bv伟德客户端

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。 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。 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。 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。 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S：Speed、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。 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-Agent+MCP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。 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。