每一轮技术海潮都在不休拓宽市场的设想天堑，但真正决定一项前沿技术能否逾越“概想验证”（PoC）天堑、走向规�；�落地的，往往不是最夺目的顶层利用，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从副手进化为可能编排工作流、挪用工具、自主执行工作的智能体，企业面对的主题挑战已不再是模型自身够不够强，而是基础设施是否足够稳重、安整个系是否足够纵深、运维能力是否足够自动化。 萦绕这一判断，思科在上海集中颁布了四项能力：Silicon One G300芯片、AI感知安全接见服务边缘、覆盖全产品组合的AgenticOps，以及与英伟达结合打造的思科安全AI工厂。它们共同指向一个指标：援试祗业把AI从试点推动到大规模出产。 思科大中华区首席执行官黄志明讲了一句形象的迸作：“就像中国十几年前建高铁一样，AI要提快，最沉要的是先把基础架构筹备好。”市场上不休涌现新的AI热点，但真正决定AI能否遍及的，始终是算力、能源、网络架构和安全这些更底层的前提。只有底座先搭好，企业在面对下一轮利用发作时，才会有足够的技术纵深。 沿着这一逻辑，思科在试图沉塑自身的角色。从前，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，思科更但愿把自己放在“关键基础设施服务商”的地位上。 黄志明暗示，随着AI从副手演进到智能体，企业对基础设施的需要正呈指数级增长。思科但愿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，援试祗业更从容地规�；�部署AI。 第一路门槛是基础设施。从前几年，表界谈AI，更多盯着GPU和模型参数；但到了出产阶段，真正露出出来的瓶颈，反而是电力、带宽、内存、光�？橐约翱缡�据中心衔接。侯成功提到，AI数据中心已经不是传统数据中心的线性升级：前端网络衔接利用和用户，后端网络衔接GPU算力，还要有存储网络和治理网络，架构从一路头就被沉写。 第二路门槛是安全。进入AI时期，企业不仅要防备工具被滥用、系统遭逢攻击，还要解决数据泄漏、模型挪用和智能体交互过程中的风险问题。安全不再是部署实现后的补丁，而是企业把AI真正推向业务场景之前的前提。 第三路门槛是数据缺口�；チ�网时期沉淀下来的盛开数据在被急剧亏损，而企业真正有价值的数据往往封关、敏感，受造于隐衷、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，更是信赖、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互换芯片被界说为面向下一代AI网络的主题底座。G300建设智能集群网络，相比未优化流量可将网络利用率提升33%，工作实现功夫缩短28%。它将利用于新一代N9000和8000系统，共同100%液冷架构、1.6T OSFP和800G线性可插拔光�？�，整体能效可提升近70%。在硬件之表，思科同时推出了Nexus One统一治理平台，以简化本地与云端数据中心部署的运维治理。 另一个关键落点，是新升级的AI感知安全接见服务边缘（Cisco AI-Aware SASE）。思科引入了意图感知检测和AI流量优化能力，可能对智能体与工具之间的通讯进行治理，并在负载顶峰期间保险机能不变。通过在SD-WAN与SSE之间实现统一战术执行，并提供对基于MCP交互的深度可视化，企业能够在AI利用全性命周期中更好地保险数据安全、合规和不变运行。 安全之所以被放到如此靠前的地位，也与AI时期攻防关系的变动有关。思科大中华区安全事业部总经理卜宪录将这种变动概括为三个S：Speed、Scope和Scale。快率更快，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没日没夜提议的攻击”。攻击方只必要成功一次，而防守方必须保障每次都不能犯错，这种天然不合称，使得安全必须成为网络原生能力，进入系统内部。 也因而，思科颁发大幅扩大与英伟达合作的安全AI工厂（Cisco Secure AI Factory），为客户提供贯通整个基础设施的AI部署框架。从主题数据中心到边缘节点，从训练、优化到推理，这套架构将网络、推算、安全和可观测性整合到统一参考设计中，援试祗业、新兴云平台、主权云和服务提供商将AI从试点更快推动到大规模出产，并把安全能力前置到部署之初。 与此同时，思科还颁布了全新的AgenticOps职能，并将其界说为贯通产品组合的AI驱动运维。依附覆盖思科网络、安全云节造、思科Nexus One和Splunk等在内的跨域遥测数据源，AgenticOps可能提供系统级洞察，推动网络、安全和可观测机能力向更智能、更急剧的运维方式演进。它要解决的，性质上是企业把AI推向出产之后，“谁来管、怎么管、若何持续优化”的问题。 在中国市场，这套能力又被进一步拉向本地化落地。侯成功暗示，好多全球可行的云化规划，在中国并不能直接复造，思科在中国大陆做了大量在地创新：安全AI工厂分辨全球版与中国大陆版；面向医疗和造作等行业的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、无数据表穿。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衣反说，这种“把能力落到本地”的蹊径至关沉要。 当被问到AI是否会像互联网一样经历泡沫时，黄志明以为，泡沫更多是投资市场的话语，而真正值得关注的，是新技术能否把从前“想得到却做不到”的能力，逐步造成遍及化的基础设施�；チ�网走过了这条路，AI也会如此。 这刚好诠氏缢思科为什么会在“智能体元年”把自己押注在基础设施上。由于企业一旦进入出产级AI阶段，必然会沉新审视自己的网络、电力、安全、治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不变、安全、合规地跑进出产”。 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动的Secure AI Factory，思科性质上都在回覆统一个问题：怎么把基础架构这条路建好，援试祗业在更高的安全要求下，把AI真正从试点推向出产。