Agentic AI點樣改寫全球網絡基建？Cisco研究揭示流量即將爆升

AI代理（Agentic AI）——即能夠自主執行任務的AI系統——正逐步改變全球網絡基礎設施的運作方式。Cisco關於AI對廣域網（WAN）流量影響的研究指出，問題並不只是「流量變多」，而是AI令網絡流量的行為模式本身出現變化，迫使企業與電信營運商重新思考網絡設計與管理方式。

傳統情況下，用戶只是偶爾發送查詢或下載資料。但在Agentic AI環境下，軟件代理會持續與AI模型、資料來源和其他服務互動，令網絡負載大幅增加，同時也改變了流量結構。

點解AI代理比人類產生更多流量？

Cisco形容AI代理是**「網絡重度用戶（network power users）」**。人類通常只是間歇地進行操作，例如開一個網頁或發一個訊息；但AI代理則以軟件速度持續運作。

一個典型的AI代理工作流程可能包括：

• 不斷向AI模型發送推理請求
• 從多個API與雲端服務取得資料
• 在不同服務之間交換token與中間結果
• 觸發連鎖式流程，再呼叫其他模型或工具

因為這些活動是持續發生的，Cisco估算在類似任務下，AI代理產生的網絡流量大約比人類高450%。

另一個差異是流量方向。傳統互聯網使用多數是下載為主（例如串流影片或瀏覽網站）。但AI工作流程需要雙向頻繁互動——提示、資料與中間結果會先上傳到模型，之後再返回結果，因此上行流量也大幅增加。

真正的流量來源：AI推理而非訓練

大眾談論AI基建時，往往集中在訓練大型模型。但Cisco指出，對網絡而言，真正的主角是AI推理（inference）。

推理指的是已訓練模型在實際運作時進行的計算，例如回答問題、生成內容、分析資料或執行代理任務。Cisco的研究基於服務供應商網絡中的實際推理流量數據，顯示這些即時工作負載才是推動WAN需求的主要力量。

研究預測，單是AI推理流量，就可能令整體網絡需求比沒有Agentic AI情境多出約63%的增長。

到2035年：AI流量或佔全球網絡四分之一

如果Agentic AI的採用速度符合Cisco預測，未來十年其網絡影響將非常顯著。

主要預測包括：

• 到2035年，AI推理可能佔全球網絡流量約25%。
• 2029至2032年預計是增長最快的階段，因為企業開始大規模部署AI代理。

與現時不同，未來網絡流量不再只是用戶查詢時的短暫高峰。隨著AI代理普及，網絡將出現全天候持續運作的AI工作負載。

為何企業網絡流量可能增長9倍

Cisco亦模擬了AI普及對企業網絡需求的影響。

如果沒有Agentic AI，企業網絡流量在2026至2035年間大概會增長約2.5倍，主要由雲服務、SaaS應用與數碼轉型推動。

但如果AI代理廣泛採用，同一期間流量可能增長到現時約9倍。

原因在於AI代理會把單一人類任務放大。例如，一個簡單工作可能觸發：

• 多次模型推理
• 多個雲端服務互動
• 持續資料交換

結果是每一個人類操作都會引發大量自動化網絡活動。

AI流量如何改變網絡特性

Cisco強調，AI不只是增加流量，而是改變流量特性。

相比傳統網頁或SaaS流量，AI工作負載通常具有以下特徵：

• 更動態： AI代理會突然啟動大量請求和分散式流程
• 更依賴低延遲： 推理延遲會直接影響應用表現
• 更雙向： 上行流量因提示與資料傳輸而增加
• 更複雜： 工作流程往往涉及多個雲平台、API與推理端點

因此，過去依賴可預測用戶行為的網絡容量規劃方式，未必再可靠。

為AI時代重新設計網絡架構

Cisco認為，由於推理路徑直接影響AI應用表現，網絡應把這些路徑視為關鍵基礎設施，而不是普通流量。

這意味未來網絡架構需要幾個重要方向：

1. AI感知流量管理

網絡需要能識別推理流量，並提供優先路徑、延遲保證與動態路由。

2. 分散式運算與邊緣部署

把推理資源部署到更接近用戶或資料的位置，可以降低延遲並減輕WAN壓力。

3. 即時可觀測性

AI流量變化快速且複雜，因此需要端到端即時可視化來及早發現擁塞或性能下降。

4. 更強的網絡韌性

Cisco研究指出，網絡故障已經為企業帶來巨大成本，而原因往往是擁塞、網絡攻擊或配置錯誤。AI工作負載會進一步提高對穩定性的要求。

總結

Cisco的WAN研究顯示，Agentic AI帶來的變化遠不止頻寬需求增加。它引入了持續運作、以推理為核心的工作負載，而這些流量模式與傳統互聯網使用截然不同。

如果這些趨勢持續，未來十年的網絡需要同時支援：

• 大量AI代理作為高頻網絡用戶
• 大規模即時推理流量
• 更對稱且低延遲要求的流量模式

換句話說，未來網絡設計將愈來愈圍繞AI導向架構：更高容量、分散式運算、先進監測能力，以及為AI推理流量提供專門的服務質素管理。

當然，這些仍然是基於Cisco測量與模型的預測。實際影響程度，仍取決於Agentic AI在企業與日常應用中的普及速度。