疫情期间，网络承载了更多的应用，比如实时通讯、会议、视频点播、直播等，网络的重要性日益凸显。随着5G时代来临，未来应用会越来越多样，网络环境也更加复杂，实时通信需求激增，这些都对底层的网络基础提出巨大挑战，将人工智能技术用于应对这种前所未有的复杂性网络成为大势所趋的一种必然。
“网络本身是一个非常有趣的东西，因为它本身就是一个开放的、共享的资源，会牵涉到参与这个网络的群体。所以上述的这些挑战和问题都不能说由一个人或机构单独解决，需要整个社区去搭建一个公共的基础设施，大家才能够看到这些问题，才能够有效地去解决。”微软亚洲研究院常务副院长周礼栋日前在接受澎湃新闻（www.thepaper.cn）采访时称。
在这样的背景下，12月18日，微软亚洲研究院宣布联合清华大学、北京大学、南京大学、兰州大学、新加坡国立大学、首尔国立大学等多所亚洲地区高校，成立OpenNetLab开放网络平台联盟。
OpenNetLab旨在推动人工智能（AI）在网络研究中的应用与发展，构建健康、可持续的网络研究生态系统，可以为研究人员提供通用的分布式网络测试平台，以及真实的网络评测数据集。
简单来说，这是一个利用人工智能技术加速网络领域研究的开发平台，可以为研究人员提供基于现实网络的真实数据，并能实地训练和验证网络模型。
目前，AI技术在网络领域的应用面临诸多挑战。一方面，网络AI模型的训练和验证需要大量的数据，真实且有代表性的网络数据能提升模型的准确性和适用性，但研究人员获取大规模真实网络数据具有较大难度；另一方面，由于网络结构的多样性，以及网络设备、连接方式的异构性，如果希望一个网络模型适用于不同的场景，那么一次性离线训练的模型显然远远不够，而适合于此的强化学习模型对训练环境和场景要求很高。而OpenNetLab（http://opennetlab.org）可以应对这些挑战。
“我觉得OpenNetLab最主要的功能是提供一个分布式的网络测试平台，可以在这个平台上针对不同的应用做很多网络方面的测试和研究。其中一个很重要的目标是创建一个真实的网络评测数据集，像ImageNet一样，因为对学校来说，数据有的时候非常难获得，所以OpenNetLab第一个目标就是要做这样的事。”周礼栋说。
现阶段，微软亚洲研究院计划将与合作高校一起在亚洲范围内建设40多个分布式异构节点。每个节点将由服务器、笔记本电脑、智能设备等组件构成，同时提供有线宽带、无线局域网和4G/5G移动网络的接入能力，数据存储、集成、分享的标准化接口，以及适用于不同网络环境的AI模型运行、训练和验证工具，帮助研究人员专注于网络AI算法和模型。今后，这些节点将在平台用户同意的情况下，实时收集网络状态、数据包跟踪等非隐私/非敏感数据，为各类网络AI模型的训练及验证提供支持。
据南京大学计算机科学与技术系副教授田臣介绍，南京大学目前就在OpenNetLab做了一个研究，关于内容分发，包括静态内容，像网页、文件下载，以及包括单向视频，点播和直播的网络拥塞控制研究。
“拥塞控制是一个比较老的课题了，而我们现在是基于用数据驱动的方式、用机器学习的方式去进行广域网的拥塞控制，这是我们现在正在做的项目。” 田臣告诉澎湃新闻。
此外，清华大学、北京大学等高校也已经在平台上开始自己的研究项目。据微软亚洲研究院介绍，未来，OpenNetLab平台的网络状态数据集将在GitHub上发布，为网络研究提供日渐丰富的训练数据和验证数据。OpenNetLab平台的节点覆盖区域也计划逐步扩展至亚洲以外地区。OpenNetLab开放网络平台联盟面向网络、多媒体、人工智能等多领域的科研组织和研究人员开放，希望更多志同道合的科研工作者加入，一起推动网络研究的发展。
