思科推出 Splunk AI POD：敏感机器数据可在本地运行 GPU 加速 AI

企业想把 AI 用在安全告警、日志和运维数据上，往往首先遇到的并不是模型能力问题，而是数据能否离开自身环境。对公共部门、强监管行业及跨国企业而言，将敏感机器数据传到外部公有云 AI 服务，可能触及数据驻留、主权和安全要求。

在 2026 年 9 月 15 日于美国丹佛举行的 Splunk .conf26 大会上，思科与 NVIDIA 宣布 Cisco AI POD for Splunk 正式可用。该方案让 Splunk Enterprise 客户能够在自有的本地部署、私有云或物理隔离环境中，自主管理并运行 GPU 加速的 Splunk AI。3

核心思路：让 AI 靠近数据，而不是把数据送往 AI

Cisco AI POD for Splunk 是 Cisco Secure AI Factory with NVIDIA 参考架构中的一种部署配置。它将 Splunk AI 运行时软件、思科基础设施与 NVIDIA 加速计算结合，用于承载 Splunk AI 工作负载。3

它的关键价值在于数据控制：企业无需将日志、遥测信息、告警和运维记录导出到外部 AI 平台，而是可在这些机器数据原本保存的位置运行 AI。思科和 NVIDIA 将其定位为面向 Splunk Enterprise 客户的自主管理方案。3

因此，该产品尤其适合需要兼顾 AI 应用与数据驻留、数据主权或高安全要求的机构，包括公共部门、受监管行业和全球化运营企业。13

面向哪些数据与场景？

该平台聚焦 Splunk 常处理的运营类机器数据，包括：

• 安全遥测与安全调查数据；
• 基础设施、网络和设备信号；
• 应用与服务健康状况数据；
• 日志、告警及其他运营事件数据。38

思科提出的应用方向涵盖 AI 辅助安全、可观测性和运维。其中，Splunk AI Assistant 可用于临时的智能体式调查；而 .conf26 的整体产品信息则强调，AI 工作流将覆盖安全运营与可观测性等领域。35

以 Kubernetes 为基础的预验证方案

公告描述的是一套基于 Kubernetes 的架构，用于将 Splunk AI 运行时部署在客户可控的基础设施上。独立报道指出，这一交钥匙式技术栈包括 Red Hat OpenShift、Cisco UCS 计算资源、NVIDIA GPU 加速以及 Splunk AI 运行时。310

对企业而言，这意味着不必把运营数据发送给外部托管 AI 平台，也不需要从零组合软件、计算和加速层。客户仍需负责环境的日常运行，但可采用已完成验证的软硬件配置。3

思科表示，该运行时可在客户自有基础设施中支持自托管 AI 能力，并点名埃森哲、bitsIO、Wipro 和 World Wide Technology 为实施合作伙伴。3

已可使用什么？模型支持仍需确认什么？

Splunk AI Assistant 已可通过新平台使用。思科也提到 Agent Launchpad：这是其推进本地 Splunk AI 的组成部分，旨在帮助客户构建自定义 AI 智能体。317

不过，现有公告材料并未给出完整的基础模型支持清单，也没有确认对具体 NVIDIA 模型、开源模型或专有模型的支持范围。评估该平台的客户仍应向思科或部署合作伙伴确认可选模型、模型托管方式及实际运维要求。317

在思科整体 AI 战略中的位置

思科更大的目标，是让 Splunk 成为连接网络运营、安全、可观测性和 AI 基础设施的“数据与行动层”。在这一框架下，AI POD 提供的是在客户环境中运行可信 AI 工作流的生产级基础设施，而非仅用于云端试验的单点工具。38

与之配套的 Cisco Data Fabric（由 Splunk Platform 驱动），意在帮助企业在数据所在位置进行分析、实时连接跨领域数据，并将机器数据转换为可供模型训练和受治理智能体行动使用的资源。17

这些组件共同构成一条面向生产部署的路径：

• Cisco AI POD for Splunk：提供经过验证、由客户掌控的 AI 基础设施；
• Splunk AI 运行时与 AI Assistant：让 AI 能力更贴近 Splunk 中保存的机器数据；
• Agent Launchpad：将这一能力延伸至自定义智能体；
• Cisco Data Fabric：用于连接、准备分布式数据，并支持分析与受治理的行动。317

需要注意的是，现有材料并不足以证实 AI POD 与所谓 Cisco Nexus One 中 Native Splunk 从单节点扩展至多节点架构之间的具体关联，也无法证实其建立在某一特定 NVIDIA-Certified Systems 基础之上。这些说法在本次公告的证据范围内仍属未经确认的信息。

结论

Cisco AI POD for Splunk 为 Splunk Enterprise 客户提供了一条正式可用的路径：在本地、私有云或隔离环境中运行由 GPU 加速、且由自身管理的 AI。对于既希望从安全和运营机器数据中获得 AI 洞察、又必须掌握数据存放位置与处理边界的组织，这一方案的实际意义最为突出。3

这项发布的重点并不在于指定某个模型，而是一种基础设施策略：将 Splunk AI 软件、思科基础设施和 NVIDIA 加速能力组合起来，帮助企业在不让敏感数据离开自身环境的前提下，把受治理的 AI 与智能体工作流从试点推进到生产。317