随着AI智能体承担越来越多的企业工作，企业采用AI最大的障碍已不再是能力，而是信任。客户需要确信AI具备安全性、可治理性，并且投入成本具有价值，才会愿意让AI在企业范围内大规模运行。如今，思科通过Splunk最新创新弥合这一信任鸿沟，使客户能够在数据现有所在环境中，以安全且高效的方式扩展AI应用。其中包括进一步扩大与英伟达的合作，将Splunk AI引入本地部署客户环境。
Splunk.Conf26主会场展示 Splunk 面向 AI 时代的发展愿景与全新技术创新
思科全球总裁兼首席产品官Jeetu Patel表示：“当前企业 AI 应用面临的最大障碍之一就是部署过于复杂。客户想要知道的是——我是否可以信任它完成工作？我是否负担得起？最重要的是，我是否能够确保它的安全？通过在客户已经信任的基础设施上运行 Splunk AI，企业能够更加快速、自信地将 AI 应用于业务，同时保持对 AI 的控制能力。”
英伟达加速赋能的自管理Splunk AI
对于无法将敏感数据迁移至云端的客户而言，过去Splunk AI因部署限制难以落地，而如今，这一障碍已经消除。思科与英伟达正在扩大双方合作，将自管理 AI（self-managed AI）直接带给 Splunk Enterprise客户，使客户能够在自身的本地部署环境、私有云以及隔离网络环境中运行 AI。
与英伟达联手打造的思科安全 AI 工厂（Cisco Secure AI Factory）是一套参考架构，通过 Cisco AI PODs 将完整 AI 技术栈整合在一起。其中最新配置Cisco AI POD for Splunk，通过全新的 AI 运行时软件、思科基础设施、英伟达加速计算以及基于 Kubernetes 的架构，将 Splunk AI 带给本地部署客户。该方案经过预验证和优化，可支持 Splunk AI 工作负载，目前已正式上市。对于拥有自有基础设施的客户，Accenture、bitsIO、Wipro 和 World Wide Technology 等合作伙伴可从第一天起协助客户完成部署。
Splunk AI Assistant（现已上市）和 Agent Launchpad（将于2026年底前上市）将运行于该基础层之上。二者共同支持临时智能体调查（ad-hoc agentic investigations）以及定制化智能体构建，为在自有数据中心运行 Splunk 的团队提供包括智能体安全运营中心（Agentic SOC）在内的多种应用场景支持。
客户还可以针对 Splunk Enterprise 工作负载，自托管部分开源及专有生成式 AI 模型，包括 Cisco Deep Time Series Model、Google Gemma 4 和 OpenAI GPT-OSS 20B；未来几个月还将支持NVIDIA Nemotron 开源模型。企业团队可以根据不同任务选择最适合的模型，而无需将数据发送至外部环境。
思科全球总裁兼首席产品官Jeetu Patel和 英伟达企业 AI 平台副总裁 Justin Boitano 在大会现场分享双方如何携手推动可信AI规模化应用
英伟达企业 AI 平台副总裁 Justin Boitano 表示：“企业需要将 AI 带到数据所在的位置，尤其是在安全性和数据主权要求关键工作负载必须保留在本地环境时。通过支持 Splunk AI 工作负载在英伟达加速计算平台上，并结合英伟达Nemotron 开源模型运行，思科与英伟达正携手将 AI 智能体直接引入 Splunk，为企业在各种基础设施环境中开展智能体安全运营提供高性能、全栈式基础。”
在统一视图中洞察智能体性能并追踪 Token 消耗
全新的可观测性创新为思科客户提供完整统一的全栈视角，帮助企业了解 AI 智能体的实际运行表现。
AI 智能体的运行方式并不总是能够被使用者准确预测，其产生的成本可能一直处于不可见状态，直到账单产生才被发现。借助新增 Tokenomics 能力的 Splunk Agent Observability 正在弥合这一可视化缺口，为企业提供 AI 智能体性能和 AI Token 消耗的实时视图。这使团队能够准确了解 AI 成本产生的位置和原因，并在其演变为预算压力之前采取行动。
最初以本地部署形式发布的 Splunk Agent Observability，现已扩展至 Splunk Observability Cloud 和 Cisco Cloud Control，进一步覆盖使用思科产品组合的客户。该解决方案能够评估智能体和模型行为，监测整个 AI 技术栈的运行表现，并应用运行时防护机制（runtime guardrails），阻止不准确或不安全的操作，例如模型幻觉或敏感数据泄露。
作为 Splunk Agent Observability 的组成部分，全新的 Tokenomics 解决方案将可视化能力进一步延伸至成本管理领域——能够追踪并归因 AI 智能体以及员工使用代码智能体（coding agents，如 Claude Code、Codex 和 Cursor）产生的 Token 消耗。该方案还将利用 Cisco Deep Time Series Model 预测未来使用趋势，在计费周期结束前预估未来消耗情况。这些洞察能够帮助企业建立 Tokenomics 管理体系，并将 AI 投入与业务成果建立联系。
思科还通过减少影响自主故障排查的可视化缺口和成本障碍，帮助企业增强基础设施韧性。Observability Studio 使团队能够确保新应用从设计之初便具备“可观测性”（born observable），从一开始即可被衡量并满足生产环境要求。全新的 Network Intelligence App 将思科网络拓扑（Network Topology）、设备健康状态和事件信息引入 Splunk，使网络团队能够从告警直接追踪至相关设备以及其所在网络环境。此外，Observability Cloud 推出新的版本——基础版（Essentials）和高级版（Premier），进一步简化客户采购和扩展可观测能力的方式，并通过高性价比日志分析功能帮助企业快速定位应用和基础设施问题。
Splunk .Conf26 现场展示 Cisco Cloud Control，进一步体现思科通过统一平台体验帮助企业简化 IT 管理的持续创新。
智能体安全运营中心（Agentic SOC）的可信自主能力
AI 驱动的攻击正在以超过传统人工安全运营响应能力的速度发展。当前，企业比以往任何时候都更需要全面了解并应对整个 IT 环境中的潜在暴露面和漏洞风险——从基础设施到应用程序。应对 AI 时代的威胁，需要具备智能体能力的安全运营中心（Agentic SOC），能够以机器速度进行分析、推理和防御，同时满足企业领导者对于数据主权和人工治理能力的要求。
Splunk 正通过融合企业级全域遥测数据（telemetry）以及由领先前沿模型和领域专用模型驱动的 AI 智能体，持续推动智能体安全运营中心的发展。全新打造的智能体能力进一步扩展 Splunk Agentic SOC Workforce，模拟领先安全运营团队的工作方式，覆盖包括威胁检测工程（detection engineering），主动式威胁搜寻（proactive threat hunting），自主调查（autonomous investigation），协同响应（coordinated response）以及策略治理（policy governance）。通过关联来自网络、云、应用和身份环境的丰富全栈机器数据，这些智能体能够提供深度推理能力以及透明、可解释的判断结果，减少告警噪声，并缩短平均修复时间。
如今攻击者正在利用 AI 大规模寻找漏洞，持续且无差别地探测基础设施、应用程序和身份系统。近期发生的一系列攻击活动表明，全面掌握企业暴露面已经成为董事会层面的重要要求。全新的 Exposure Analytics 增强能力通过更广泛的资产覆盖、历史变化追踪以及针对业务场景的风险洞察，实现这一目标。该能力将暴露面背景信息与 Splunk、思科以及广泛第三方生态系统中的实时安全活动相连接，使团队能够看到完整 IT 环境，而不仅仅是某一家供应商所覆盖的局部视角。智能体利用这些上下文信息，帮助企业精准识别最关键的问题以及当前正在发生的风险。
全新的Splunk Enterprise Security基础版使更多安全团队能够获得智能体安全运营能力以及更高程度的自动化。Splunk Enterprise Security高级版则进一步提供更深入的智能体自主能力，以及 Splunk Enterprise Security 的完整功能。
思科旗下Splunk与AWS携手打造智能体企业
同样的紧迫需求也推动了Splunk与AWS合作关系迈向新的阶段。Splunk与AWS正在将双方长期合作关系进一步拓展至联合产品开发领域，并签署多年期合作协议。双方合作将进一步推动智能体安全运营中心（Agentic SOC）的发展，以更快速地应对AI驱动的攻击。
如今，攻击者的行动速度已经超过传统人工响应流程的处理能力。要匹配这一速度，需要深度安全智能以及能够即时采取行动的规模化能力。Splunk 提供安全团队长期依赖的数据平台和深度检测能力，而 AWS 则提供全球云规模能力。双方将共同为安全分析人员提供智能体支持，覆盖威胁检测、调查分析以及响应处置等环节。
安全团队不会为了提升效率而放弃监督能力。未来的未来的发展方向，是在企业所需治理机制和分析人员控制能力保障下，实现大规模智能体行动。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表