4月13日，世界互联网大会亚洲峰会在香港开幕，今年峰会围绕"数智赋能创新发展——携手构建网络空间命运共同体"主题，共同探讨、分享智慧。

　　作为全球领先的网络解决方案供应商，思科公司是互联网基础设施领域的奠基者之一。面对席卷而来的AI浪潮，这家1984年诞生于硅谷的巨头正加速从传统硬件供应商向AI基础设施提供商转型。

　　思科公司大中华区资深副总裁兼CTO侯胜利。（图片来源主办方）

　　开幕式当天，思科公司大中华区资深副总裁兼CTO侯胜利接受南都记者专访。基于在企业数字化转型与AI基础设施建设领域的长期深耕，侯胜利围绕AI规模化落地的四大瓶颈、智能体安全架构升级、企业AI投资决策逻辑以及人机共存路径等核心议题，分享了来自产业一线的深度洞察。

　　当前AI正走向规模化应用的关键阶段，侯胜利认为要实现真正落地，企业仍需跨越场景选择、数据整合、安全治理与基础设施升级等多重门槛，其核心在于能否创造可量化的业务价值，并构建匹配的系统能力。

AI规模化落地最大挑战在于找准场景

　　南都：现在很多企业停留在AI试点阶段，真正规模化落地的很少，您认为最大的卡点在哪里？

　　侯胜利：我认为可能存在以下几点问题。首先是AI应用场景的选择。目前很多企业尝试了大量AI场景，但最大的挑战在于能否找到真正能够落地的应用场景，切实帮助企业解决实际问题，如提升工作效率、降低产品出错率等。

　　其次是数据整合问题。AI应用需要基于对大量数据分析并提供解决方案。但许多企业的各类系统相对分立，数据格式也不统一。因此，关键在于如何打通这些系统、统一数据格式、完成AI标注，在此基础上进行分析和处理。

　　安全性考量也很重要。在应用智能体等AI时，企业需要兼顾效率与风险防控，既要快速获得智能化支持，又要防止信息泄露和误操作。

　　此外，还有基础设施升级。当前AI应用对基础设施提出了更高要求，包括低延迟、高速度、零丢包等。同时，边缘计算与中心协同的模式也日益重要，即在生产现场进行本地快速处理，后端进行大模型或深度分析，这种配合对基础设施升级提出了要求。

　　南都：如何判断哪些场景值得真正规模化投入？

　　侯胜利：从落地来看，实实在在的降本增效，才能推动制造型企业积极部署AI。汽车制造业的良品率检测是一个典型应用。通过AI检测车身、设备、零部件的状态和瑕疵，这是目前最为普遍的AI应用场景之一。法务和财务领域也有成熟实践——部分企业将历史合同等资料输入大模型，训练出适用于内部使用的合同审核小模型。

　　制造业的智能化物流同样值得关注。例如，传统工厂依赖人工驾驶铲车按工单配送零件，而引入AI后，系统可实时监控产线状态，确保每个备料口保持适量库存，通过小型移动机器人自动完成配送。传统机器人需要预埋轨道，而AI赋能的机器人可自主识别目标位置、规划最优路径，遇到人员或设备时自动避让或等待。部分工厂甚至采用"快乐机器人"，通过播放音乐提示工人避让。这些应用使产线更加灵活柔性，无需埋线即可快速调整，实现不同产品的快速切换。

　　我认为当前还有一个关键问题就是复合型人才的短缺，我们需要既懂行业应用又懂AI技术，能够将AI与具体业务场景结合，推动快速创新应用。

技术革新会带来岗位更迭，每个人需要找准定位

　　南都：近来“养龙虾”（OpenClaw）在内地爆火，但也引发外界对数据和隐私的关注。当智能体具备自主决策能力后，企业网络和安全体系需要做哪些关键升级？

　　侯胜利：企业安全体系需要增加"智能体安全"这一维度。从早期的IT基础设施安全，到云时代的云安全、虚机和容器安全，智能体的出现催生了新的安全需求。

　　企业使用智能体时至少需要解决两个问题。一是建立安全边界，也就是沙箱机制。智能体不能直接进入企业核心数据库或系统进行操作，必须在安全边界内工作并输出结果。二是实施访问控制与审计。明确哪些智能体可以接入、可以执行哪些操作、不能执行哪些操作；同时建立清晰的审计机制，记录智能体调用参数、访问数据库、执行操作等全部行为。

　　此外，企业还需具备快速阻断能力，一旦发现异常立即停止运行。最后，将这些信息输出至安全控制中心（SOC），在原有架构中增设智能体管理层面，对所有状态和动作进行监控管理。

　　针对智能体安全架构，思科在今年RC大会上正式发布并于3月27日开源了"Defense Cloud"方案，已发布在GitHub上。

　　南都：您刚刚提到AI带来全方位的效率提升，但已经有很多人担心职业替代的问题。未来，我们将如何与AI共存？

　　侯胜利：在AI时代，需要区分AI适合与不适合的工作领域。人类应将更多精力投入到AI难以替代的领域，如AI系统设计、调试、应用创新，以及涉及情感、人际互动的工作。对于重复性、流程化、可通过学习掌握的工作，AI具有明显优势。

　　技术革新必然导致部分岗位消失，同时创造新的岗位。例如，我们某位客户在过去两年进行了400余次网络改造，具体命令输入由AI完成，但整体设计和规划仍由人工负责，并由此衍生出定义新协议、新标准的新岗位。

　　又如大型物流分拣系统，传统模式下工人需7×24小时三班倒作业，对身体损耗极大；引入AI后，工人转为白天设置流程、监控关键环节，基础岗位人力减少的同时，新的岗位需求也在其他领域产生。

　　这是一个动态演变的过程，但对每个人都提出了持续学习的要求。半年前，大多数人还不了解智能体，更不会主动安装使用。新技术的发展往往呈波浪式，热潮过后，行业会冷静思考其实际价值，随后才真正落地。

　　在这个过程中，每个人需要找准自己的定位。可以做技术先行者，紧跟每一波新技术浪潮；也可以专注于将技术与行业实际结合，推动复制推广。无论如何，持续学习、提升竞争力将是AI时代的根本之道。

（文章来源：南方都市报）