思科希望拥有人工智能数据中心后端基础设施

一个又一个科技巨头在过去两年里涉足人工智能领域，但思科的人工智能战略直到最近对一些人来说仍然有些神秘。笔者参加了2024年底的思科合作伙伴峰会，又查阅了思科2025年第一季度财报并与思科高管进行了多次交谈。笔者清楚地看到思科在明确产品和市场战略方面花足了功夫。思科的战略旨在利用其在网络、安全、数据管理甚至计算方面的优势，为思科在超大规模和企业人工智能基础设施中占据重要的位置。

请注意，思科的战略还处于早期阶段。思科在上一季度从人工智能特定产品中获得了3亿美元的收入，并表示预计在2025财年实现10亿美元的人工智能收入。这是一个良好的开端，但我们必须明白，思科的年收入已经连续多年超过500亿美元，因此人工智能收入还是有很大的增长空间。不过，去年夏天被任命为公司首席产品官的Jeetu Patel阐明了一项战略，旨在为思科带来“平台优势”，让思科的不同产品能够跨功能协同，为希望在数据中心充分利用人工智能的客户（无论是超级分销商还是企业）提供服务。笔者觉得这正是思科充分发挥自己的强项：连接平台。

在思科现有优势的基础上制定人工智能战略

Patel在思科合作伙伴峰会主题演讲中提到一个平台优势的例子，即他对苹果产品的偏爱：他多年来一直随身携带iPhone，iPhone与MacBook以及iPad或Apple Watch等其他个人电子产品可很好地搭配使用（我则用三星Galaxy产品）。关键在于，用户对一个系列产品中的一两款产品做了深度投入后，就更有可能选择同一制造商的其他产品。

显然，企业B2B技术的计算方法和采购决策是完全不同的，但Patel提出了一个强有力的观点，思科在企业人工智能领域的战略定位可以采用这个方法。思科在网络领域的持久地位似乎不可动摇。几十年来，思科一直是网络安全的主要参与者，并在该领域展现出新的活力。思科近年来的完成了一些数据管理（包括可观察性和安全性）的收购，在领域的影响力不断扩大，其中最引人注目的是收购了Splunk。思科在高端数据中心计算领域的雄心至少看起来也是真的。重要的是，许多企业在数据中心与思科产品的关系就像Patel与苹果产品或我与三星设备的关系一样紧密。

不过Patel在主题演讲中说“我们将加倍努力发展计算业务”和“我们毫无保留地进军计算业务”还是让我感到有些惊讶。从平台的角度来看，提供完整的技术栈绝对是有道理的，这不仅有利于技术上的互操作性，也有助于增强客户对供应商的忠诚度。此外，思科在提供全栈体验方面一向表现良好。但笔者以前从未听到思科对计算业务如此的表述。

思科在计算方面能够或应该做的努力是有限的。特别是，计算业务的利润率比思科其他业务的利润率都要低得多，因此我认为，假如思科试图在数据中心计算业务上与戴尔、联想和HPE进行大规模竞争，那么其前景不容乐观。我认为思科需要选择合适的细分市场进行竞争，并在其他产品的基础上增加计算业务，为特定客户提供更全面的服务。思科的刀片服务器和“更好地协作”理念对那些重视这种方法的客户非常有效，思科需要找到更多重视这种方法的客户。企业人工智能颇为复杂，因此这种关注是明智的。

使能大规模人工智能工作负载

在以上的背景下，思科发布的两款大型基础架构产品对于人工智能数据中心市场来说意义重大。Nexus 9000交换机源自思科的最深层核心竞争力。Nexus 9000是一款高度可扩展、高效的800千兆交换机，已被超大规模数据中心采用。思科还利用旗下统一计算系统（将计算、网络和存储整合到一个系统中）方法提供一款配备八个Nvidia GPU的服务器，用于人工智能训练。我认为统一计算系统是思科的主要“简易按钮”产品之一，将这两款新产品放在一起可以提供对Patel论点的支持，即“我们现在正在从事人工智能基础设施业务”。

在过去两年中，人工智能最有利可图的领域是训练，但Patel和思科显然也在关注人工智能推理和企业人工智能应用部署的增长，这一趋势预计将在2025年开始显著加速，可能在下半年。思科在最近的财报电话会议上透露，思科至少在超大规模人工智能的设计上取得了一项重大胜利，并且在超大规模大语言模型训练集群的后端网络方面看到持续的动力，毫无疑问，这一点非常令人高兴。但Patel指出，整个行业迄今为止在人工智能培训方面已经投入了大约2,000亿美元，产生的效益仅约50亿至100亿美元的收入。因此，我们必须认为更大的回报即将到来。随着企业（很少是新技术领域的先行者）从实验过渡到大规模部署真正发挥作用的人工智能应用，我们可以预见推理和企业人工智能的收入将大幅增加。思科为捕获推动收入增长的IT支出中的重要份额作好了准备。

与此相呼应，思科正在将人工智能嵌入旗下所有产品中。正如Patel在主题演讲中对思科合作伙伴听众所说的，“你们应该期待我们打造的每一款产品……都会将人工智能融入到产品结构和我们打造产品的思维方式中。这不是事后的想法。”

合作伙伴峰会上的另一个“简易按钮”是用于推理的人工智能POD。人工智能POD是一种即插即用的基础设施堆栈，采用Nvidia软件，针对特定行业和用例进行配置。与UCS一样，这些产品结合了计算、网络和存储，并增加了云管理功能。这些产品具有可扩展性，启动速度非常快，这应该会增加对企业的吸引力。

我和我的商业伙伴Daniel Newman为“Six Five on the Road”节目采访Patel时，还有一件事让我印象深刻：他清楚地认识到尚未用于训练人工智能模型的大量未开发企业数据蕴藏巨大商机。我似乎一直在提醒大家，绝大多数（也许80%）企业数据并不在云端，也不适用于基于公开数据的大型语音模型（LLM）。这些数据是企业中聪明的早期采用者用来定制和微调其内部模型的数据。这也是SAP、ServiceNow、AWS、微软、IBM等智能供应商帮助客户利用人工智能的数据。思科现在似乎有意启用后端网络、模型安全等Patel所称的“无聊”功能，让更多企业能够通过人工智能充分利用这些数据。

向人工智能黄金矿工出售镐和铲

考虑到思科的规模和旗下产品组合的复杂性，我其实还可以讨论很多思科在各方面所做的工作，例如人工智能训练基础设施、人工智能连接和人工智能推理等等。我可能会在某个时候深入探讨思科的“Silicon One”计划，Silicon One计划帮助思科将自己的硅芯片整合到旗下的设备中。随着时间的推移，这在人工智能领域可能会变得越来越重要，因为无论是原始设备制造商还是终端客户，都不会完全满意仅有一两家半导体制造商（指Nvidia和AMD）主导市场的局面。

目前，更重要的是要了解思科在人工智能市场（尤其是面向企业客户）的巧妙定位。Patel喜欢指出，在加利福尼亚淘金热期间，真正发财致富的不是寻金者和矿工，而是销售镐和铲的供应商。我们已经在超大规模云服务商身上看到了这一点，我相信在企业数据中心也会如此。他的比喻寓意明显：无论超大规模企业或日益增多的企业在生成式人工智能方面成事或不成事，思科都可以利用这些客户对支持人工智能训练、连接和推理的快速、可扩展、安全网络架构的需求。对于像思科这样的大公司来说，挑战始终在于执行，但在我看来毫无疑问，机会就在那。

尽管我仍然不确定思科在计算方面的努力对旗下人工智能战略有多么重要——我需要看到一些实际结果才会相信，但思科基于现有产品组合和关系以及过去几年的明智之举而制定了一个明智的战略，我表示赞赏。特别是，我认为思科多年前将Nvidia人工智能集成到思科终端协作设备中的决策非常明智。（在我写这篇文章的时候，我的办公桌上就放着一台这样的设备。）思科提供的质量、安全性和用户体验都很出色。Patel说他把视质量“优先级为零”，是对的，也就是说，他希望大家不再谈论质量问题。

思科现在完成了对Splunk的收购加上企业人工智能面临的首要阻碍是数据管理，我希望看到思科加大力度开发一个全面数据管理平台。所谓“全面”，我指的是能与Cloudera、Databricks和Snowflake竞争的平台。

笔者曾是一名前产品经理，可能有些先入为主的产品理念，但我确实喜欢Patel的产品理念。他希望打造客户喜爱的优秀产品，他希望思科专注于“10倍”市场机会，在这些10倍市场机会中，思科可以超越竞争对手。Patel也知道在首席执行Chuck Robbins手下，“节奏很重要”。换句话说，思科现在已经花时间将旗下人工智能产品组合和市场策略调整得当了，思科定将迅速行动。我认为，2025年将为思科提供大量机会证明这种方法的明智性。