Mengapa Ejen AI Menjana Lebih Banyak Trafik Berbanding Manusia

Cisco menggambarkan ejen AI sebagai 'pengguna kuasa' rangkaian. Tidak seperti manusia—yang biasanya melakukan tindakan diskret seperti memuatkan halaman web atau menghantar mesej—ejen beroperasi secara berterusan pada kelajuan perisian.

Dalam amalan, ini bermakna satu aliran kerja ejen boleh:

• Menghantar permintaan inferens berulang kepada model AI
• Menarik data daripada berbilang API dan perkhidmatan awan
• Menukar token dan hasil pertengahan merentas perkhidmatan
• Mencetuskan aliran kerja berantai yang memanggil model atau alat tambahan

Oleh kerana aktiviti berterusan ini, Cisco menganggarkan ejen AI boleh menjana kira-kira 450% lebih trafik rangkaian berbanding pengguna manusia dalam aliran kerja yang setanding.

Perbezaan utama lain adalah arah trafik. Penggunaan internet tradisional kebanyakannya berat muat turun (contohnya, menstrim video atau memuatkan halaman web). Aliran kerja AI, sebaliknya, melibatkan pertukaran dua hala yang berterusan, dengan trafik huluan yang ketara apabila gesaan, data, dan hasil pertengahan mengalir ke model sebelum respons kembali.

Pendorong Sebenar: Inferens AI, Bukan Latihan

Perbincangan awam tentang infrastruktur AI sering memberi tumpuan kepada latihan model besar. Kajian Cisco menyerlahkan realiti berbeza untuk rangkaian: inferens menguasai trafik operasi.

Inferens merujuk kepada penggunaan model terlatih secara masa nyata—menjawab soalan, menjana kandungan, menganalisis data, atau melaksanakan tugas ejen. Penyelidikan Cisco adalah berdasarkan trafik inferens yang diukur pada rangkaian penyedia perkhidmatan, menunjukkan bahawa beban kerja langsung ini adalah pemacu utama permintaan WAN.

Laporan itu meramalkan bahawa trafik inferens sahaja boleh mendorong pertumbuhan rangkaian tambahan 63% berbanding unjuran yang tidak termasuk beban kerja AI agentik.

Peralihan Besar dalam Trafik Global Menjelang 2035

Jika penggunaan AI agentik mengikut unjuran Cisco, jejak rangkaiannya akan menjadi besar dalam dekad akan datang.

Ramalan utama termasuk:

• Inferens AI boleh mencapai kira-kira 25% daripada semua trafik rangkaian menjelang 2035.
• Pecutan terbesar dijangka antara 2029 dan 2032, apabila penggunaan AI agentik perusahaan diramalkan meningkat.

Pertumbuhan ini mencerminkan peralihan struktur: daripada letusan trafik sekali-sekala apabila pengguna membuat pertanyaan model, ejen AI mencipta beban kerja berterusan yang memastikan rangkaian sibuk sepanjang masa.

Mengapa Trafik Rangkaian Perusahaan Boleh Tumbuh 9 Kali Ganda

Cisco juga memodelkan bagaimana penggunaan AI boleh menjejaskan volum trafik perusahaan.

Tanpa AI agentik, permintaan rangkaian perusahaan dari 2026 hingga 2035 mungkin akan berkembang kira-kira 2.5 kali ganda, didorong oleh perkhidmatan awan, aplikasi SaaS, dan transformasi digital.

Dengan penggunaan AI agentik yang meluas, walau bagaimanapun, tempoh yang sama boleh menyaksikan trafik berkembang kepada kira-kira sembilan kali ganda paras hari ini, didorong oleh aliran kerja autonomi yang berulang kali mengakses data, model, dan perkhidmatan.

Sistem ini secara berkesan melipatgandakan aktiviti merentas rangkaian kerana setiap tugas manusia boleh mencetuskan banyak interaksi automatik antara perkhidmatan dan model AI.

Bagaimana Trafik AI Mengubah Tingkah Laku Rangkaian

Penyelidikan Cisco menekankan bahawa AI tidak hanya meningkatkan volum trafik—ia mengubah ciri trafik.

Berbanding dengan trafik web atau SaaS konvensional, beban kerja AI cenderung:

• Lebih dinamik: Ejen AI memulakan letusan permintaan dan aliran kerja teragih.
• Lebih sensitif latensi: kelewatan inferens secara langsung mempengaruhi pengalaman pengguna dan prestasi ejen.
• Lebih dua hala: trafik huluan meningkat apabila gesaan, telemetri, dan data pertengahan bergerak ke model.
• Lebih kompleks: aliran kerja sering melibatkan pelbagai awan, API, dan titik akhir inferens.

Perubahan ini menjadikan perancangan rangkaian tradisional—berdasarkan aktiviti pengguna yang boleh diramal—jauh kurang boleh dipercayai.

Mengapa Rangkaian Memerlukan Seni Bina Baharu untuk AI

Oleh kerana laluan inferens AI secara langsung mempengaruhi kualiti aplikasi, Cisco berpendapat bahawa rangkaian mesti melayannya sebagai infrastruktur kritikal, bukan aliran trafik biasa.

Peralihan ini membayangkan beberapa keutamaan seni bina:

1. Kejuruteraan Trafik Sedar AI

Aliran inferens mungkin memerlukan laluan keutamaan, jaminan latensi, dan keputusan penghalaan dinamik untuk mengekalkan prestasi.

2. Pengkomputeran Teragih dan Penempatan Tepi

Meletakkan infrastruktur inferens lebih dekat dengan pengguna atau data boleh mengurangkan latensi dan mengelakkan kesesakan WAN.

3. Kebolehcerapan Masa Nyata

Beban kerja AI menghasilkan corak trafik yang pantas dan kompleks, menjadikan keterlihatan hujung ke hujung penting untuk mengesan kesesakan atau prestasi merosot sebelum aliran kerja gagal.

4. Ketahanan Lebih Kukuh

Penyelidikan Cisco menyerlahkan bahawa gangguan rangkaian sudah menelan kos yang tinggi kepada perniagaan dan sering dicetuskan oleh kesesakan, serangan siber, atau ralat konfigurasi. Beban kerja AI meningkatkan tekanan pada rangkaian yang mesti kekal tersedia secara berterusan.

Kesimpulan

Penyelidikan WAN Cisco menunjukkan transformasi yang lebih mendalam daripada pertumbuhan lebar jalur semata-mata. AI agentik memperkenalkan beban kerja yang sentiasa aktif, didorong oleh inferens yang berkelakuan berbeza daripada trafik internet tradisional.

Jika trend penggunaan mengikuti unjuran semasa, rangkaian dalam dekad akan datang perlu menyokong:

• Ejen AI bertindak sebagai pengguna rangkaian frekuensi tinggi
• Jumlah besar trafik inferens masa nyata
• Aliran yang lebih simetri dan kritikal-latensi

Ini bermakna reka bentuk rangkaian masa depan akan semakin berkisar pada seni bina sedar AI—menggabungkan kapasiti lebih tinggi, pengkomputeran teragih, telemetri termaju, dan kualiti perkhidmatan khusus untuk trafik inferens.

Walau bagaimanapun, unjuran ini masih kekal sebagai ramalan berdasarkan kebanyakannya pengukuran dan pemodelan Cisco. Skala sebenar peralihan akan bergantung pada seberapa pantas AI agentik menjadi sebati dalam aliran kerja perusahaan dan pengguna seharian.

Mengapa Ejen AI Menjana Lebih Banyak Trafik Berbanding Manusia

Cisco menggambarkan ejen AI sebagai 'pengguna kuasa' rangkaian. Tidak seperti manusia—yang biasanya melakukan tindakan diskret seperti memuatkan halaman web atau menghantar mesej—ejen beroperasi secara berterusan pada kelajuan perisian.

Dalam amalan, ini bermakna satu aliran kerja ejen boleh:

• Menghantar permintaan inferens berulang kepada model AI
• Menarik data daripada berbilang API dan perkhidmatan awan
• Menukar token dan hasil pertengahan merentas perkhidmatan
• Mencetuskan aliran kerja berantai yang memanggil model atau alat tambahan

Oleh kerana aktiviti berterusan ini, Cisco menganggarkan ejen AI boleh menjana kira-kira 450% lebih trafik rangkaian berbanding pengguna manusia dalam aliran kerja yang setanding.

Perbezaan utama lain adalah arah trafik. Penggunaan internet tradisional kebanyakannya berat muat turun (contohnya, menstrim video atau memuatkan halaman web). Aliran kerja AI, sebaliknya, melibatkan pertukaran dua hala yang berterusan, dengan trafik huluan yang ketara apabila gesaan, data, dan hasil pertengahan mengalir ke model sebelum respons kembali.

Pendorong Sebenar: Inferens AI, Bukan Latihan

Perbincangan awam tentang infrastruktur AI sering memberi tumpuan kepada latihan model besar. Kajian Cisco menyerlahkan realiti berbeza untuk rangkaian: inferens menguasai trafik operasi.

Inferens merujuk kepada penggunaan model terlatih secara masa nyata—menjawab soalan, menjana kandungan, menganalisis data, atau melaksanakan tugas ejen. Penyelidikan Cisco adalah berdasarkan trafik inferens yang diukur pada rangkaian penyedia perkhidmatan, menunjukkan bahawa beban kerja langsung ini adalah pemacu utama permintaan WAN.

Laporan itu meramalkan bahawa trafik inferens sahaja boleh mendorong pertumbuhan rangkaian tambahan 63% berbanding unjuran yang tidak termasuk beban kerja AI agentik.

Peralihan Besar dalam Trafik Global Menjelang 2035

Jika penggunaan AI agentik mengikut unjuran Cisco, jejak rangkaiannya akan menjadi besar dalam dekad akan datang.

Ramalan utama termasuk:

• Inferens AI boleh mencapai kira-kira 25% daripada semua trafik rangkaian menjelang 2035.
• Pecutan terbesar dijangka antara 2029 dan 2032, apabila penggunaan AI agentik perusahaan diramalkan meningkat.

Pertumbuhan ini mencerminkan peralihan struktur: daripada letusan trafik sekali-sekala apabila pengguna membuat pertanyaan model, ejen AI mencipta beban kerja berterusan yang memastikan rangkaian sibuk sepanjang masa.

Mengapa Trafik Rangkaian Perusahaan Boleh Tumbuh 9 Kali Ganda

Cisco juga memodelkan bagaimana penggunaan AI boleh menjejaskan volum trafik perusahaan.

Tanpa AI agentik, permintaan rangkaian perusahaan dari 2026 hingga 2035 mungkin akan berkembang kira-kira 2.5 kali ganda, didorong oleh perkhidmatan awan, aplikasi SaaS, dan transformasi digital.

Dengan penggunaan AI agentik yang meluas, walau bagaimanapun, tempoh yang sama boleh menyaksikan trafik berkembang kepada kira-kira sembilan kali ganda paras hari ini, didorong oleh aliran kerja autonomi yang berulang kali mengakses data, model, dan perkhidmatan.

Sistem ini secara berkesan melipatgandakan aktiviti merentas rangkaian kerana setiap tugas manusia boleh mencetuskan banyak interaksi automatik antara perkhidmatan dan model AI.

Bagaimana Trafik AI Mengubah Tingkah Laku Rangkaian

Penyelidikan Cisco menekankan bahawa AI tidak hanya meningkatkan volum trafik—ia mengubah ciri trafik.

Berbanding dengan trafik web atau SaaS konvensional, beban kerja AI cenderung:

• Lebih dinamik: Ejen AI memulakan letusan permintaan dan aliran kerja teragih.
• Lebih sensitif latensi: kelewatan inferens secara langsung mempengaruhi pengalaman pengguna dan prestasi ejen.
• Lebih dua hala: trafik huluan meningkat apabila gesaan, telemetri, dan data pertengahan bergerak ke model.
• Lebih kompleks: aliran kerja sering melibatkan pelbagai awan, API, dan titik akhir inferens.

Perubahan ini menjadikan perancangan rangkaian tradisional—berdasarkan aktiviti pengguna yang boleh diramal—jauh kurang boleh dipercayai.

Mengapa Rangkaian Memerlukan Seni Bina Baharu untuk AI

Oleh kerana laluan inferens AI secara langsung mempengaruhi kualiti aplikasi, Cisco berpendapat bahawa rangkaian mesti melayannya sebagai infrastruktur kritikal, bukan aliran trafik biasa.

Peralihan ini membayangkan beberapa keutamaan seni bina:

1. Kejuruteraan Trafik Sedar AI

Aliran inferens mungkin memerlukan laluan keutamaan, jaminan latensi, dan keputusan penghalaan dinamik untuk mengekalkan prestasi.

2. Pengkomputeran Teragih dan Penempatan Tepi

Meletakkan infrastruktur inferens lebih dekat dengan pengguna atau data boleh mengurangkan latensi dan mengelakkan kesesakan WAN.

3. Kebolehcerapan Masa Nyata

Beban kerja AI menghasilkan corak trafik yang pantas dan kompleks, menjadikan keterlihatan hujung ke hujung penting untuk mengesan kesesakan atau prestasi merosot sebelum aliran kerja gagal.

4. Ketahanan Lebih Kukuh

Penyelidikan Cisco menyerlahkan bahawa gangguan rangkaian sudah menelan kos yang tinggi kepada perniagaan dan sering dicetuskan oleh kesesakan, serangan siber, atau ralat konfigurasi. Beban kerja AI meningkatkan tekanan pada rangkaian yang mesti kekal tersedia secara berterusan.

Kesimpulan

Penyelidikan WAN Cisco menunjukkan transformasi yang lebih mendalam daripada pertumbuhan lebar jalur semata-mata. AI agentik memperkenalkan beban kerja yang sentiasa aktif, didorong oleh inferens yang berkelakuan berbeza daripada trafik internet tradisional.

Jika trend penggunaan mengikuti unjuran semasa, rangkaian dalam dekad akan datang perlu menyokong:

• Ejen AI bertindak sebagai pengguna rangkaian frekuensi tinggi
• Jumlah besar trafik inferens masa nyata
• Aliran yang lebih simetri dan kritikal-latensi

Ini bermakna reka bentuk rangkaian masa depan akan semakin berkisar pada seni bina sedar AI—menggabungkan kapasiti lebih tinggi, pengkomputeran teragih, telemetri termaju, dan kualiti perkhidmatan khusus untuk trafik inferens.

Walau bagaimanapun, unjuran ini masih kekal sebagai ramalan berdasarkan kebanyakannya pengukuran dan pemodelan Cisco. Skala sebenar peralihan akan bergantung pada seberapa pantas AI agentik menjadi sebati dalam aliran kerja perusahaan dan pengguna seharian.