神。在互联网发展初期，核心设计原则就是连接。整个系统自下而上生长，不受外部设计控制，仅依靠简单的体系结构（如端到端通信）就实现了一个能够随着时间不断演进的系统，人们可以在此基础上自由构建新的应用，并根据需求逐步优化协议。

 

　　然而，当前互联网的集中化趋势带来了一系列挑战。大型企业在服务生态系统中占据主导地位，通过用户锁定和数据垄断获取利益，也导致了系统的不兼容。在商业利益驱动下，原本技术上可行的互操作性被刻意抑制，最终形成了所谓的围墙花园。

 

　　面向未来，我们需要重建以用户为中心的互联网，思考用户真正想要和需要的是什么，开发出具有经济可行性的服务来实现这一目标。这一点对于今后的AI智能体通信也尤为关键：只有解决好身份归属、权限控制和跨平台信任等问题，才能避免形成AI孤岛，这也是我们需要重新思考的新型互联网基础设施。

 

　　在本次IETF125会议中，我们很欣喜地看到有许多新面孔的加入。对于首次参会的新参与者，我建议优先参加IRTF会议和BoF（兴趣讨论组）会议，这类会议通常更加开放，便于新参与者了解研究背景和自由表达想法。

 

　　此外，我还有两点建议：一是以实践和勇气克服语言障碍，IETF社区包容且友善，不完美的语言表达并不是问题，持续参会将提升表达能力，面对面的交流也有助于更好地沟通和理解。二是积极参与邮件列表（Mailing List）讨论，不要只是坐在会议室里听报告，试着找出自己感兴趣的主题，尝试起草内容，这种方式将更有效地建立连接，提升自身在社群中的影响力。

 

　　杨晓雅：源自中国的国际标准组织未来可期

 

 

　　目前互联网标准领域最火热的技术趋势就是AI智能体。据称本次IETF会议有多达16个边会（Side Meeting）都在讨论AI智能体相关话题。

 

　　AI 的兴起肯定给互联网标准制定带来了挑战。例如现在比较火热的OpenClaw，它本身是一个开源社区的软件，虽然初始版本存在不少安全漏洞，但通过在开源社区的快速迭代，已经推出了比较安全的版本。相比之下，标准组织的反应显得比较“滞后”。从这个层面看，AI带来的更多是对标准制定组织（SDO）本身的挑战。

 

　　在这次IETF会上有很多呼吁，希望IETF成立新的工作组（Working Group）来研究AI智能体。但现有组织成员对新事物的理解需要一个过程，而很多开源社区的主要“玩家”目前又并不在IETF的社区框架内。各方意见不同，对问题的理解也不一致，因此关于AI智能体的标准很难快速达成共识，只能留待今后的会议继续讨论。对标准制定组织来说，如何适应新技术要求是很大的考验。

 

　　另一方面，产业巨头的赢家通吃，也是标准组织面临的一大挑战。当巨头们的产品占据大部分市场份额，它们所推行的往往就成了事实标准，其他组织只能和它兼容。这就回到了根本问题：为什么需要标准？主要有三个理由：一是安全，特别是涉及人身安全时；二是消费者保护，防止用户在不对等的市场条件下被剥削；三是在相对平等的市场竞争中，为了实现互联互通和明确产品规格标签，各方需要达成共识。

 

　　就我个人而言，我不是典型的IETF参会者，而是来自ITU（国际电信联盟）。ITU既可以说是IETF的姐妹组织（sister organization），也可以说是竞争组织。我最早参加IETF可以追溯到2000 年左右，本次来参会，一方面是重回IETF，关注互联网技术热点，观察IETF的组织模式和吸引成员的方式，厘清两个组织的定位差异；另一方面更希望寻求合作，尽量避免重复工作。

 

　　关于IETF和ITU的不同，我的观察可能比较独特。国内大公司往往同时参与两个组织，但人员分属不同的团队，这可能和企业内部产品线、研发和标准化部门的设置不同有关。而很多小公司参与了IETF却没参加ITU。核心原因是ITU作为联合国机构，产业界和学术成员的加入需要主管部门审批，门槛高、流程严；而IETF支持以个人身份提交技术文稿、远程参与讨论，对于初始参与者而言门槛更低。当然，无论在哪个标准组织里赢得共识、产出成果，难度都不低。

 

　　过去，我们一般在技术成熟期做标准，而随着技术加速发展和产业链的全球化分布，标准化的时机也在提前。还是以AI智能体（AI Agent）为例，对它的概念理解本身就存在着不一致，它是一种应用，还是一种工作负载（workload）？我们要先统一术语、体系架构，继而再推进接口统一。对于AI智能体等新技术而言，标准不断被技术“推着走”，因此我们要不断学习新概念，依赖社群共识，及早地把概念性、架构性的标准先形成共识；而最终的落地实施，还需要不断调整迭代。

 

　　对于年轻研究人员，我非常鼓励大家参与标准组织工作，特别是IETF这样门槛相对较低的标准组织。标准制定过程很像研究项目，需要阅读文献、发现问题、提出方案并争取共识。在这个过程中，你能获得比在学校更多的专家反馈，且更面向市场和产品。另外，要提升中国在IETF的影响力，关键在于要有领导岗位，如领域主席等，这需要大量的精力投入。标准化是一个“烧钱”且需要高层次专家的活动，也需要依靠大企业的研发部门和研究院提供坚实后盾。

 

　　最后，我想分享一个我思考了十年的观点。在国际标准化领域，以前我们是“摸着石头过河”，而现在，到了“把石头摸没了”的境地，不能再等着看别人怎么做。从历史上看，很多国际标准组织都是产业界依据工业化的需求，在西欧北美等老牌工业化国家发起成立。如今到了人工智能时代，中国的产业也应该发起成立标准组织，吸收国际成员，制定国际标准。关于这一点，我已经向工信部、CCSA（中国通信标准化协会）、国标委以及华为等公司建议多年。在这次IETF会议活动上，很高兴看到已经有由企业自发成立的AI相关标准组织联盟开始出现，这是一个非常好的开端。