思科如何为AI时代构建智能系统

在科技领域的巨头企业中，思科是推进AI在内部运营和面向全球客户产品中实际部署的行业领导者之一。作为一家大型公司，其业务涵盖了典型IT架构的多个领域，包括基础设施、服务、安全以及整个企业级网络的设计。

思科的内部团队采用机器学习和智能体AI的结合，帮助改善自身的服务交付并为客户提供个性化用户体验。公司构建了一个基于计算和网络模式的共享AI架构，这是经过多年检验和验证系统的产物——经过实战考验的解决方案，使其有信心向客户提供这些技术。

所用基础设施当然依赖高性能GPU，但这不仅仅是原始算力的问题。关键在于模型训练中使用的计算和网络堆栈之间的精心集成，以及推理的持续负载所带来的完全不同的需求。

作为企业网络基础设施的事实标准供应商，思科在网络自动化领域的一些知名AI应用案例毫不意外。自动化配置工作流程和身份管理相结合，形成了专注于通过自然语言生成快速网络部署的访问解决方案。

对于希望发展为下一代AI用户的组织，思科一直在推出明确旨在支持AI工作负载的硬件和编排工具。最近与芯片巨头英伟达的合作催生了新的交换机产品线和Nexus Hyperfabric系列AI网络控制器。这些产品旨在简化顶级高性能人工智能集群所需复杂集群的部署。

思科与英伟达和Run:ai等合作伙伴的安全AI工厂框架旨在构建生产级AI流水线。它使用分布式编排、GPU利用治理、Kubernetes微服务优化和存储，统一在Intersight产品描述下。对于更多本地部署，思科统一边缘将所有必要元素——计算、网络、安全和存储——部署在数据生成和处理的附近。

在延迟指标至关重要的环境中，边缘AI处理是解决方案。但思科的方法并不一定是提供专门的工业物联网特定解决方案。相反，它尝试扩展数据中心中典型的运营模型，并将相同的技术（如果不是完全相同的方法论）应用到边缘站点。这就像为远程安装提供数据中心级别的安全策略和配置。在云端和边缘拥有相同的准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叙述中占据重要地位。其集成AI安全和安全框架在AI系统的整个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式漏洞视为无论部署性质或规模如何都必须解决的问题。

思科在运营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过渡到智能体AI的组织销售产品，其中自主软件智能体执行运营任务。在大多数情况下，这需要新的工具和新的运营协议。

思科未来的AI计划包括继续其在AI工作负载基础设施供应方面的核心工作。它还在追求AI就绪网络的更广泛采用，包括下一代无线和统一管理系统，这些系统将控制校园、分支机构和云环境中的系统。该公司还在扩大其软件和平台投资，包括其最近的收购（NeuralFabric），以帮助其构建更全面的软件堆栈和产品组合。

总结而言，思科的AI部署策略结合了硬件、软件和服务元素，将AI嵌入运营中，为组织提供了通向生产级系统的路径。其工作可以在大规模基础设施、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找到。

Q&A

Q1：思科在AI方面主要做什么？

A：思科在AI方面的工作主要包括：在内部运营中使用机器学习和智能体AI改善服务交付，构建共享AI架构，提供支持AI工作负载的硬件和编排工具，开发网络自动化解决方案，以及与英伟达等合作伙伴推出AI网络控制器和安全AI工厂框架。

Q2：思科的边缘AI解决方案有什么特点？

A：思科的边缘AI方案通过统一边缘产品将计算、网络、安全和存储部署在数据生成处附近，解决延迟问题。其特点是不提供专门的工业物联网解决方案，而是将数据中心的运营模型和技术扩展到边缘站点，使工程师能用相同技能管理不同规模的部署。

Q3：思科如何保障AI系统的安全性？

A：思科通过集成AI安全和安全框架在AI系统整个生命周期中应用高安全标准。该框架考虑对抗性威胁、供应链弱点、多智能体交互风险以及多模式漏洞等问题，确保无论部署性质或规模如何都能得到适当的安全保障。