AI正在深刻改变企业和服务提供商的网络格局，运营商必须加快演进以支撑AI工作负载。这是思科高管上周在美国参议院小组委员会听证会上发表的核心观点。
思科提供商移动业务首席架构师鲍勃·埃弗森（Bob Everson）出席了参议院商务、科学与交通委员会下设的电信与媒体小组委员会会议。他代表思科就AI现状作证，重点围绕两个核心问题展开：AI如何重塑网络，以及网络如何借助AI释放更大价值。
这场于7月30日举行的听证会以"智能网络：驱动人工智能、变革通信"为主题，旨在探讨AI的快速普及对网络基础设施带来的深远影响。
参议院商务委员会电信与媒体小组委员会主席、内布拉斯加州共和党参议员黛布·菲舍尔（Deb Fischer）在开场陈述中表示："我们将探讨AI的广泛应用如何推动网络演进，促使其具备更大容量和更复杂的架构设计，以支持AI高效运行。我们还将审视政府、服务提供商及其他行业如何回应这一需求。近年来，私营企业已在网络部署上投入数千亿美元，各类联邦宽带项目也提供了数十亿美元，用于支持全国范围内的定向网络部署与维护。"
此次出席作证的证人还来自美国电信协会、范德比尔特大学以及内布拉斯加州公共服务委员会等机构。
AI改变的不仅是流量规模，更是流量行为模式
埃弗森表示："AI改变的不只是网络流量的规模，更是其行为模式。思科监测到，AI推理流量在短短八个月内增长了四倍。传统网络一直以下行内容传输为优化目标，而AI则呈现出更强的双向性和上行密集特征——提示词、上下文信息、传感器数据以及智能体活动，都需要向AI模型回传，且连接持续时间远超传统网络请求。"
"智能体AI进一步放大了上述效应，因为它以软件速度运行。在我们的测试中，一个智能体执行相同任务所产生的流量，比人工操作高出450%，其中约70%的额外流量来自推理请求。"
在园区及分支网络层面，埃弗森指出："过去12个月内，我们已观察到客户因AI工作负载带来的流量增幅高达34%，而预计在未来一年中这一数字将攀升至96%。"
"半数企业客户表示，AI需求主要集中在Wi-Fi网络上；73%的组织已经或预计将在未来24个月内面临园区及分支网络的容量瓶颈。这在很大程度上是因为，大量组织普遍反映东西向流量、延迟敏感型流量以及持续性自动化AI流量显著增加。"
埃弗森还提到，尽管迄今为止大多数AI应用仍依赖运行在中央基础设施上的基础模型，但企业部署小型语言模型、开源模型及专用模型（如视觉和语音模型）的趋势正在加速，这些模型可分布式部署于整个网络之中。他同时强调，上述变化充分印证了FCC于2020年将完整6 GHz频段授权用于免许可证Wi-Fi的前瞻性决策的价值所在。
AI对基础设施的多维影响
在准备发言中，埃弗森从多个维度阐述了AI对网络基础设施的影响：
基础设施层面：AI正驱动向边缘计算的转型。服务提供商需要重点考量"AI原生"流量特征，涵盖技术需求、成本控制以及数据主权与安全等多个方面。
技术层面：机器人、自动驾驶汽车、工业自动化等物理AI应用场景可能需要亚毫秒级的实时决策能力。若自主机器人须将数据发送至中央云端并等待响应，往返延迟将可能超出安全实时操作所能接受的范围。
成本层面：AI运营会产生海量数据。以公共安全领域的高清视频分析为例，每日生成的数据量可达数TB级别，将其回传至中央云端成本高昂，且会引发严重的网络拥塞问题。
数据主权与安全层面：企业和政府对数据主权与安全的关注度持续上升。许多客户对于将敏感信息经公共互联网传输至第三方云服务商，存在安全合规方面的顾虑。
网络借助AI实现更强性能与韧性
埃弗森表示："AI工作负载给致力于保障无缝性能、可靠性与安全性的网络运营商带来了多重挑战，但同时也提供了巨大机遇——借助AI交付全新应用与更优性能、将安全能力融入网络底层架构，并有效管理日益增长的复杂性。智能体AI将改变网络流量的本质，但也将为网络运营商提供以机器速度运营的新工具，从而实现更高的性能、效率与安全水平。"
埃弗森还表示，智能体运维（AgenticOps）使网络能够像自愈系统一样运转。"思科的AI原生工具能够在系统检测到性能下降或硬件即将故障时，自动重新路由流量、调整容量或重新配置网络节点，从而大幅提升关键业务的正常运行时间和可靠性。"
他同时指出，网络运营商面临的最大挑战之一，是管理日益复杂的软件定义网络所面临的人才缺口。"智能体运维使运营商能够自动化处理重复性、低价值任务，如工单处理、配置更新和日常维护。这些工具还有助于弥合人才缺口，降低入门门槛，使初级分析师能够快速上手。通过自动化这些任务，思科的AI赋能平台可以让网络工程师聚焦于更高层次的架构规划与创新，让网络安全分析师将更多精力投入战略性威胁狩猎和检测工程。"
迈向AI原生网络平台
除流量模式的变化外，网络正逐步向AI原生平台演进——不再只是单纯的数据管道，而将成为智能互联的底层基础设施。埃弗森表示，随着网络运营商将计算能力向网络边缘（如铁塔所在的蜂窝站点）迁移，应用将能够直接在网络侧运行。
"一项颇具前景的应用是集成感知与通信（ISAC）技术，它将无线通信与射频感知相融合，利用无线电波的反射来识别物体的位置和运动轨迹。与光学传感器不同，ISAC在低光照、烟雾或遮挡环境下依然能够有效探测入侵，弥补了传统视频分析的不足。"埃弗森表示，"该技术已完成原型开发与演示验证，在自主系统与机器人、AI驱动的智慧设施以及公共安全领域展现出巨大潜力。"
三项政策建议
在总结陈词中，埃弗森向委员会提出了三项未来行动建议：
加速构建美国AI原生技术栈。思科正在AI原生网络的多个维度持续投入，在推进5G-Advanced最新能力落地的同时，积极为6G奠定基础。其中一个典型案例是AI-WIN项目——该项目由思科、英伟达、MITRE、Orion Development Company、博思艾伦以及T-Mobile共同合作，通过融合AI、计算与无线技术，探索从5G-Advanced迈向AI原生6G的安全可靠的美国主导路径。埃弗森建议国会在计算、核心网络和应用等美国具有战略领先优势的领域持续发力。
推动许可审批与基础设施现代化。随着计算资源的日益分布化，许可审批机制必须支持快速且负责任的部署。在审议通用服务基金改革时，委员会应将AI就绪网络的成本演变纳入考量，确保城乡社区均能共享AI发展红利。
维持均衡的频谱政策。国会近期新释放的800兆赫许可频谱，对于实现高容量、高上行连接至关重要；FCC将6 GHz频段授权用于免许可证使用，同样对满足企业需求不可或缺。埃弗森表示："两者的稳定供给是美国保持领先地位的根基，感谢各位为重建这一基础所付出的努力。"
Q&A
Q1：思科监测到AI推理流量增长了多少？
A：思科数据显示，AI推理流量在短短八个月内增长了四倍。与此同时，在智能体层面，测试结果表明一个智能体执行相同任务时产生的流量比人工操作高出450%，其中约70%的额外流量来自推理请求，这对现有网络基础设施构成了显著压力。
Q2：为什么AI工作负载需要边缘计算而不是中央云？
A：主要有三方面原因：一是延迟要求，物理AI场景如机器人和自动驾驶需要亚毫秒级响应，数据往返中央云端的延迟无法满足实时安全操作；二是成本，高清视频分析等应用每天产生TB级数据，回传至云端费用高昂且造成网络拥塞；三是数据主权与安全，许多企业和政府对将敏感数据传输至第三方云服务商存在合规顾虑。
Q3：什么是集成感知与通信（ISAC）技术，它有哪些应用场景？
A：ISAC是一种将无线通信与射频感知相融合的技术，能够通过无线电波的反射来识别物体的位置和运动轨迹。与传统光学传感器相比，ISAC在低光照、烟雾或遮挡等恶劣环境下依然能够有效工作。目前该技术已完成原型开发与演示验证，主要应用场景包括自主系统与机器人控制、AI驱动的智慧设施管理以及公共安全领域。
