由于人工智能 (AI)，企业网络正在经历重大变革。这种转变的特点是人工智能模型训练过程中会产生持续的大流量，这需要高带宽、超低延迟和最小的丢包率。人工智能推理带来了挑战，因为实时数据交换需要立即响应，而毫秒级的延迟可能会对性能产生负面影响。
Gartner 预测到 2026 年，全球人工智能支出将增长 47%。公司表示目前，88% 的组织在至少一项业务职能中使用人工智能，尽管近三分之二仍处于试点项目或实验阶段。
Cisco Systems and Foundry 的 2026 年报告预计，人工智能将在三年内使企业网络流量增加两倍。然而，根据思科 2025 年人工智能就绪指数，只有 15% 的组织拥有足够灵活的网络来大规模支持人工智能。 IDC 网络基础设施和服务研究经理 Taranvir Singh 强调，网络必须从基本连接角色发展为能够支持基于身份的授权、策略执行和优化的智能结构。
HCL America 首席工程师 Deepu Komati 指出，人工智能已经改变了企业网络的看法。她表示，人工智能助理和副驾驶已经将讨论从仅仅提供可靠的连接转变为提供对分布式人工智能服务的一致的低延迟访问。人工智能工作负载会产生突发流量并依赖于云 API，导致延迟、拥塞和低效路由导致网络瓶颈增加。
IT 团队面临着获得对 AI 流量的可见性和控制的挑战，这些流量通常与标准云活动合并。 Komati 指出，传统的网络监控可能会识别连接的可用性，但无法解决人工智能响应缓慢或不完整的原因。 IDC 的《2026 年全球人工智能网络特别报告》强调，安全、自动化和网络技能是成功实施人工智能项目的重大障碍。
EMA 网络基础设施研究副总裁 Shamus McGillicuddy 认为，强大的网络基础设施对于企业投资人工智能技术至关重要。他强调组织需要对数据中心和广域网进行现代化改造，以适应跨公共云和数据中心的人工智能工作负载。
鼓励组织对其网络进行现代化改造，以适应人工智能的进步。首席信息官应投资于提供高性能和内置安全性的统一、可编程网络平台。 IT 团队还应该跨部门协作，包括网络、安全、数据和人工智能团队，以改进基础设施管理。
Komati 建议 IT 团队在未来两到三年内优先考虑三个重点：开发连接用户、网络、云平台、API 和人工智能应用程序的端到端可观察性；实现智能流量管理和弹性云连接的现代化架构；促进团队之间的协作，以避免孤岛运作。她总结道：“目标不应该是盲目增加带宽。而应该是构建一个自适应网络，可以优先考虑关键人工智能流量、检测性能下降、执行数据治理策略，并随着人工智能使用嵌入整个组织而进行扩展。”
<小时/>
