对话思科大中华区CTO侯胜利：AI正站在互联网式爆发的前夜

南方财经 21世纪经济报道记者吴斌 上海报道

从二十世纪五十年代“诞生”至今，人工智能几经起落。每当一项技术突破引发热潮，随后又因缺乏实质进展而降温，“泡沫”之说不绝于耳。

如今，在大模型与智能体接连引爆市场的背景下，AI是否又一次被高估？思科大中华区资深副总裁兼首席技术官侯胜利给了一个审慎而乐观的判断：当前AI的发展态势与2000年互联网泡沫时期高度相似，泡沫之后，真正的应用繁荣即将到来。

侯胜利认为，AI的竞争焦点已经发生根本性转移——从过去比拼大模型参数、算力规模，转向了应用层创新。各类智能体的涌现正在改变人机协作的方式，但智能体之间的互联互通、数据孤岛的打通，仍是摆在行业面前的关键课题。他预计智能体今年会大爆发，AI将像当年的互联网一样，逐步渗透到每一个生产与生活场景。

然而，AI的大规模落地并非坦途。侯胜利提醒，当前AI面临着三大瓶颈：基础设施（算力、带宽、电力的结构性紧张）、安全（工具滥用与数据泄露风险）以及数据缺口（开源数据耗尽，合成数据成为主流）。其中，信任与安全是企业从“试用AI”转向“大规模投产”的关键障碍。

“企业既害怕错失机遇，也害怕输给竞争对手，所以只能大步快跑。”侯胜利表示，AI不是选项，而是必然，企业需要安全、可靠、可运维的AI基础设施，为业务发展保驾护航，加速创新落地。

从此前AlphaGo掀起的热潮，到后来因缺乏进一步突破而归于沉寂，“AI泡沫”的担忧时常浮现。侯胜利表示，这一轮大模型刚兴起时，行业普遍陷入了盲目比拼参数和算力的误区，无论是否有实际应用场景，大家都在追求“更大、更快”。

但从最近一两年开始，风向发生了明显转变。侯胜利观察到，业界的关注点已经从“谁的模型更强”转向了“谁能解决实际问题”。各类AI智能体的快速涌现，就是这一转变的典型标志。过去，订房、查天气、订票等任务由不同的智能体独立完成，彼此之间无法协作；而现在，行业正在努力打通不同智能体之间的信息壁垒，让它们能够协同完成更复杂的任务。

他以医疗场景为例，说明AI应用的真实价值。在某大型医院，超过七成的专家号源曾被号贩子抢占。通过AI技术对患者行为进行精细分析，可以从支付时间、网络地址等数十个维度精准区分真实患者与号贩子，从而将号贩子的成功率大幅压低。这一案例表明，AI不是在制造泡沫，而是在解决实实在在的社会痛点。

侯胜利将当前的AI与2000年左右的互联网进行类比。那时，人们大多只知道上网冲浪，没有人能预见到后来“互联网+”会催生出电子商务、移动支付、在线教育等庞大生态。他认为，AI正处在类似的拐点上——泡沫或许存在，但泡沫之后，将是一个深度融合、遍地开花的应用新时代。

尽管前景广阔，但侯胜利坦言，AI要实现大规模落地，必须跨越三大瓶颈。第一个瓶颈是基础设施。他特别指出，基础设施不仅仅是算力问题，还包括带宽和电力。在中国，国家对基础设施投入较大，发展相对顺利，但在欧美一些地区，新建AI算力中心甚至被要求自带发电系统。此外，内存涨价也是AI带来的连锁反应——一方面网络性能飞速提升，另一方面存储技术缺乏突破性创新，加之产能向高端存储倾斜，导致传统设备的内存供应趋紧。

第二个瓶颈是安全，这也是侯胜利认为当前最紧迫的挑战。他援引思科近期的一份报告指出，超过七成的企业客户已经计划使用代理式AI，但其中只有极少数真正将其大规模投入生产环节。造成这一巨大落差的核心原因，正是信任与安全。企业担心AI工具被滥用、系统遭受攻击，也担心自身的业务数据在AI应用中被泄露。没有可靠的安全保障，AI就只能停留在实验室和试点项目，无法进入核心业务。

第三个瓶颈是数据缺口。过去，人们认为互联网上的数据取之不尽、用之不竭。但事实上，大量有价值的数据掌握在企业或机构手中，因涉及隐私或商业机密而被封闭。经过几年的快速消耗，开源免费的数据资源已经基本用尽。当前，大模型训练大量依赖“合成数据”——即按照一定规则人工生成的数据，而非真实世界的原始数据。这将对模型的可靠性、泛化能力以及长期发展构成潜在制约。

侯胜利提醒，三大瓶颈相互关联。例如，基础设施的不足会限制数据采集和处理能力，安全漏洞则会削弱企业共享数据的意愿。要推动AI健康发展，必须系统性地解决这些问题。企业当前所处的环境是“业务驱动”——既害怕错过AI带来的机遇，又担心在竞争中被对手甩下，因此只能边跑边解决问题，需要从底层基础设施入手，提供安全可靠方案。

面对上述挑战，侯胜利认为，可以从三个层面构建应对体系。

第一个层面是设备。传统的路由器、交换机、防火墙等IT基础设施，都必须全面支持AI功能，具备面向AI的连接和扩展能力。没有底层设备的AI化，上层的智能应用就如同空中楼阁。

第二个层面是系统。AI时代的数据中心结构与以往截然不同。侯胜利介绍，AI就绪数据中心至少需要四张网络：连接应用服务器和用户的前端网络、连接GPU提供算力的后端网络、存储网络以及管理网络。园区网络和广域网络也同样需要重构，以适应AI流量的突发性和大带宽特征。

第三个层面是运维。AI系统日益复杂，如何通过简单、智能的方式统一管理和运维，是企业最迫切的需求。思科致力于将AI能力注入运维平台，实现从物理层到应用层的可视、可管、可控。例如，系统可以自动分析每一次AI查询所消耗的计算资源和电力成本，帮助企业精细化运营。

侯胜利特别强调了安全的核心地位，而网络本身就是最敏感的安全传感器——任何攻击或异常流量都会在网络层面有所体现。因此，需要将安全能力深度嵌入网络设备，实现身份优先、持续认证、分布式执行的安全策略。无论用户在总部还是分支机构，无论在全球哪个地点，都能获得一致的安全防护体验。

在与生态伙伴的合作方面，侯胜利表示，思科与英伟达等领先企业建立了深度协作，共同推出面向AI的基础设施方案。思科在其中提供计算平台、AI网络、安全与可观测性等核心能力，形成一个安全的“AI工厂”完整架构。同时，思科也在积极布局后量子计算时代的安全技术，以应对未来量子计算对现有加密体系的威胁。

侯胜利强调，企业目前没有选择——不拥抱AI就可能被淘汰，但盲目拥抱又可能面临风险。未来可以通过网络与安全的深度融合，为企业提供一个可信、可靠、可运维的AI基础设施底座，让企业能够放心、大胆地将AI技术应用于核心业务。