AI正在深刻改變企業和服務提供商的網路格局，運營商必須加快演進以支撐AI工作負載。這是思科高管上周在美國參議院小組委員會聽證會上發表的核心觀點。
思科提供商移動業務首席架構師巴布·埃弗森（Bob Everson）出席了參議院商務、科學與交通委員會下設的電信與媒體小組委員會會議。他代表思科就AI現狀作證，重點圍繞兩個核心問題展開：AI如何重塑網路，以及網路如何藉助AI釋放更大價值。
這場於7月30日舉行的聽證會以"智能網路：驅動人工智慧、變革通信"為主題，旨在探討AI的快速普及對網路基礎設施帶來的深遠影響。
參議院商務委員會電信與媒體小組委員會主席、內布拉斯加州共和黨參議員黛布·菲舍爾（Deb Fischer）在開場陳述中表示："我們將探討AI的廣泛應用如何推動網路演進，促使其具備更大容量和更複雜的架構設計，以支持AI高效運行。我們還將審視政府、服務提供商及其他行業如何回應這一需求。近年來，私營企業已在網路部署上投入數千億美元，各類聯邦寬帶項目也提供了數十億美元，用於支持全國範圍內的定向網路部署與維護。"
此次出席作證的證人還來自美國電信協會、范德比爾特大學以及內布拉斯加州公共服務委員會等機構。
AI改變的不僅是流量規模，更是流量行為模式
埃弗森表示："AI改變的不只是網路流量的規模，更是其行為模式。思科監測到，AI推理流量在短短八個月內增長了四倍。傳統網路一直以下行內容傳輸為優化目標，而AI則呈現出更強的雙向性和上行密集特徵——提示詞、上下文資訊、傳感器數據以及智能體活動，都需要向AI模型回傳，且連接持續時間遠超傳統網路請求。"
"智能體AI進一步放大了上述效應，因為它以軟體速度運行。在我們的測試中，一個智能體執行相同任務所產生的流量，比人工操作高出450%，其中約70%的額外流量來自推理請求。"
在園區及分支網路層面，埃弗森指出："過去12個月內，我們已觀察到客戶因AI工作負載帶來的流量增幅高達34%，而預計在未來一年中這一數字將攀升至96%。"
"半數企業客戶表示，AI需求主要集中在Wi-Fi網路上；73%的組織已經或預計將在未來24個月內面臨園區及分支網路的容量瓶頸。這在很大程度上是因為，大量組織普遍反映東西向流量、延遲敏感型流量以及持續性自動化AI流量顯著增加。"
埃弗森還提到，儘管迄今為止大多數AI應用仍依賴運行在中央基礎設施上的基礎模型，但企業部署小型語言模型、開源模型及專用模型（如視覺和語音模型）的趨勢正在加速，這些模型可分布式部署於整個網路之中。他同時強調，上述變化充分印證了FCC於2020年將完整6 GHz頻段授權用於免許可證Wi-Fi的前瞻性決策的價值所在。
AI對基礎設施的多維影響
在準備發言中，埃弗森從多個維度闡述了AI對網路基礎設施的影響：
基礎設施層面：AI正驅動向邊緣計算的轉型。服務提供商需要重點考量"AI原生"流量特徵，涵蓋技術需求、成本控制以及數據主權與安全等多個方面。
技術層面：機器人、自動駕駛汽車、工業自動化等物理AI應用場景可能需要亞毫秒級的實時決策能力。若自主機器人須將數據發送至中央雲端並等待響應，往返延遲將可能超出安全實時操作所能接受的範圍。
成本層面：AI運營會產生海量數據。以公共安全領域的高清影片分析為例，每日生成的數據量可達數TB級別，將其回傳至中央雲端成本高昂，且會引發嚴重的網路擁塞問題。
數據主權與安全層面：企業和政府對數據主權與安全的關注度持續上升。許多客戶對於將敏感資訊經公共網際網路傳輸至第三方雲服務商，存在安全合規方面的顧慮。
網路藉助AI實現更強性能與韌性
埃弗森表示："AI工作負載給致力於保障無縫性能、可靠性與安全性的網路運營商帶來了多重挑戰，但同時也提供了巨大機遇——藉助AI交付全新應用與更優性能、將安全能力融入網路底層架構，並有效管理日益增長的複雜性。智能體AI將改變網路流量的本質，但也將為網路運營商提供以機器速度運營的新工具，從而實現更高的性能、效率與安全水平。"
埃弗森還表示，智能體運維（AgenticOps）使網路能夠像自愈系統一樣運轉。"思科的AI原生工具能夠在系統檢測到性能下降或硬體即將故障時，自動重新路由流量、調整容量或重新配置網路節點，從而大幅提升關鍵業務的正常運行時間和可靠性。"
他同時指出，網路運營商面臨的最大挑戰之一，是管理日益複雜的軟體定義網路所面臨的人才缺口。"智能體運維使運營商能夠自動化處理重複性、低價值任務，如工單處理、配置更新和日常維護。這些工具還有助於彌合人才缺口，降低入門門檻，使初級分析師能夠快速上手。通過自動化這些任務，思科的AI賦能平台可以讓網路工程師聚焦於更高層次的架構規劃與創新，讓網路安全分析師將更多精力投入戰略性威脅狩獵和檢測工程。"
邁向AI原生網路平台
除流量模式的變化外，網路正逐步向AI原生平台演進——不再只是單純的數據管道，而將成為智能互聯的底層基礎設施。埃弗森表示，隨著網路運營商將計算能力向網路邊緣（如鐵塔所在的蜂窩站點）遷移，應用將能夠直接在網路側運行。
"一項頗具前景的應用是集成感知與通信（ISAC）技術，它將無線通信與射頻感知相融合，利用無線電波的反射來識別物體的位置和運動軌跡。與光學傳感器不同，ISAC在低光照、煙霧或遮擋環境下依然能夠有效探測入侵，彌補了傳統影片分析的不足。"埃弗森表示，"該技術已完成原型開發與演示驗證，在自主系統與機器人、AI驅動的智慧設施以及公共安全領域展現出巨大潛力。"
三項政策建議
在總結陳詞中，埃弗森向委員會提出了三項未來行動建議：
加速構建美國AI原生技術棧。思科正在AI原生網路的多個維度持續投入，在推進5G-Advanced最新能力落地的同時，積極為6G
奠定基礎。其中一個典型案例是AI-WIN項目——該項目由思科、英偉達、MITRE、Orion Development Company、博思艾倫以及T-Mobile共同合作，通過融合AI、計算與無線技術，探索從5G-Advanced邁向AI原生6G的安全可靠的美國主導路徑。埃弗森建議國會在計算、核心網路和應用等美國具有戰略領先優勢的領域持續發力。
推動許可審批與基礎設施現代化。隨著計算資源的日益分布化，許可審批機制必須支持快速且負責任的部署。在審議通用服務基金改革時，委員會應將AI就緒網路的成本演變納入考量，確保城鄉社區均能共享AI發展紅利。
維持均衡的頻譜政策。國會近期新釋放的800兆赫許可頻譜，對於實現高容量、高上行連接至關重要；FCC將6 GHz頻段授權用於免許可證使用，同樣對滿足企業需求不可或缺。埃弗森表示："兩者的穩定供給是美國保持領先地位的根基，感謝各位為重建這一基礎所付出的努力。"
Q&A
Q1：思科監測到AI推理流量增長了多少？
A：思科數據顯示，AI推理流量在短短八個月內增長了四倍。與此同時，在智能體層面，測試結果表明一個智能體執行相同任務時產生的流量比人工操作高出450%，其中約70%的額外流量來自推理請求，這對現有網路基礎設施構成了顯著壓力。
Q2：為什麼AI工作負載需要邊緣計算而不是中央雲？
A：主要有三方面原因：一是延遲要求，物理AI場景如機器人和自動駕駛需要亞毫秒級響應，數據往返中央雲端的延遲無法滿足實時安全操作；二是成本，高清影片分析等應用每天產生TB級數據，回傳至雲端費用高昂且造成網路擁塞；三是數據主權與安全，許多企業和政府對將敏感數據傳輸至第三方雲服務商存在合規顧慮。
Q3：什麼是集成感知與通信（ISAC）技術，它有哪些應用場景？
A：ISAC是一種將無線通信與射頻感知相融合的技術，能夠通過無線電波的反射來識別物體的位置和運動軌跡。與傳統光學傳感器相比，ISAC在低光照、煙霧或遮擋等惡劣環境下依然能夠有效工作。目前該技術已完成原型開發與演示驗證，主要應用場景包括自主系統與機器人控制、AI驅動的智慧設施管理以及公共安全領域。
