Cisco 在研究中形容 AI 代理是「網路重度使用者(network power users)」。人類通常是偶爾進行操作,例如打開網頁、傳送訊息或提出一次查詢;但 AI 代理則以軟體速度持續運作。
一個 AI 代理的工作流程可能會同時:
由於這些動作會持續進行,Cisco 估計在相似任務情境下,AI 代理可能產生約 450% 的額外網路流量。
流量方向也會改變。傳統網路使用多半是下載為主(例如看影片或讀取網頁)。但 AI 工作流程通常需要頻繁的雙向通訊:提示(prompt)、資料與中間結果不斷上傳到模型,再由模型回傳回應。
大眾討論 AI 基礎設施時,常聚焦在大型模型訓練。但 Cisco 指出,對網路而言,真正的流量來源是推論(inference)。
推論是指即時使用模型的過程,例如回答問題、生成內容、分析資料或執行 AI 代理任務。Cisco 的研究特別強調,報告是根據電信服務網路上實際測得的 AI 推論流量進行分析。
研究顯示,若把 Agentic AI 的影響納入考量,推論流量本身就可能讓整體網路成長比原本預測多出約 63%。
如果 Agentic AI 的採用速度符合 Cisco 的預測,其對全球網路的影響將在未來十年逐漸放大。
幾個關鍵預測包括:
這代表一個結構性的變化:
過去 AI 流量通常是「尖峰式」——使用者提問時流量暴增,之後回到低基線。但 AI 代理會持續與系統互動,形成全天候運作的工作負載。
Cisco 也對企業網路流量進行了模型推估。
如果沒有 Agentic AI,企業網路需求在 2026 到 2035 年之間大約會成長 2.5 倍,主要來自雲端服務、SaaS 與數位轉型。
但若 AI 代理被廣泛導入,同一期間的流量可能增加到約目前的 9 倍。
原因很簡單:一個人類任務可能觸發大量自動化的服務與模型互動。例如一個 AI 助理完成一項任務時,可能需要多次查詢資料庫、呼叫模型、再透過 API 執行操作。
Cisco 強調,AI 不只是增加流量量級,也會改變流量的特性。
與傳統 Web 或 SaaS 流量相比,AI 工作負載通常具有以下特點:
這使得傳統依據使用者行為預測流量的網路規劃方式變得不再可靠。
Cisco 指出,未來 AI 推論路徑將變成關鍵基礎設施,而不是普通的網路流量。
因此網路架構需要新的設計方向:
推論流量可能需要優先路徑、延遲保證與動態路由,確保 AI 工作流程不被網路瓶頸拖慢。
將推論運算放在更接近使用者或資料的位置,可以降低延遲並減少 WAN 壅塞。
AI 工作負載會產生快速且複雜的流量模式,因此需要端到端即時可視化,才能在工作流程失敗前偵測壅塞或效能下降。
Cisco 的研究指出,企業網路中斷已造成巨大的全球成本,而 AI 工作負載將進一步提高對高可用性與穩定性的要求。
Cisco 的 WAN 研究顯示,Agentic AI 帶來的不只是頻寬需求增加,而是一場更深層的網路變革。
未來十年,網路可能需要支援:
因此,下一代網路設計將越來越依賴AI 感知架構:更高容量、分散式運算、進階遙測(telemetry),以及為 AI 推論流量設計的品質保證(QoS)。
當然,這些仍是基於 Cisco 研究模型的預測。最終規模仍取決於 Agentic AI 在企業與消費者場景中的實際普及速度。