在近日举办的AI峰会上，思科阐述了人工智能从实验转向大规模生产部署的发展趋势。公司总裁兼首席产品官Jeetu Patel指出，AI应用正从聊天机器人界面向代理系统、分布式推理和物理AI演进，这为基础设施、安全性和运营管理带来了新的挑战。
Patel分析了当前影响AI部署的三个主要制约因素。首先是基础设施，涉及电力、计算能力、网络带宽、内存和数据中心容量的需求增长。思科正在投入大量资源扩展其在AI基础设施领域的布局，涵盖网络芯片、系统、光学和软件等方面。其次是信任问题，Patel强调安全性是AI采用的基本前提，而非可选项，组织通常不会部署缺乏信任的AI系统。第三个制约是数据缺口，随着公开可用的人类生成训练数据增长放缓，合成和机器生成的数据正迅速增加，尤其在AI代理持续运行的场景中。
思科致力于成为覆盖数据中心、广域网和边缘环境的AI基础设施全栈供应商。Patel介绍了公司的Silicon One路线图，包括用于数据中心内横向扩展AI集群的G200芯片，以及支持长距离互连AI数据中心的新架构。他表示，思科的B200芯片和Cisco 8223路由器针对“跨域扩展”AI架构设计，使分布在数百公里范围内的集群能够协同工作。相干光学技术在铜线接近物理极限时显得日益重要。此外，思科正在将AI推理能力扩展到企业边缘，让延迟敏感的工作负载更靠近用户运行，减少对集中式基础设施的依赖。
思科将2026年视为AI从实验转向生产的关键过渡期，特别是对于代理化AI应用。公司正在开发基于代理的运营模式，以降低复杂性并实现AI基础设施的自动化维护。Patel表示：“我们开始看到像CBS和NEC这样的公司部署AI Defense来保护AI本身，而不仅仅是将AI用于网络防御。”这体现了AI安全性在企业部署中的基础地位。
