思科最新发布的人工智能就绪指数指出，人工智能面临与基础设施能力、数据治理和人才可用性相关的严峻挑战。

虽然 95% 的企业意识到人工智能将增加对基础设施的需求，但只有 17% 的企业拥有足够灵活的网络来应对人工智能的复杂要求。鉴于这种脱节现象，尽管人工智能被炒得沸沸扬扬，但要实现大规模普及还为时尚早。

这是思科首次发布的人工智能准备指数（AI Readiness Index）得出的重要结论之一，该指数是一项针对全球 8000 家公司的调查，旨在衡量企业对人工智能技术的兴趣和利用能力。

思科执行副总裁兼网络业务总经理乔纳森·戴维森（Jonathan Davidson）说：“就像云计算改变了它所触及的每一个行业一样，我认为人工智能也将改变它所触及的每一个行业。”

戴维森说，在过去的1年中，随着 OpenAI 等多家公司推出大型语言模型，人们对人工智能的兴趣与日俱增，LLM 已从数百万个数据点增加到数十亿个，而且随着模型的不断增加，利用这些数据可以做的事情比以往任何时候都要多。

行业观察家们看到了人工智能技术的巨大潜力，例如，IDC 称，企业在生成式人工智能服务、软件和基础设施上的支出将在未来四年内激增，从今年的 160 亿美元跃升至 2027 年的 1430 亿美元。然而，绝大多数企业还没有做好准备。在思科的准备指数调查中，仅有 14% 的受访企业表示已为部署和利用人工智能驱动的技术做好充分准备。

人工智能的网络准备

在网络方面，思科发现，目前大多数企业网络都不能满足人工智能的工作负载。企业清楚人工智能将增加基础设施，但只有 17% 的企业的网络能够完全灵活地应对复杂需求。

思科表示：“23% 的企业在当前 IT 基础设施中应对新的人工智能挑战时，可扩展性有限或根本没有可扩展性。为了适应人工智能不断增长的功率和计算需求，超过四分之三的公司将需要部署更多的GPU。此外，30%的公司表示其网络的延迟和吞吐量不是最佳或欠优，48%的公司同意在这方面需要进一步改进，以满足未来的需求。”

思科表示，大多数人工智能网络的核心问题将是以太网，因为高带宽以太网基础设施对于促进人工智能工作负载之间的快速数据传输至关重要。在以太网网络中实施优先级流量控制（PFC）和显式拥塞通知（ECN）等软件控制，可以保证不间断的数据传输，尤其是对延迟敏感的人工智能工作负载。

为了做好人工智能准备，思科的研究建议企业为网络配置构建自动化工具，以优化人工智能工作负载之间的数据传输。

研究人员说：“自动化减少了人工干预，提高了效率，并使基础设施能够动态适应人工智能工作负载的需求，这些因素的结合将决定一家公司是I/O丰富还是I/O贫乏，而这反过来又将成为那些充分利用人工智能的公司与那些未能充分利用人工智能的公司之间的区别。”

思科的人工智能举措

戴维森指出，思科正在开展各种努力，帮助应对网络和安全挑战。

例如，思科最近发布了面向 AI/ML 应用的数据中心网络蓝图，该蓝图定义了企业如何利用现有的数据中心以太网网络来支持 AI 工作负载。

思科表示，数据中心人工智能蓝图的核心组件是思科的 Nexus 9000 数据中心交换机，该交换机每个 ASIC 可支持高达 25.6Tbps 的带宽，并且“拥有目前可用的硬件和软件功能，可提供适当的延迟、拥塞管理机制和遥测功能，以满足人工智能/移动通信应用的要求。”

此外，该供应商最近宣布了四项新的人工智能验证设计蓝图，分别来自红帽、Nvidia、OpenAI 和 Cloudera，重点关注虚拟化和容器化环境以及融合和超融合基础设施选项。思科的列表中已经有来自 AMD、英特尔、Nutanix、Flashstack 和 Flexpod 的经过验证的人工智能模型。

思科表示，正在这些模型的基础上构建基于Ansible的自动化脚本，客户可以将其与思科基于云的Intersight管理和协调系统一起使用，自动将自己的数据注入模型，并建立可用于其基础设施（包括边缘网络和数据中心）的资源库。

思科在其 Webex 协作平台上增加了一个基于人工智能的编解码器，其中包括生成式人工智能功能，思科称这将重新定义实时通信，并解决音频质量不稳定的难题。其理念是，音频编解码器承诺无论网络条件如何，都能提供清晰的音频，即使在连接不佳的地区也是如此。

人工智能增加了安全挑战

在安全方面，思科发现 97% 的公司对人工智能模型中使用的数据有一定的保护措施，但仅68% 的公司有能力检测对这些人工智能模型的攻击。

思科表示：“企业还没有做好充分准备，防范人工智能应用带来的网络安全威胁。随着包括机密和敏感数据在内的更大量数据被人工智能处理，恶意行为者对这些系统发起攻击的动机变得更大，而组织面临的风险也更高。”

此外，思科表示，四分之一的领导者表示，他们的组织对人工智能工作负载特有的安全威胁认识有限或一无所知，因此需要对组织及其员工进行更多教育，以安全地使用人工智能。

令人鼓舞的情况是，思科发现 77% 的组织至少正在实施高级加密或端到端加密，以保护人工智能模型中使用的数据。