如今，AI 在視覺、語音、自然語言等領域的應用如火如荼，上層不斷髮展變化的各種應用，需要底層網路架構的穩固支撐才能得以實現。如何挖掘 AI 技術的潛力來提升網路領域的研究，是目前學術界和工業界共同關注的焦點。然而，AI 技術在網路領域的應用面臨諸多挑戰。一方面，網路 AI 模型的訓練和驗證需要大量的資料，真實且有代表性的網路資料能提升模型的準確性和適用性，但研究人員獲取大規模真實網路資料具有較大難度；另一方面，由於網路結構的多樣性，以及網路裝置、連線方式的異構性，如果希望一個網路模型適用於不同的場景，那麼一次性離線訓練的模型顯然遠遠不夠，而適合於此的強化學習模型對訓練環境和場景要求很高。OpenNetLab （http://opennetlab.org）的誕生正是為了應對這些挑戰，為研究人員提供基於現實網路的真實資料，並能實地訓練和驗證網路模型。

北京大學計算機科學技術系副教授邊凱歸表示，“網際網路的不確定性和很強的隨機性，讓研究者和開發人員很難找到某種理論或工具去描述和預測網路中的變化。OpenNetLab 平臺不僅能夠幫助研究者準確、實時地刻畫網際網路應用在網路服務質量、網路體驗質量的變化規律，也為線上影片會議、線上教育等業務應用的開發者提供了客觀的、統一的參考依據和行業標準，從而更好地最佳化這些應用。”

清華大學計算機科學與技術系教授任豐原表示，“OpenNetLab 為不同國家及地區的高校與科研機構進行研究和教學提供了一個良好的開放平臺。研究者們可以利用該平臺在真實的網路環境中評測研究結果；同時也可以在真實網路上組織與開展相關的教學實驗活動。我們相信隨著 OpenNetLab 平臺的不斷成長與壯大，將對計算機網路領域的研究和教學實踐等產生變革性影響。”

新加坡國立大學計算機學院計算機科學系副教授何丙勝表示，“我希望這個開放式的研究專案能產生理論和實踐上的影響。我們希望利用 OpenNetLab 中的資料集來評估我們的開源機器學習系統，如用於圖神經網路的 G3、用於 SVM 訓練的 ThunderVM 和用於 GBDT 的 ThunderGBM，以及研究新的機器學習系統。對網路流量進行實時預測有著巨大的研究機會和影響。我期待著與 OpenNetLab 的研究人員進行更深入和更廣泛的合作。”

首爾國立大學計算機科學與工程系副教授 Byung-Gon Chun 表示，“OpenNetLab 對推動網路研究將起到里程碑式的作用。檢驗實驗室裡創意想法需要有像 OpenNetLab 這樣全球化的測試平臺。OpenNetLab 將加速全球網路服務、協議和基礎架構的研究。此外，對於廣域網教學，OpenNetLab 將是巨大財富，學生們可以在這個平臺上部署系統，測試他們在課堂上的想法。很高興看到亞洲地區的研究員們齊心協力共同致力於推動網路研究，我很榮幸參與其中。”

韓國科學技術院（KAIST）電氣工程學院副教授 KyoungSoo Park 表示，“OpenNetLab 為未來網路和系統的創新研究提供了可能。這個全新平臺讓亞太地區頂尖研究者們得以相互合作，基於真實的網路測試平臺開展影響深遠的研究。疫情當下，無接觸的社交活動致使網路作用愈加重要，該平臺將有助於產生許多新的方法來解決網路計算領域的關鍵問題。此外，高校學生在這個基於真實網路資料的平臺上測試、執行他們自己的實驗性應用，將受益匪淺。我堅信，OpenNetLab 分散式網路平臺讓高校和研究機構的研究者們以全新的方式展開合作，將極大提升網路研究和教育的質量。”

未來，OpenNetLab 平臺的網路狀態資料集將在 GitHub 上釋出，為網路研究提供日漸豐富的訓練資料和驗證資料。OpenNetLab 平臺的節點覆蓋區域也計劃逐步擴充套件至亞洲以外地區。OpenNetLab 開放網路平臺聯盟面向網路、多媒體、人工智慧等多領域的科研組織和研究人員開放，希望更多志同道合的科研工作者加入，一起推動網路研究的發展。