思科今日发布第三份年度《思科人工智能就绪指数》报告(Cisco AI Readiness Index)。报告显示,在过去三年中,一小部分始终表现突出的企业群体——被称为“领导者”(Pacesetters)——在AI价值的各项衡量指标上均显著优于同行。其中,这一群体在中国大陆约占受访企业的10%,在全球约占13%。这是思科首次全面分析全球“领导者”的领先之道,基于思科对来自30个市场、26个行业、超过8,000名AI领域领导者的全球调研结果。
“领导者”所展现的持续优势体现了一种新的韧性:一种在战略驱动力与数据和基础设施之间取得平衡的系统化方法,使企业能够跟上AI快速演进的步伐。全球有高达98%的“领导者”在打造网络架构时,已经充分考虑AI的增长、规模和复杂性,而中国大陆的比例为49%。
这种前瞻性与基础能力的结合,正在带来切实成果——恰逢两股力量正在重塑格局之际:一是AI代理(AI Agents),它们对规模、安全和治理提出了更高要求;二是AI基础设施债务(AI Infrastructure Debt),即隐藏的早期预警信号,这可能侵蚀AI的长期价值。
思科全球总裁兼首席产品官Jeetu Patel表示:“我们正在迈过问答式聊天机器人的时代,进入AI的下一个重要阶段:能够独立执行任务的AI代理。最新的《思科人工智能就绪指数》报告显示,全球超过80%的企业正在优先部署智能代理解决方案,其中三分之二的企业表示这些系统已经达到了甚至超过了预期的绩效目标。数据显示,这带来了巨大的竞争优势——在AI部署上走得更前的企业,其回报远高于同行。”
“领导者”特质:以就绪度为竞争优势
思科的研究总结出这些领先的企业在实现实际回报方面的一致特征:
几乎所有全球 “领导者”(99%)都有明确的AI路线图(中国大陆为65%);91%全球 “领导者” 制定了变革管理计划(中国大陆为30%)。预算分配体现战略决心,79%的 全球 “领导者” 将AI列为首要投资方向(中国大陆为22%),96%的全球 “领导者” 同时具备短期和长期资金规划(中国大陆为47%)。
正因如此, “领导者” 在绩效上显著领先同行:90%的 “领导者” 报告盈利能力、生产力和创新能力的提升,而中国大陆整体比例为63%。
AI代理:雄心超越就绪度
报告显示,73%的中国大陆企业计划部署AI代理,近41%预计这些代理将在一年内与员工并肩工作。然而,对多数企业而言,AI代理正在暴露出基础薄弱的问题——许多系统仅能勉强应对反应式、任务型AI,远未达到支持自主、持续学习型AI系统的水平。29%的中国大陆受访者表示其网络无法应对复杂性或数据量扩展,只有12%认为其网络具有灵活或可适应性。
“领导者”再次成为例外,他们通过有纪律的系统化方法,已奠定可持续扩展的坚实基础。
AI基础设施债务:新兴的价值负累
报告首次提出“AI基础设施债务”( AI Infrastructure Debt)这一概念。这是技术债与数字债的现代演变,曾在数字化转型中造成阻碍。
这指的是在AI基础设施中长期累积的妥协、延期升级和资金不足问题,会逐渐侵蚀AI的价值。一些早期预警信号已经显现:41%的受访中国大陆企业预计未来三年内工作负载将增长30%以上;57%在数据集中化方面面临困难;仅29%具备充足的GPU算力;不足五分之一的企业能检测或防御AI特定威胁。
这些信号揭示出AI雄心与运营就绪度之间的差距。当支撑AI的系统不够安全时,这种“债务”会带来更高风险。虽然 “领导者” 也并非完全免疫,但他们的前瞻性、治理能力和投资纪律,能更有效的避免问题累积为更高成本的风险。
下载该报告:就绪度创造价值
随着自主AI与智能代理系统将企业推向持续计算需求的新时代,本报告再次验证:就绪度创造价值。最具AI就绪度的企业,正为行业树立标杆。
关于《思科2025人工智能就绪指数》报告
《思科2025人工智能就绪指数》报告是思科连续第三年发布的全球研究成果,基于一项对8,000名高级IT与业务领导者的双盲调查,这些受访者均负责各自企业的AI战略。所有受访者均来自员工规模超过500人的企业,覆盖26个行业。
好文章,需要你的鼓励
当超级计算机被压缩进一个比书本还小的盒子里,这画面有多炸裂?想象一下,你桌面上摆着的不是什么花瓶摆件,而是一台能跑200B参数AI推理的"超算怪兽"——这就是我们今天要聊的主角:华硕Ascent GX10。
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。