思科旗下Splunk公司今日发布了一系列平台、安全和可观测性方面的增强功能，旨在将公司重新定位为新兴“智能体化企业”的数据与治理基础设施。
Splunk高管表示，此次发布是一次战略性的全面改造，而非常规的产品升级。Splunk正在为一个全新的世界调整其平台架构——在这个世界里，人工智能智能体产生的遥测数据远超人类，运行速度达到机器级别，其决策可能带来即时的运营、财务和安全影响。
思科Splunk平台高级副总裁兼总经理曼格什·平帕哈瑞表示：“这不仅仅是渐进式的演进或增加一堆功能。我们重新构想了Splunk，让客户能够开始大规模信任AI。”
这一战略涵盖三大领域：观测和控制AI系统、以机器速度进行防御，以及将分布式机器数据转化为人和智能体可执行的行动。这三者背后是对Splunk数据平台的根本性重新思考，包括信息的存储、搜索、处理方式以及如何为AI做好准备。
核心架构
此次发布的核心是思科数据结构（Cisco Data Fabric），这是一种由Splunk平台驱动的新架构，能够在数据所在位置进行分析，而无需客户将所有信息复制到Splunk中。该架构将Splunk、云对象存储、数据湖以及Snowflake公司和Databricks公司等平台上的数据进行联合，然后关联这些环境中的信号。
此举旨在解决长期以来对Splunk的一项批评：大量数据的采集和索引成本过高。随着数百甚至数千个智能体持续生成日志、事件、追踪记录和其他遥测数据，这一问题可能变得更加突出。
平帕哈瑞表示：“这种联合式方法直接解决了成本问题。如果开始重复数据移动以及所需的全部处理工作，那正是推高成本的原因。”
Splunk表示，该平台能够自动管理不同存储层级的数据，将原始机器数据转化为适合AI使用的结构化信息，并在不移动底层信息的情况下搜索外部数据源。扩展后的联合搜索功能支持包括亚马逊网络服务公司的CloudWatch数据湖和Databricks在内的多种服务。
该架构还集成了用于指标、事件、日志和追踪的通用采集器、实时摄取处理功能，以及基于运营数据训练的领域专用AI模型。Splunk表示，这些模型旨在补充而非取代前沿模型。
领域专用模型的示例包括时间序列预测、日志分析和图推理。这些较小的模型可以提供运营上下文，帮助前沿模型解读企业产生的机器数据。
平帕哈瑞表示：“我们并非在重新发明前沿模型，我们的目标是补充这些前沿模型，并开发下一代领域专用模型。”
深化AI合作
Splunk还通过与英伟达公司扩大合作，将AI处理能力延伸到客户自己的数据中心。全新的思科AI POD for Splunk将思科基础设施、英伟达加速计算、Splunk AI运行时软件以及经过Splunk工作负载验证的基于Kubernetes的架构结合在一起。
该配置使Splunk Enterprise客户能够在本地部署、私有云和物理隔离环境中运行AI。这对受监管行业、政府机构以及其他无法将敏感运营数据发送至外部AI服务的组织最具吸引力。
Splunk AI助手目前已可在Splunk/英伟达基础设施上使用，预计今年晚些时候推出的智能体启动平台（Agent Launchpad）将允许客户利用模板、模型上下文协议连接和人工控制手段，在自有基础设施上构建定制化智能体。支持的自托管模型包括思科的深度时间序列模型、谷歌公司的Gemma 4以及OpenAI集团的GPT-OSS 20B。英伟达的Nemotron模型将在未来几个月内加入支持列表。
平帕哈瑞表示，英伟达合作计划并不要求客户在本地AI和云服务之间做出选择。他说：“他们完全可以将两者结合起来。这些合作关系既是正交的，也是互补的。”
在云端方面，与亚马逊网络服务公司达成的一项多年期协议将促成双方共同开发针对智能体的安全产品。Splunk将贡献其数据平台、安全分析和调查工具，而AWS则提供云基础设施和安全信号。两家公司表示，此次合作关系将超越产品集成，还包括联合开发和联合销售计划。
深入安全运营中心
安全是此次全面改造的另一大重点。Splunk正在扩展其智能体化安全运营中心团队，加入专门用于检测工程、威胁狩猎、恶意软件分析、调查、响应和治理的智能体。
这些智能体设计为能够共享上下文并协同工作，如同安全运营中心中不同专家的协作方式。客户可以决定每个智能体获得多大程度的自主权。例如，常规分诊工作可以完全自动化，而隔离基础设施或禁用账户等操作则仍需人工批准。
平帕哈瑞表示：“许多安全运营中心对于分诊环节完全自主化感到非常放心，但他们仍希望建立信心。他们需要建议，但在采取行动和缓解措施时，他们希望有某种治理环节或来自三级安全运营中心分析师的人工审批环节。”
Splunk将这些能力打包为面向希望由分析师做最终决策的组织的“企业安全精要版”，以及面向准备使用更高自主性防御手段的客户的“企业安全高级版”。对暴露面分析（Exposure Analytics）的增强功能增加了更广泛的资产发现、历史追踪和业务上下文，帮助安全团队对漏洞进行优先级排序。
可观测性方面的发布应对了智能体化应用日益凸显的一个障碍：判断智能体是否在正确且经济高效地运行。
监控智能体
Splunk智能体可观测性功能现已可通过Splunk Observability Cloud和思科云控制平台使用。它能够监控支撑智能体运行的基础设施、模型、编排框架、记忆系统和工作流程。Splunk表示，该功能对每一个事件进行评估而不进行抽样，并可应用运行时防护机制来阻止不安全的操作或输出。
平帕哈瑞表示：“这不仅仅是对智能体行为的被动观测，重要的是检查智能体的行为是否符合预期。”Splunk会监控智能体的操作并检测与预期行为的偏差。他说：“如果你不希望智能体超出特定的边界范围，我们就有一个反馈环路来阻止这种行为。”
一项名为Tokenomics的新功能可追踪各模型间的Token消耗情况，以及员工对Claude Code、Codex和Cursor等编码工具的使用情况。该功能将成本归因到团队和用户，将支出与成果关联起来，并利用思科的时间序列模型在计费周期结束前预测消耗量。
Splunk还推出了Observability Studio，该工具利用引导式OpenTelemetry插桩技术，使应用程序在开发阶段就“天生具备可观测性”。一款网络智能应用将思科的网络拓扑、设备健康状况和事件信息引入Splunk，而全新的精要版和高级版则简化了Splunk Observability Cloud的产品打包方式。
综合来看，这些发布展示了思科如何将Splunk更紧密地编织进其网络、安全、计算和管理产品组合中。它们同时也将Splunk的雄心从单纯的机器数据搜索，扩展到通过成本控制、权限管理、运营上下文和人工监督，使这些数据能够被智能体真正使用。
Q&A
Q1：Splunk此次发布的核心内容是什么？
A：Splunk发布了一系列平台、安全和可观测性方面的增强功能，核心是通过思科数据结构等新架构，将自身重新定位为“智能体化企业”的数据与治理基础设施，帮助企业大规模信任并管理AI智能体。
Q2：思科数据结构能解决什么问题？
A：思科数据结构可以在数据所在位置直接进行分析，无需客户将所有数据复制到Splunk中，从而联合Splunk、云对象存储、数据湖及Snowflake、Databricks等平台的数据，有效降低数据采集和索引带来的高昂成本。
Q3：Splunk与英伟达的合作能给客户带来什么好处？
A：通过思科AI POD for Splunk，客户可以在本地部署、私有云和物理隔离环境中运行AI，这对无法将敏感数据发送至外部AI服务的受监管行业和政府机构尤其有价值，同时也可与云服务结合使用。
