问题——随着各行业加快引入智能化应用，技术带来的效率提升与风险挑战同时显现；一方面，企业希望尽快部署支持训练与推理的网络与安全能力；另一方面，灰产、黑产借助自动化工具扩张，“抢号”“刷单”“薅羊毛”等现象正走向更专业化、跨境化，公共服务领域受影响尤为明显。会上发布的面向高密度数据中心与安全接入的新方案，正是对这个趋势的回应。 原因——业内人士认为，当前落地瓶颈主要集中三上：其一是基础设施约束持续加大。算力资源、带宽与电力供应共同决定系统上限，部分地区对新建算力中心的供能与配套提出更高要求；同时，存储环节供需矛盾突出，尤其是高端存储产能向新型需求倾斜，叠加通用内存价格波动，使整体成本与交付周期更难预测。其二是安全挑战从“防攻击”延伸到“防滥用”。工具链与自动化脚本降低了作恶门槛，攻击者在利益驱动下往往更早采用新技术并快速迭代。其三是数据缺口成为规模化应用的重要掣肘。可公开获取的免费数据已被大量消耗，企业专有数据又受隐私与合规限制难以流通，更多训练与评估转向合成数据，也反过来提高了对网络、算力与安全治理的要求。 影响——在产业侧，大规模部署对网络效率与稳定性提出更高要求。会上发布的Silicon One G300等产品强调通过集群化与流量优化提升资源利用率，据介绍，在优化前后对比中，网络利用水平可提升约三成，任务完成时间缩短约两成以上，旨在缓解高并发负载下的拥塞与等待。在治理侧，灰产对公共服务秩序与群众体验造成冲击。以医疗挂号为例，部分热门三甲医院专家号源紧张，技术团队分析发现，异常请求在高峰时段呈现明显自动化特征，疑似被大量“号贩子”集中抢占，进而抬高患者获取成本并扰乱就医流程。 对策——针对“看不见、管不住、追不回”的难点，会议发布的安全接入服务强调联动网络连接与安全能力，在广域网与安全服务之间统一执行策略，并增强对应用交互链路的可视化能力，以便在高峰期保持性能并及时拦截异常。采访中提到的治理思路是：从行为与网络特征入手，建立“真实用户—异常用户”识别模型。例如在挂号场景中，真实患者抢到号源后通常在1至2分钟内完成支付，而异常群体往往停留更久，约20分钟后才支付，背后可能存在转手撮合；同时结合IP归属、访问频率、设备指纹、请求路径等多维信号，可形成数十项特征组合，用于动态风控。实践显示，通过策略调整可在短时间内明显降低异常占比，但对抗并非一劳永逸：攻击方会快速更换手法、代理节点与脚本策略，迫使防守方持续迭代模型与规则，并将治理从“单点封堵”升级为“体系化运营”。 前景——业内判断，产业关注正从“堆算力”转向“用得好”。自2025年以来，面向具体任务的智能体应用加速涌现，下一阶段关键在于打通分散工具链，形成可控、可审计、可追责的闭环流程。这意味着网络设备、安全网关、访问控制与数据平台将更深度嵌入治理能力：既要保障性能，也要把合规与安全纳入全生命周期。面向医疗等民生领域，还需推动技术治理与制度治理协同：完善实名制与多因素校验机制，明确平台主体责任，强化跨境异常流量处置与证据留存，同时建立与医院流程相匹配的分级预约、候补与退号机制，压缩灰产套利空间。
技术进步始终是一把双刃剑。思科的探索表明，只有把技术创新与治理约束同步推进，人工智能才能走向可持续发展。当企业、政府与社会形成协同共治，技术才能真正成为高质量发展的动力，而不是滋生犯罪与不公的土壤。