4月13日，世界互聯網大會亞洲峯會在香港開幕，今年峯會圍繞"數智賦能創新發展——攜手構建網絡空間命運共同體"主題，共同探討、分享智慧。

　　作為全球領先的網絡解決方案供應商，思科公司是互聯網基礎設施領域的奠基者之一。面對席捲而來的AI浪潮，這家1984年誕生於硅谷的巨頭正加速從傳統硬件供應商向AI基礎設施提供商轉型。

　　思科公司大中華區資深副總裁兼CTO侯勝利。（圖片來源主辦方）

　　開幕式當天，思科公司大中華區資深副總裁兼CTO侯勝利接受南都記者專訪。基於在企業數字化轉型與AI基礎設施建設領域的長期深耕，侯勝利圍繞AI規模化落地的四大瓶頸、智能體安全架構升級、企業AI投資決策邏輯以及人機共存路徑等核心議題，分享了來自產業一線的深度洞察。

　　當前AI正走向規模化應用的關鍵階段，侯勝利認為要實現真正落地，企業仍需跨越場景選擇、數據整合、安全治理與基礎設施升級等多重門檻，其核心在於能否創造可量化的業務價值，並構建匹配的系統能力。

AI規模化落地最大挑戰在於找準場景

　　南都：現在很多企業停留在AI試點階段，真正規模化落地的很少，您認為最大的卡點在哪裏？

　　侯勝利：我認為可能存在以下幾點問題。首先是AI應用場景的選擇。目前很多企業嘗試了大量AI場景，但最大的挑戰在於能否找到真正能夠落地的應用場景，切實幫助企業解決實際問題，如提升工作效率、降低產品出錯率等。

　　其次是數據整合問題。AI應用需要基於對大量數據分析並提供解決方案。但許多企業的各類系統相對分立，數據格式也不統一。因此，關鍵在於如何打通這些系統、統一數據格式、完成AI標註，在此基礎上進行分析和處理。

　　安全性考量也很重要。在應用智能體等AI時，企業需要兼顧效率與風險防控，既要快速獲得智能化支持，又要防止信息泄露和誤操作。

　　此外，還有基礎設施升級。當前AI應用對基礎設施提出了更高要求，包括低延遲、高速度、零丟包等。同時，邊緣計算與中心協同的模式也日益重要，即在生產現場進行本地快速處理，後端進行大模型或深度分析，這種配合對基礎設施升級提出了要求。

　　南都：如何判斷哪些場景值得真正規模化投入？

　　侯勝利：從落地來看，實實在在的降本增效，才能推動製造型企業積極部署AI。汽車製造業的良品率檢測是一個典型應用。通過AI檢測車身、設備、零部件的狀態和瑕疵，這是目前最為普遍的AI應用場景之一。法務和財務領域也有成熟實踐——部分企業將歷史合同等資料輸入大模型，訓練出適用於內部使用的合同審核小模型。

　　製造業的智能化物流同樣值得關注。例如，傳統工廠依賴人工駕駛剷車按工單配送零件，而引入AI後，系統可實時監控產線狀態，確保每個備料口保持適量庫存，通過小型移動機器人自動完成配送。傳統機器人需要預埋軌道，而AI賦能的機器人可自主識別目標位置、規劃最優路徑，遇到人員或設備時自動避讓或等待。部分工廠甚至採用"快樂機器人"，通過播放音樂提示工人避讓。這些應用使產線更加靈活柔性，無需埋線即可快速調整，實現不同產品的快速切換。

　　我認為當前還有一個關鍵問題就是複合型人才的短缺，我們需要既懂行業應用又懂AI技術，能夠將AI與具體業務場景結合，推動快速創新應用。

技術革新會帶來崗位更迭，每個人需要找準定位

　　南都：近來「養龍蝦」（OpenClaw）在內地爆火，但也引發外界對數據和隱私的關注。當智能體具備自主決策能力後，企業網絡和安全體系需要做哪些關鍵升級？

　　侯勝利：企業安全體系需要增加"智能體安全"這一維度。從早期的IT基礎設施安全，到雲時代的雲安全、虛機和容器安全，智能體的出現催生了新的安全需求。

　　企業使用智能體時至少需要解決兩個問題。一是建立安全邊界，也就是沙箱機制。智能體不能直接進入企業核心數據庫或系統進行操作，必須在安全邊界內工作並輸出結果。二是實施訪問控制與審計。明確哪些智能體可以接入、可以執行哪些操作、不能執行哪些操作；同時建立清晰的審計機制，記錄智能體調用參數、訪問數據庫、執行操作等全部行為。

　　此外，企業還需具備快速阻斷能力，一旦發現異常立即停止運行。最後，將這些信息輸出至安全控制中心（SOC），在原有架構中增設智能體管理層面，對所有狀態和動作進行監控管理。

　　針對智能體安全架構，思科在今年RC大會上正式發布並於3月27日開源了"Defense Cloud"方案，已發布在GitHub上。

　　南都：您啱啱提到AI帶來全方位的效率提升，但已經有很多人擔心職業替代的問題。未來，我們將如何與AI共存？

　　侯勝利：在AI時代，需要區分AI適合與不適合的工作領域。人類應將更多精力投入到AI難以替代的領域，如AI系統設計、調試、應用創新，以及涉及情感、人際互動的工作。對於重複性、流程化、可通過學習掌握的工作，AI具有明顯優勢。

　　技術革新必然導致部分崗位消失，同時創造新的崗位。例如，我們某位客戶在過去兩年進行了400餘次網絡改造，具體命令輸入由AI完成，但整體設計和規劃仍由人工負責，並由此衍生出定義新協議、新標準的新崗位。

　　又如大型物流分揀系統，傳統模式下工人需7×24小時三班倒作業，對身體損耗極大；引入AI後，工人轉為白天設定流程、監控關鍵環節，基礎崗位人力減少的同時，新的崗位需求也在其他領域產生。

　　這是一個動態演變的過程，但對每個人都提出了持續學習的要求。半年前，大多數人還不了解智能體，更不會主動安裝使用。新技術的發展往往呈波浪式，熱潮過後，行業會冷靜思考其實際價值，隨後才真正落地。

　　在這個過程中，每個人需要找準自己的定位。可以做技術先行者，緊跟每一波新技術浪潮；也可以專注於將技術與行業實際結合，推動複製推廣。無論如何，持續學習、提升競爭力將是AI時代的根本之道。

（文章來源：南方都市報）