跳出算力内卷，AI基础设施才是企业长期胜负手

过去两年,AI产业一直围绕着模型和算力高速前进。参数竞赛不断拉高天花板,GPU成了市场上最紧俏的资源,大模型应用快速涌现,企业也纷纷加快部署节奏,希望尽快把技术转化为业务价值。

但当越来越多的AI应用真正跑进生产环境,风向开始变了。企业关注的重点,从“模型能不能更强”悄然转向了一个更现实的问题:为什么花了这么多钱,效果却不如预期?

GPU投入持续增加,利用效率没有同步跟上;训练规模一上来,网络延迟和资源调度的问题立刻暴露;模型上线一段时间后效果开始波动,后续优化和运营成本不断攀升。这些问题看似零散,却指向同一个事实——AI竞争的重心,正从模型本身,转向支撑模型运行的基础设施。

“企业AI已经从早期的模型热和算力热,进入更加务实的规模化落地阶段。”思科全球副总裁‌兼‌大中华区首席执行官黄志明认为,决定AI能否持续创造价值的,并不只是模型参数和GPU数量,而是网络、数据、安全、能耗、可观测性以及持续运营能力的综合水平。

思科全球副总裁‌兼‌大中华区首席执行官‌ 黄志明先生

这句话切中了很多企业的现实处境:过去两年AI建设的热闹劲儿过后,真正的功夫得回到底层。

《思科2025人工智能就绪指数》中的一组数据很有说服力。全球范围内,只有13%的企业属于AI就绪度最高的“领导者”群体,但这群企业里97%已经以足够规模和速度部署AI,并且拿到了可衡量的投资回报。他们靠的不是比别人更舍得砸钱抢卡,而是在更早的时候做对了一件事——把基础设施当成战略投资,而不是上线前的最后一刻才去补救。

反观中国大陆,62%缺乏架构远见的企业正面临累积“AI基础设施债务”的风险。这个“债务”不是指设备老旧,而是一种更隐蔽的欠账:为了快速推进试点,企业上了大量临时性架构,网络、安全、运营、能耗这些基础能力都没有同步规划。试点阶段看不出大问题,等到AI应用铺开,当初的妥协就会逐一变成瓶颈。

黄志明把这些瓶颈拆成了三层:最底层是架构问题。很多企业直接用传统IT架构去承载AI负载,但这两种东西的运行逻辑完全不同。传统数据中心处理的主要是用户到服务器的南北向流量,而AI数据中心内部,GPU集群之间那种东西向的通信量是惊人的,对带宽、时延和抖动的要求近乎苛刻。如果网络没有提前设计,AI集群的效率会受到影响,GPU利用率也会下降。

往上一层是运营能力。AI从来不是上线就万事大吉的系统。模型会老化,数据分布会漂移,业务需求会调整,安全威胁也在持续演化。如果没有可观测性和自动化运维能力,企业很快就会发现,项目确实“上线了”,但也仅仅是“上线了”,离稳定产出价值还隔着很长一段路。

最容易被低估的是安全和治理。尤其当AI Agent开始冒头之后,这个问题一下子变得紧迫起来。Agent和传统软件不一样,它能自主访问数据、调用工具、执行流程,行为路径复杂,权限需求宽泛。一旦权限控制和安全护栏在设计阶段缺席,后面想补,代价极高。

如果把这些问题放在一起看,就会发现,它们并不是几个彼此独立的技术难题,而是共同指向了同一个命题:AI时代需要一套全新的基础设施逻辑。

过去,网络、安全、存储、运维等能力更多扮演的是”支撑系统”的角色;而今天,它们已经成为决定AI能否稳定运行、持续演进的重要组成部分。真正能够支撑AI规模化落地的底座,不是某一项能力足够突出,而是各项基础能力能够协同工作、形成完整闭环。

其中,网络无疑是整个底座最基础的一环。多数企业对它的印象还停留在“连得上、带宽够就行”的层面,但在AI时代,这一定位彻底失效了。黄志明表示:“网络已经从连接资源的管道,变成了决定AI效率的基础设施。”

一个值得注意的数据是:全球79%的AI领导者已经实现AI与网络的全面集成,而中国大陆企业目前这个比例是31%。这意味着,在网络与AI的融合这件事上,不少企业可能还有一段路要赶。

对此,思科在AI网络上的布局相当坚决。从芯片层面的Cisco Silicon One开始——最新一代G300面向AI后端网络,支持102.4Tbps交换能力——到系统层面的8000系列、Nexus 9000系列,再到智能遥测和自动化运维工具,构建的是一个从硅片到运营界面的完整闭环。

在园区网络侧,思科刚被评为2026年Gartner企业有线和无线LAN基础设施魔力象限的领导者,这体现了其在有线无线融合、多种管理模式、AgenticOps以及安全内建网络方面的持续领先。但更值得企业关注的是:AI网络不是简单扩容带宽,而是要同时做到简单、安全、可预测、可观测、可自动化、可扩展。任何一条腿短了,规模化之后都要摔跟头。

同样在算力的光环下,电力作为另一个关键变量,其战略价值也开始凸显。

过去聊AI基础设施,第一反应永远是GPU数量和浮点算力。但黄志明指出了一个不容回避的新现实:“AI时代,能耗已经从后台问题变成战略问题。”中国大陆超过半数企业预计未来三到五年AI工作负载增幅将超过50%,而电力基础设施部署的正常周期是18到36个月。这个时间差是刚性的——算力可以加钱插队采购,变电站和数据中心扩建没法插队。如果企业只管买卡不管供电,迟早会撞上一堵墙。

这件事上,思科的思路不是盯着单台设备的功耗抠数字,而是从系统架构层面找优化空间。第一层是芯片和网络设备本身的高能效设计;第二层是通过自动化和可观测性提升整体资源利用率,避免算力和网络被低效占用;第三层是统一管理传统负载和AI负载,从整体上协调性能和能耗。

黄志明强调:“未来AI数据中心的竞争,不会只看谁拥有更多算力,而会看谁能以更高效率、更低能耗、更强韧性的方式持续运行AI。”这是思科帮助客户建设下一代数据中心的核心原则。

另外,AI给企业IT架构还带来了一个更深层的冲击——它让过去那些独立运转的烟囱式系统彻底失效了。

一个典型的AI应用,往往需要同时调用数据、模型、网络、云资源、业务系统和安全策略。过去IT建设是模块化的,网络管连接、安全管边界、云管弹性、数据管存储,各管一摊。AI一来,这种分工直接撞墙。系统割裂让AI很难嵌入核心业务流程,只能在边缘打转。

思科的应对逻辑是帮助客户从单点部署走向架构融合,而不是推倒重来。在网络层,构建从数据中心到园区、分支、云和边缘的一致连接;在数据层,基于Splunk平台把散落在各处的机器数据统一激活,变成实时可用的智能,支持跨域联邦搜索而无需移动数据;在安全层,把身份、访问、威胁防护和AI应用安全融为一体;在运营层,通过Splunk、ThousandEyes和网络遥测,提供从用户体验到应用性能再到安全风险的全栈可见性。这个思路的核心其实很简单:AI落地的关键不是多装一套系统,而是让AI能和现有的流程、数据和基础设施真正协同起来。

需要注意的是,AI Agent可能是眼下最让人兴奋也最让人不安的变量。黄志明把Agent称为一种新的“智能体劳动力”——以机器速度持续工作,访问数据,做出判断,执行任务。

这也意味着,每一个Agent都同时成为新的身份、新的访问主体和新的风险点。传统基于网络边界的安全防护体系,在这种场景下已很难满足需求,因为攻击面正在从网络边界延伸到每一个智能体的行为链路。

围绕这些新的安全需求,思科推出了AI Defense。该方案面向AI应用、模型和Agent,覆盖资产发现、风险评估、运行环境保护等能力,并针对提示词注入、敏感数据泄露、模型滥用、越权调用等AI时代的新型攻击提供防护。

同时,思科也在为更长远的安全挑战做准备,将后量子密码学标准应用到产品组合中,并成立量子实验室推进量子网络研究。

思科这一系列布局体现的,其实是一条贯穿始终的思路:安全不能等到AI系统上线之后再去修补,而必须从基础设施设计阶段就融入其中,与网络、数据和运营能力协同演进。

不过,拥有一套完善的基础设施,并不意味着AI项目就能持续创造价值。对于很多企业来说,真正的考验恰恰发生在AI上线之后。“AI上线不是终点,而是持续运营的开始。”在黄志明看来,模型、数据、应用、网络和安全状态都是活的,会持续变化。如果企业不能持续观测性能、成本、风险和业务结果,AI很容易卡在试点阶段,无法形成稳定价值。

这也正是可观测性、自动化运维和持续优化变得如此关键的原因。没有可观测性,企业根本不知道AI系统到底有没有创造价值;没有自动化,复杂环境里出了问题来不及反应;没有持续优化,模型性能会随着时间慢慢衰减。三者合在一起,构成AI持续运营的闭环能力。

值得一提的是,近期收购的Galileo Technologies,进一步补强了AI可观测性和可信AI能力——在生产环境中持续评估AI输出质量、提前发现AI失败、持续优化行为。

除此之外,思科还通过Splunk强化可观测性,强调企业需要AI就绪的基础设施、AI就绪的数据、统一的安全与可观测性平台三类核心能力协同。在黄志明看来,AI运营能力正在成为企业竞争力的核心组成部分——未来领先企业不仅要会部署AI,更要会持续运营AI、优化AI、治理AI,把AI输出稳定转化为业务结果。

写在最后

在AI的洪流中,思科的价值正在被重新认识。

过去外界习惯把它看成一家网络公司,但现在这个标签明显不够用了。从网络到安全再到可观测性,这三个引擎正在把思科推向一个更复合的角色——面向AI时代的基础设施与安全平台公司。

思科CEO Chuck Robbins在2026财年第三季度财报里也印证了这个方向,该季度收入158亿美元,同比增长12%,增长的重要驱动力正是来自客户对连接和保护AI的需求。

显然,网络能否承载AI流量、安全能否适应智能体时代、数据是否能够高效流动、系统是否具备持续观测和运营能力,这些过去容易被视为”后台能力”的部分,正在成为企业AI竞争力的重要组成。

某种意义上,这也是思科希望传递的一个判断:跳出算力内卷之后,企业比拼的,将是AI基础设施的厚度;而决定这场竞争胜负的,也终究是长期能力,而非短期投入。