在亚太、日本及大中华区（APJC）活动上，思科提出智能体AI本质上首先是一个网络问题。公司以流量模式、安全性和运维为依据，并通过从芯片到安全运营中心（SOC）的一系列发布予以佐证。
迄今为止，关于AI的讨论大多集中在GPU、AI工厂和数据中心上。本周在墨尔本举行的思科Live APJC大会上，思科将焦点转向了园区、分支机构以及连接一切的网络本身。开场主题演讲为行业现状定下了务实的调性：智能体的行为方式与人类不同，为人类设计的网络架构在面对数千个全天候运行的智能体时将难以为继。
思科亚太、日本及大中华区总裁Ben Dawson列举了网络团队需要理解的关键数据。他表示，今年2月，智能体的Token消耗量首次超过人类消耗量，目前智能体消耗Token的速度大约是人类的七倍。“每个智能体在执行同样任务时产生的流量和数据量都远超人类，”Dawson说道。
这一点对网络专业人士至关重要。聊天机器人时代的流量模式呈突发性，且主要是南北向的：一条提示词发往云端，再返回一个答案。思科产品组合战略与营销高级副总裁Jeff Schultz解释了智能体如何改变这一格局。它们仍会产生大量南北向流量以访问模型和上下文信息，但同时也会在智能体之间产生大量东西向流量，这些流量跨越桌面端、园区、分支机构和数据中心，用于智能体彼此间的通信。“这一切再次印证了一个观点：我们需要从根本上重新构想园区和分支网络的架构，”Schultz说。
有线网络并未过时，但网络尚未准备好
Dawson谈及有线网络的复兴时提出了一个颇为有趣的观点。“AI将对有线基础设施提出新的要求，使其变得更加关键，”他说。我对此表示认同，因为许多机构已经将接入层视为普通商品长达十年之久，而智能体的到来将考验这一决策是否正确。
网络准备度的差距十分显著。思科首席销售官Oliver Tuszik引用IDC数据称，该地区只有9%的机构认为其网络已经完全准备好应对新的AI及数字化举措。他还引用研究数据指出，全球85%的机构正在试验智能体，但只有5%已将其部署到生产环境中。在我与多位CIO的交流中，网络往往正是让他们卡在这一差距中的关键因素。
思科的解决方案覆盖了其整个技术栈。在数据中心领域，Schultz重点介绍了基于Silicon One G300芯片、用于横向扩展（scale-out）的102.4 Tbps系统，提供风冷和液冷选项，并可选择NX-OS或SONiC操作系统。在跨域扩展（scale-across）方面，深度缓冲的Silicon One P200芯片可实现跨城域、长途甚至跨大陆距离的数据中心互联。
在园区网络方面，对网络运维人员而言最重要的消息涉及遥测技术。思科目前正将ThousandEyes集成至其Wi-Fi 6E和Wi-Fi 7接入点中，对于持有符合条件的Networking Essentials和Advantage许可证的客户，这项功能无需额外付费。Schultz承认ThousandEyes此前在授权和部署方面“确实有些困难”，如今思科正将其变为默认修复方案。智能体化运维依赖于底层的遥测数据，在每个新接入点上部署保障数据，为思科的AgenticOps智能体提供了真正可用的工作基础。
运维必须跟上智能体的速度
思科Cloud Control是思科统一的运维平台，正如Schultz所言，它是思科产品组合的“唯一前门”。该平台整合了跨域遥测数据、专门构建的模型，以及思科自身及第三方的智能体。两个细节引起了网络工程师的关注。首先，Schultz表示，除非与Cloud Control实现集成，思科今后不会发布任何新产品。思科多年来一直需要这种纪律性。历史上，思科曾以孤立方式构建产品，并将集成工作留给客户自行解决。在首席产品官Jeetu Patel的带领下，思科已承诺主动吸收复杂性，为客户简化流程，而Cloud Control正是这一承诺的有力例证。
其次，该平台的可用性目前仍有限。Cloud Control目前仅适用于基于美国的基础设施。澳大利亚、欧盟和英国预计于2027年2月上线，日本、印度和加拿大将在5月跟进。
闭合信任循环
对网络工程师而言，此次主题演讲中另一个重要信息，是Schultz所说的“观察智能体与保护智能体之间的界限正变得模糊”。他举例提到一个智能体突然删除了1万个文件。这究竟是遭到了入侵，还是它自行决定释放磁盘空间？无论是安全工具还是监控工具，单独都无法回答这个问题。
在此前与Patel的交流中，他曾将这一机制描述为“持续信任循环”，并告诉我，如果没有安全性、治理能力和可观测性，AI就无法实现规模化发展。这一循环由三个部分组成。
第一部分是测试。思科AI Defense正在将Anthropic的Claude Mythos接入其自适应红队测试引擎。思科为此设定了严格的限制：Mythos只会测试客户拥有并已注册的目标；每次测试都与具名操作员以加密方式绑定；测试会话有时间限制且可随时停止；客户不能直接向模型发送提示词。该功能将于近期向部分精选企业开放，之后将逐步向符合条件的更多客户推广。
第二部分是成本与质量。Splunk Agent Observability的Tokenomics功能借助Amazon Bedrock和CloudWatch的数据，将每个智能体的支出与其工作成果评估相结合。该功能将于12月进入私密预览阶段，并于2027年初在AWS Marketplace上正式上线。Splunk全新的Eval-G1小语言模型可执行评估和防护措施，据思科称，其成本比商用大语言模型低至多98%，使得对全部智能体流量进行检查（而非抽样检查）变得切实可行。Schultz指出，Token经济学本身也是一个安全问题：在智能体驱动的攻击中，Token使用效率更高的一方将占据优势。
第三部分对网络团队而言最为重要。思科IQ的漏洞、生命周期和配置数据现已通过Cisco Data Fabric接入Splunk平台，使SOC分析师或AI智能体能够将Splunk Enterprise Security中的实时检测结果，与存在风险的交换机或路由器一一对应。新的MCP和ServiceNow连接器可将这些发现转化为与资产关联的问题记录。这一举措弥合了网络状态与安全工作流之间长期存在的鸿沟，而这一鸿沟多年来一直拖慢了事件响应速度。
速度是关键原因。思科负责APJC客户体验部门的Jacqui Guichelaar表示，在漏洞披露当天或之前被利用的攻击比例，已从2019年的22%上升到今年的78%。思科还扩展了Live Protect功能，该功能可推送“防护盾”，在补丁应用之前阻止关键漏洞被利用。
客户的真实反馈
客户的真实案例比产品幻灯片更具说服力。Asahi饮料公司首席数字与信息官John Kelvie介绍了公司位于墨尔本的全新总部，可容纳约1000名员工，该办公楼基于思科SD-Access架构构建，使网络从一开始就能实现分段和安全管理。“我们不能用昨天的技术来构建明天的AI型组织和企业，”他说，并将网络称为公司的“神经系统”。此后，Asahi已将生产车间的运营技术（OT）整合到统一的IP网络中。公司的目标是提供一致的体验，无论员工身处总部、酿酒厂、配送中心，还是在马来西亚或新西兰办公。正如Kelvie所言，这项技术“必须做到无感运行”。
Asahi目前已将AI应用于需求感知、预测优化、贸易促销以及后台自动化等领域。Kelvie表示，下一阶段将从团队层面的试验，转向覆盖整个企业的“更少但更大规模的举措”。他面临的最大障碍并非人员或技术，而是数据。“AI会放大你的优势，但同样也会放大你的不一致之处，”他说。Asahi的酒类业务和非酒类业务中仍有部分流程各自独立运作，由此产生了不同版本的数据真相。协调统一这些流程，是公司正在建设的全自动配送中心的先决条件，该中心承诺实现“一个客户、一份订单、一次配送”。他表示，提升速度并不意味着必须增加复杂性。
印尼运营商XLSmart的首席信息官Yessie Yosetya面临的起点则更为艰难。在公司完成合并之后，她继承了两套安全态势迥异的网络，其中一套基于NIST成熟度模型的评分为3.2，另一套仅为1.6。较为简单的做法是逐一比较两套遗留系统中的工具，保留表现更优的一方，如此重复54次。但她选择退后一步，围绕五个领域重新设计架构：监控与检测、身份管理、网络、应用程序，以及智能体化的SOC。“我们不是在两个‘过去’之间做选择，”她说。最终结果是安全工具的数量从54种精简至14种。
她在使用智能体过程中的经历，也为那些自行搭建系统的团队提供了有益警示。XLSmart投入了8个智能体用于红队、蓝队和紫队测试，但随后发现，若没有标准化和指导，这些智能体根本无法规模化运行。“我们无法用人类的速度去对抗机器的速度，”她说。她在选择合作伙伴方面给出了务实的建议：观察供应商在问题出现时的反应方式。那些专注于寻找解决方案的供应商，才是真正具备执行能力的合作伙伴。
结语
思科的核心观点是：当芯片、系统、光学器件、运维、安全和可观测性这一整套技术栈都出自单一供应商时，其整体表现会更出色。担心被单一供应商锁定的客户对此可能持怀疑态度，开放生态系统的叙事也仍需用实践证明自身价值。但这一论点本身是成立的：智能体将改变流量模式，增加非人类身份的数量，并以多数网络团队预期之外的速度压缩响应时间窗口。
对IT领导者而言，务实的行动步骤十分明确。重新审视园区和分支机构的容量规划，并将东西向智能体流量纳入考量。将遥测技术视为设计层面的必要需求，而非附加功能。
现在就应促成网络、安全和可观测性团队协同合作，因为没有任何单一团队能够独立判断某个智能体的行为究竟是一个缺陷，还是一次安全漏洞。要认识到，目前只有9%的机构认为其网络已经为AI做好准备。让自身网络做好准备，可能比选择哪个模型更为重要。
