思科如何为 AI 时代构建智能系统

在科技巨头中，思科是行业领导者之一，正将 AI 的操作性部署推进到内部运营，以及其销往全球客户的工具中。作为一家大公司，其业务涵盖典型 IT 栈的许多领域，包括基础设施、服务、安全和整个企业级网络的设计。

思科的内部团队结合机器学习与 AI 智能体，帮助改进服务交付并为客户个性化用户体验。它构建了一个共享的 AI 架构，基于计算和网络模式，这些模式是多年检查和验证系统的产物——经过实战考验的解决方案，然后有信心提供给客户。基础设施依赖高性能 GPU，但不仅仅是原始算力。关键在于模型训练中计算与网络栈的精心集成，以及推理持续负载的不同需求。

作为企业网络基础设施的事实供应商，其 AI 的知名应用出现在网络自动化中不足为奇。自动化配置工作流和身份管理结合成访问解决方案，专注于自然语言生成的快速网络部署。

对于希望发展为下一代 AI 用户的组织，思科一直在推出硬件和编排工具，明确支持 AI 工作负载。最近与芯片巨头 NVIDIA 的合作，催生了新的交换机系列和 Nexus Hyperfabric AI 网络控制器系列。这些旨在简化复杂集群的部署，这些集群是顶级高性能人工智能集群所需的。

思科与 NVIDIA 和 Run:ai 等合作伙伴的 Secure AI Factory 框架，针对生产级 AI 流水线。它使用分布式编排、GPU 利用率治理、Kubernetes 微服务优化和存储，产品描述为 Intersight。对于更本地的部署，思科 Unified Edge 将所有必要元素——计算、网络、安全和存储——带到数据生成和处理的地方附近。

在延迟指标至关重要的环境中，边缘 AI 处理是答案。但思科的方法不一定是提供专用的 IIoT 特定解决方案。相反，它试图扩展数据中心中常见的操作模型，并将相同技术（如果不是完全相同的方法）应用于边缘站点。这就像数据中心级的安全策略和配置可用于远程安装。在云和边缘拥有相同的原则和标准，意味着思科认证工程师可以使用相同的技能、认证、知识和经验来管理和维护数据中心或小型边缘部署。

安全和风险管理在思科 AI 叙事中占据突出位置。其集成 AI 安全与安全框架在整个 AI 系统生命周期中应用高标准的安全性和安全性。它将对抗性威胁、供应链弱点、多智能体交互的风险概况和多模态漏洞视为必须解决的问题，无论任何部署的性质或规模如何。

思科在操作性 AI 方面的工作也反映了更广泛的生态系统对话。该公司为希望从生成式 AI 过渡到 AI 智能体的组织销售产品，其中自主软件代理执行操作任务。在大多数情况下，这需要新的工具和新的操作协议。

思科未来的 AI 计划包括继续其在 AI 工作负载基础设施提供方面的核心工作。它还追求更广泛地采用 AI 就绪网络，包括下一代无线和统一管理系统，这些系统将控制园区、分支和云环境中的系统。公司还在扩展其软件和平台投资，包括最近的收购（NeuralFabric），以帮助构建更全面的软件栈和产品组合。

总之，思科的 AI 部署策略结合硬件、软件和服务元素，将 AI 嵌入操作中，为组织提供生产级系统的路径。其工作可见于大规模基础设施、统一管理系统、风险缓解以及连接分布式、云和边缘计算的任何地方。