大家都在追模型，思科为什么反复谈AI基础设施？

每一轮技术浪潮都在不断拓宽市场的想象边界但真正决定一项前沿技术能否跨越“概念验证”PoC鸿沟、走向规模化落地的往往不是最耀眼的顶层应用而是坚实的底层基础设施。在2026上海Cisco Connect大会上思科传递了一个明确的行业判断当AI从助手进化为能够编排工作流、调用工具、自主执行任务的智能体企业面临的核心挑战已不再是模型本身够不够强而是基础设施是否足够稳健、安全体系是否足够纵深、运维能力是否足够自动化。围绕这一判断思科在上海集中发布了四项能力Silicon One G300芯片、AI感知安全访问服务边缘、覆盖全产品组合的AgenticOps以及与英伟达联合打造的思科安全AI工厂。它们共同指向一个目标帮助企业把AI从试点推进到大规模生产。先修路再提速思科大中华区首席执行官黄志明讲了一句形象的比喻“就像中国十几年前建高铁一样AI要提速最重要的是先把基础架构准备好。”市场上不断涌现新的AI热点但真正决定AI能否普及的始终是算力、能源、网络架构和安全这些更底层的条件。只有底座先搭好企业在面对下一轮应用爆发时才会有足够的技术纵深。思科全球副总裁兼大中华区首席执行官黄志明沿着这一逻辑思科正在试图重塑自身的角色。过去市场更习惯将其界定为一家老牌的网络设备与安全巨头但在AI主导的新周期里思科更希望把自己放在“关键基础设施服务商”的位置上。黄志明表示随着AI从助手演进到智能体企业对基础设施的需求正呈指数级增长。思科希望为中国企业提供涵盖网络、安全与可观测性的关键基础设施帮助企业更从容地规模化部署AI。AI进入生产要先跨过三道门槛交流中思科大中华区首席技术官侯胜利把AI落地的现实障碍概括为三点基础设施、安全和数据。思科大中华区资深副总裁兼首席技术官侯胜利第一道门槛是基础设施。过去几年外界谈AI更多盯着GPU和模型参数但到了生产阶段真正暴露出来的瓶颈反而是电力、带宽、内存、光模块以及跨数据中心连接。侯胜利提到AI数据中心已经不是传统数据中心的线性升级前端网络连接应用和用户后端网络连接GPU算力还要有存储网络和管理网络架构从一开始就被重写。第二道门槛是安全。进入AI时代企业不仅要防范工具被滥用、系统遭受攻击还要解决数据泄漏、模型调用和智能体交互过程中的风险问题。安全不再是部署完成后的补丁而是企业把AI真正推向业务场景之前的前提。第三道门槛是数据缺口。互联网时代沉淀下来的开放数据正在被快速消耗而企业真正有价值的数据往往封闭、敏感受制于隐私、合规和可得性。大模型越往深处走最终面对的也不只是能力问题更是信任、合规与数据供给问题。这三道门槛正对应着思科此次在上海发布的四个能力支点。推进智能体时代的AI基础设施其中最底层的一块是Silicon One G300。这款102.4Tbps交换芯片被定义为面向下一代AI网络的核心底座。G300配备智能集群网络相比未优化流量可将网络利用率提升33%任务完成时间缩短28%。它将应用于新一代N9000和8000系统配合100%液冷架构、1.6T OSFP和800G线性可插拔光模块整体能效可提升近70%。在硬件之外思科同时推出了Nexus One统一管理平台以简化本地与云端数据中心部署的运维管理。另一个关键落点是新升级的AI感知安全访问服务边缘Cisco AI-Aware SASE。思科引入了意图感知检测和AI流量优化能力能够对智能体与工具之间的通信进行治理并在负载高峰期间保障性能稳定。通过在SD-WAN与SSE之间实现统一策略执行并提供对基于MCP交互的深度可视化企业可以在AI应用全生命周期中更好地保障数据安全、合规和稳定运行。安全之所以被放到如此靠前的位置也与AI时代攻防关系的变化有关。思科大中华区安全事业部总经理卜宪录将这种变化概括为三个SSpeed、Scope和Scale。速度更快攻击覆盖面更广数量级增长。企业今天要面对的可能是“无数个Agent没日没夜发起的攻击”。攻击方只需要成功一次而防守方必须保证每次都不能出错这种天然不对称使得安全必须成为网络原生能力进入系统内部。思科大中华区安全事业部总经理卜宪录也因此思科宣布大幅扩展与英伟达合作的安全AI工厂Cisco Secure AI Factory为客户提供贯穿整个基础设施的AI部署框架。从核心数据中心到边缘节点从训练、优化到推理这套架构将网络、计算、安全和可观测性整合到同一参考设计中帮助企业、新兴云平台、主权云和服务提供商将AI从试点更快推进到大规模生产并把安全能力前置到部署之初。与此同时思科还发布了全新的AgenticOps功能并将其定义为贯穿产品组合的AI驱动运维。依托覆盖思科网络、安全云控制、思科Nexus One和Splunk等在内的跨域遥测数据源AgenticOps能够提供系统级洞察推动网络、安全和可观测性能力向更智能、更快速的运维方式演进。它要解决的本质上是企业把AI推向生产之后“谁来管、怎么管、如何持续优化”的问题。在中国市场这套能力又被进一步拉向本地化落地。侯胜利表示很多全球可行的云化方案在中国并不能直接复制思科在中国大陆做了大量在地创新安全AI工厂区分全球版与中国大陆版面向医疗和制造等行业的AI OPS场景已经落地本地服务创新版本的Agentic AIOps支持Multi-AgentMCP架构集成NetOps与SecOps并支持On-Prem部署、无数据外穿。对于中国企业尤其是对数据主权、合规和本地部署敏感的行业来说这种“把能力落到本地”的路径至关重要。泡沫也许会破但基础设施会留下当被问到AI是否会像互联网一样经历泡沫时黄志明认为泡沫更多是投资市场的话语而真正值得关注的是新技术能否把过去“想得到却做不到”的能力逐步变成普及化的基础设施。互联网走过了这条路AI也会如此。这恰恰解释了思科为什么会在“智能体元年”把自己押注在基础设施上。因为企业一旦进入生产级AI阶段必然会重新审视自己的网络、电力、安全、管理平面和跨域调度能力必然会从“有没有在试AI”走向“能不能把AI稳定、安全、合规地跑进生产”。从Silicon One G300到AI-Aware SASE再到覆盖全产品组合的AgenticOps以及与英伟达合作推进的Secure AI Factory思科本质上都在回答同一个问题怎样把基础架构这条路修好帮助企业在更高的安全要求下把AI真正从试点推向生产。