部署 AI 代理時,Cisco 的 Jeetu Patel 說資安絕非選項
部署 AI 代理時,Cisco 的 Jeetu Patel 說資安絕非選項
Cisco 產品長 Jeetu Patel 認為,AI 的泡沫風險不在需求,因為代理(agent)使用的 Token 已是人類的 7 倍;真正的護城河在於協調從晶片到代理的整體週期,並把安全融入網路。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
思科(Cisco)總裁暨產品長 Jeetu Patel 認為,AI 需求並不是擴建的限制,電力與資金成本才是;而決定代理(agent)採用速度的是信任,不是模型能力。標題裡的「泡沫」問題只在尾聲佔了幾分鐘;這一小時大部分時間談的是思科的平臺重建、Token 經濟學與代理安全,以及為 AI 資料中心打造的交換器晶片。
Patel 執掌思科網路、安全、協作與可觀測性等業務背後的產品組織,包括 Splunk 併購案,這讓他同時站在基礎設施層與企業信任層的第一線。讀者讀完應該能掌握:思科自述的競爭定位(把晶片、光子與安全融合進網路)、Patel 的 Token 經濟學與代理治理框架,以及他預測 12 到 18 個月內幾乎不會再有人類手寫的程式碼。
思科翻身靠的是重啟產品創新、終結各自為政
Patel 把市場對思科態度的轉變,歸因於兩項內部改革,而不是單靠 AI 迴圈。第一,他說公司大約有十年到十五年「停止創新」,並把鐵律講得很直白:「沒有好產品,其他都免談。」第二,他說思科在約 250 次併購之後已變成「一家控股公司」,產品主管們認為自己得轉型成總經理、各自經營損益,結果形成一個個「諸侯國」,每個諸侯國相對專注單一領域的競爭對手都資源匱乏。
解方是他大約六年前(約 2020 年)加入時與執行長 Chuck Robbins 議定的:從控股公司轉型為平臺公司——「元件緊密整合,但鬆散耦合」。Patel 說成果是單一晶片平臺、單一管理平面(Cisco Cloud Control,管理所有產品),以及單一資料架構。他坦承客戶不會整套買,但主張當他們買了兩個元件,「就該像變魔術一樣協同運作」。
至於超大規模雲端業者是否可能把思科設計出局,Patel 把客戶群拆成超大規模雲端、新興雲端(neocloud)、主權雲、電信服務商與一般企業,各自參與方式不同。他說思科來自超大規模雲端業者的交換器營收「如果沒有自家晶片就會是零」——這是他到任前就決定併購 Leaba、自建客製網路晶片而非依賴商用晶片的結果。在同調光學與光收發模組方面,他說超大規模雲端業者約佔某一季營收的四成,歸功於 Acacia 併購。(他提到思科當時處於緘默期,並未評論當前季度。)
把安全融進網路才是護城河,而 Patel 說思科還沒因此被重新評價
被問到他的「五股力量」——代理、推論、Token、信任、控制——哪一項給思科帶來護城河時,Patel 毫不猶豫答「安全」,隨即補上一句:「我不認為我們已經因為安全而被重新評價。」他的論點是結構性的。網路競爭對手沒有安全產品堆疊;安全競爭對手沒有網路產品堆疊;思科兩者兼具,還把 DPU 放上交換器,讓防火牆不再是獨立的一臺機器。執行點可以落在機櫃頂交換器、伺服器上,或以使用者空間的 eBPF 代理形式,監看主機上每一個結束的行程。
前提是敵人早已在內部,所以任務是阻止橫向移動——而橫向移動發生在網路上,那正是思科可視度最高的地方。Patel 說把網路、安全與可觀測性的遙測資料融合、再透過 Splunk 關聯分析,是「無人能及」,並說思科當年沒有把 Splunk 併購案的策略邏輯講清楚。
| 層級 | 思科引用的資產 | Patel 點名的競爭對手 |
|---|---|---|
| 資料中心網路 | 客製晶片、G300 | Arista |
| 園區與分支 | 交換/路由 | HP、Juniper |
| 安全 | AI Defense、DPU/eBPF 執行點 | Palo Alto Networks、CrowdStrike、Microsoft、Google |
| 可觀測性/機器資料 | Splunk | Datadog、Google Chronicle、Microsoft Sentinel |
Patel 對廣度的說法:「當你真正去想,有多少公司是從晶片、光子一路做到最上層的代理、涵蓋基礎設施全棧,我不認為有任何單一競爭對手做得到。」
Token 經濟學正變成安全控制,而非預算科目
Patel 最核心也最不尋常的論點是:Token 管理與安全態勢如今是同一道問題。企業有效運用 Token 的能力「與安全態勢直接成正比」,而安全「史上第一次成為維持相關性的先決條件」——因為不受信任的代理分不到委派的工作,而不委派工作的企業就會被淘汰。
他描述在 Splunk 上打造一套 Token 經濟學堆疊,功能是「組織內每個代理的通用登錄檔」——記錄每個代理在做什麼、何時做、行為是否符合預期,並對 Token 消耗異常的代理設有強制關閉開關。他點名的威脅是:對手刻意耗盡你的 Token。「如果我 Token 用光了,就像打仗打到一半沒了彈藥。」Token 一旦耗盡,真正的攻擊才開始。
他預期「每 Token 成本」這個指標本身只是過渡。長久的衡量標準是每項成功完成任務的成本——「去幫我買雙鞋……你成功幫我買到我要的那雙鞋,成本是多少」——多付 2 美元可以接受,只花 0.1 美元則令人愉快。他坦承市場還沒成熟到能為任務影響力定價。
Patel 還提到一個反直覺的效率發現,他說是前一天與 OpenRouter 某人的對話得來:路由上最容易拿到的成果之一,就是把客戶從落後五個版本的模型換到現行版本,因為較新的模型不但更好,每 Token 也便宜得多。他指出代理大約在(2026 年)2 月開始消耗比人類更多的 Token,到大約 10 至 11 月,比例已達 7 倍。
代理的採用比聊天機器人慢,因為信任與複雜度阻礙了委派
Patel 說他原本預期 OpenClaw 會帶來第二個 ChatGPT 等級的時刻,結果錯了:認知負擔太高——一臺 Mac mini、一個安全容器、護欄、安裝。他說在矽谷泡泡之外,聲稱自己在用代理的人,多半跑的還是聊天機器人場景,而代理的採用率在某些方面比當年聊天機器人還慢。
他點出的悖論是:「代理的用處,取決於你給它存取多少工具;但要給它存取工具,你就得面對信任問題。」交出電子郵件、行事曆或信用卡,就會升高對非預期行為的恐懼。
他用零售業說明下游商業模式受到的衝擊。三十年來零售商靠廣告與追加銷售直接面對消費者——一支 5 美元的牙刷變成 200 美元的購物籃。一個握有你信用卡的代理會去問十個賣家、挑最便宜的,對經銷商毫無忠誠度。零售商接著就得問:如何保住帳戶控制權、如何不被中間商的演算法商品化。Patel 預期當代理開始做初步資訊蒐集時,企業採購也會出現同樣的轉變。
談到模型策略,他對用前沿模型處理瑣事很不以為然(「用一個十兆引數的模型去想披薩食譜,毫無意義」),並預期每家企業都會跑一層智慧路由——向 OpenRouter 採購或自建——把簡單任務送給較小的模型。他主張永遠需要一層橫跨所有模型與應用的中立第三方層,而機械可解釋性——知道模型*為什麼*這樣做,而不只是做了什麼——仍處於早期,且比思維鏈(chain of thought)跨出一大步。
Patel 預測 12 到 18 個月內幾乎沒有人類手寫程式碼,責任歸屬落在評測上
Patel 已公開設下目標:今年(2026 年)底前,約六項思科產品完全由 AI 撰寫;明年,七成產品沒有人類寫的程式碼;24 個月內,基本上不再有舊程式碼,並把程式碼庫遷移到 Rust、Go 等記憶體安全語言,以消除記憶體操作類漏洞。
這套機制來自一位內部員工——一位曾任執行長、後來被埋沒在非策略性職位的人——他提出用世界級模擬器加上涵蓋邊角案例的評測(eval),讓代理群(agent swarm)改寫原始碼,並針對評測反覆爬山最佳化。Patel 給他四週時間與無上限的 Token 預算,明確表示就是不要讓他受 Token 經濟學掣肘,但也附帶一句:若開口要 180 億美元的 Token,會被拒絕。若模型驗證可行,重構後的程式碼就交給原負責團隊。
談到責任歸屬,Patel 講得很直接:來源最終必須追溯到一個人,但因為量太大,不會有人逐行審查程式碼。替代方案是行為測試——模擬器、評測、單元與功能測試——測的是程式碼執行時做什麼,而不是每一行寫了什麼。「未來 12 到 18 個月,人類寫的程式碼會非常少,甚至完全沒有,」他說,而且能被人工審查的也會非常少。
被問到 Hugging Face 事件中哪裡出了問題,Patel 說失敗在偵測,不在意圖:那個代理確實在追求它的目標,而它試圖脫離圍堵的動作沒有被及早發現並攔截。教訓是對代理行為做持續的執行期監控以偵測偏移,並在執行期攔截。
信任架構:先可視,再身分,後治理
Patel 的框架是一條鏈:「你無法治理你看不見的東西……你無法信任你無法治理的東西。」他主張,被對手操控的代理與判斷力差的代理將難以區分,所以安全與可觀測性的遙測必須融合並關聯分析。
他描述的建置順序:
flowchart TD
A["盤點環境中所有代理"] --> B["區分核准與未核准"]
B --> C["對應每個代理存取了什麼、是否被允許"]
C --> D["為每個代理與非人類實體指派身分"]
D --> E["融合安全、可觀測性與網路遙測"]
E --> F["持續監控行為是否偏移"]
F --> G["執行期攔截並落實護欄"]
G --> H["Token 登錄檔與異常消耗強制關閉"]
Patel 說思科早已涵蓋非人類身分,並透過併購 Asterix 與 Whitefield 補上代理身分這塊。他也把安全講成經濟學問題:如果代理群呈指數成長,監控它們的成本必須下降得更快,否則這套模式行不通。握有同樣技術的對手會以機器規模發動攻擊,所以防禦也必須動用代理人力——而這需要 Token 當燃料。
為 AI 打造的網路:先做 scale-out 與 scale-across,scale-up 尚未發表
思科的 AI 網路定位在 scale-out 與 scale-across,不在 scale-up。G300 被形容為 102 Tbps 的 scale-out 晶片,在 3 奈米製程、100 平方毫米的封裝基板上塞進近四分之一兆個電晶體。在 scale-across 方面,思科加入去緩衝(de-buffering),讓橫跨兩個資料中心的訓練任務即使掉了一個封包,也不必付出昂貴的重啟代價。
Patel 預期乙太網路會勝出、成為長期標準,也預期 scale-up 會從機櫃層級走向角色層級。過去只為超大規模雲端打造的技術,如今正被產品化給大型企業——金融服務、石油天然氣、製藥與生命科學、醫療、零售、電信服務商與電信業者——Patel 說這些企業會積極建置 AI 資料中心版圖,而思科希望這筆採購是開箱即用。
至於泡沫問題,他的答案是供給一齣來就立刻被消化,所以需求不是問題。真正的兩大限制是可用的電力——如果沒有電可以開機,「你的暗光纖就等於暗 GPU」——以及資金成本。他拿這與 5G 過度建設對比,當年業界是在等需求追上供給。
同時管理五個規劃週期,就是它的營運模式
Patel 把思科的技術堆疊攤成一階階的規劃時間軸,並說公司的優勢在於跨層協調,而非任何單一層跑得快:
| 層級 | 規劃週期 |
|---|---|
| 晶片與光子 | 約 5 年 |
| 系統 | 約 3 年 |
| 作業系統 | 約 15–20 個月 |
| 平臺 | 12–18 個月 |
| 模型 | 3–4 個月 |
| 應用 | 約 2 個月 |
| 代理 | 約 1 週 |
他駁斥市場在任何一層都比思科快的說法:「我們在堆疊的每一層都是跑最快的。」真正的功夫在於把各週期之間的變異納入考量。
談到領導,Patel 把一種無法傳授的內在飢渴歸功於艱苦的童年,並描述一個具體做法:當他搞砸時,他立刻承認、負起責任,並讓團隊瞭解來龍去脈——不是當藉口。他舉了訪談前一天一次「史詩級搞砸」,完全是他自己的錯,他的意圖與團隊成員的理解出現落差。他說領導人必須主動去找那種很少誇你、卻在你低潮時拉你一把、在你得意時把你按住的人,因為在高階職位上,大家都不願直說你搞砸了。他希望大家用來要求他的標準是:「在我犯錯時預期我會傲慢,是不可原諒的。」
未解的張力:安全是採用的閘門,而閘門由賣閘門的廠商定價
Patel 的論述自成一體——可視性、身分、融合遙測、Token 治理,以及在網路架構內執行——但這終究是一位廠商在主張:那個中立的第三方信任層,應該由掌握網路的公司來當。他坦承這裡有自身利益(「這是自利之詞,但也是事實」),卻沒有回答:為什麼企業該接受單一廠商橫跨網路、安全與可觀測性,而不是多數 CIO 採行的多廠商佈局。有兩項說法值得追蹤:一是「12 到 18 個月內人類停止寫程式碼」的預測,這將使評測品質成為企業軟體可靠性的關鍵限制;二是「思科尚未因安全被重新評價」的斷言,這是市場判斷而非營運判斷。他描述的 Token 耗盡攻擊,在本集中沒有任何已具名的前例;那是預測,不是已觀察到的事件。