智能体产生的网络流量最高可达人类的450%，并已开始以可量化的方式重塑网络流量格局。

思科最新研究显示，在不引入智能体AI的情况下，企业网络流量预计在未来十年内增长2.5倍；而一旦智能体AI得到广泛应用，受自主任务执行与推理密集型工作流驱动，这一增幅将跃升至现有流量水平的9倍。

思科发布的最新研究报告《AI对广域网络的影响2026》指出，AI与智能体AI不仅会推动流量总量的增长，还将"改变流量的形态、对称性、持续时长及业务关键性"。报告强调："AI推理路径将成为战略性网络资产，需要具备高度的韧性、可观测性以及差异化处理能力，例如服务质量（QoS）保障与路径安全防护。"

该报告综合了多类研究方法，包括基于思科Crosswork Assurance用户体验服务的真实流量分析、第三方行业数据，以及思科实验室针对AI智能体的受控测试。研究内容涵盖对服务提供商网络中实时AI推理流量的直接测量，以及对AI流量特征的系统测试，并以此训练模型，以识别并精准追踪网络中的AI流量。

思科首席产品管理工程师哈维尔·安蒂奇（Javier Antich）与服务提供商连接业务高级副总裁古鲁·申诺伊（Guru Shenoy）在一篇关于该研究的博客文章中写道："对于服务提供商、网络架构师以及数字基础设施负责人而言，真正的风险不在于AI流量会突然大量涌现，而在于误以为它与其他流量并无二致——但事实并非如此。"

两位作者指出，智能体以机器速度而非人类速度运行，这一差异改变了一切。

他们写道："如果说AI模型是这个新时代的'大脑'，那么网络便是'神经系统'。当自主智能体开始以规模化的机器速度代替人类行动、决策与交易时，这套连接神经系统必须做好充分准备。如果你正在规划容量、设计架构或制定未来十年的战略，这一议题不是可选项，而是根基所在。尽管AI推理通常被视为计算或GPU层面的问题，但报告中的洞察表明，随着推理能力的持续演进，网络层面的重要性正日益凸显。"

报告指出，过去数十年间，业界始终围绕以人类节奏为主的突发性视频流对网络进行优化，而智能体AI的兴起正在改变网络流量的特征与行为模式。

"预计到2035年，四分之一的网络流量将来自AI推理（数据来源：思科模型）。这类流量与网页流量截然不同——它存续时间更长，对上行带宽需求更高，且以软件速度而非人类速度运行，"报告指出，"智能体逻辑与AI模型之间的连接，实际上成为智能体的'脊髓'——一种关键依赖，任何网络性能的下降都将直接损害智能体的功能表现。"

报告同时指出："尽管与视频流媒体等主导流量类别相比，AI推理流量目前仍微乎其微，但其观测增速极为惊人。Token消耗数据显示，年同比增长接近10倍，而在部分服务提供商的测量中，仅八个月内便出现了约4倍的增长。按此速率持续增长，AI流量将在2035年前成为整体网络流量中不可忽视的重要组成部分。"

思科报告还援引了多项第三方研究，揭示智能体AI将以多快的速度进入企业网络。例如，高德纳（Gartner）预测，到2026年，40%的企业应用将集成特定任务的AI智能体，而2025年这一比例尚不足5%。高德纳还预计，到2035年，智能体AI将驱动企业应用软件收入的约30%，全球规模将超过4500亿美元（而2025年这一占比仅为软件收入的2%）。

思科还援引了IBM 2025年全球高管调查的数据：24%的商业领袖表示其运营中已有AI智能体独立采取行动，67%的受访者预计到2027年将有AI智能体在工作流中自主完成决策。

思科表示："从本质上看，到2035年，企业软件市场中近三分之一的份额可能源于AI智能体能力——这是十年内的根本性变革。届时，大多数企业软件预计将深度嵌入AI智能体，新的软件商业模式也将围绕自主功能展开。"

报告的其他主要发现如下：

流量增长趋势

"2029年至2032年间，网络总流量将经历显著增长，这一时期也是智能体AI采用率大幅提升的阶段，AI推理流量的复合年均增长率（CAGR）将达到约25%，"思科报告指出。

数据流持续时长

"AI推理流量与非AI网页流量相比呈现出不同特征，这些差异虽不算剧烈，但可能对容量规划产生影响。数据流时长分析表明，AI推理流与常规网页事务之间存在明显差异——统计数据显示，AI推理流的持续时间是常规网页事务的2倍，"思科指出，"主要原因在于AI推理流量的内容生成方式——逐个Token生成，导致流量持续时间更长、传输速率更低。"

较长流量时长的影响

"对于需要在流表中维护流状态的'流感知'网络系统而言，AI推理流量的长期化意味着流表的持续扩张，必须纳入有效的规划考量，"思科指出，"随着时间推移，安全系统与流感知网络系统很可能需要向更分布式的方向演进，以应对转发状态的持续增长。"

数据流速率特征

"与流量时长直接相关，AI推理流量的数据流速率相较常规网页事务呈现出不同模式。常规网页事务的中位流速率是AI推理流量的10倍，"思科指出，"这一差异的根本原因在于AI推理的数据生成机制——常规网页流量的峰值远高于AI推理流量，因为内容可以直接从存储位置提取并交付给用户。"

流速率差异的影响

"不同的中位平均流量与峰均比，可能需要在网络中针对AI推理流量与非AI推理网页事务配置不同的QoS策略，"思科指出。

流量不对称性

"网络流量的不对称性因接入类型（移动网络与有线网络）及服务类型而有所不同，"思科指出，"AI推理流量与非AI网页事务在流量对称性上存在明显差异：AI推理流量中，9%的流具有上行流量多于下行流量的特征，而在其他HTTP事务中，这一比例仅约为0.5%。"

流量不对称性的影响

随着智能体AI采用率的提升，网络流量对称性模式预计将发生更为显著的变化。"尤其对于无线容量规划而言，流量对称性假设是一个关键因素。随着AI推理与智能体AI的持续普及，追踪流量对称性的演变趋势至关重要，因为这一指标将随时间推移持续下降，"思科指出。

网络延迟影响

"大语言模型推理请求的延迟通常远高于典型网页API调用，且响应时间的波动性更大。传统网页应用的REST API通常追求亚秒级甚至100毫秒以内的响应时间，"思科指出，"相比之下，即便是短小的大语言模型查询，仅开始生成输出就需要数百毫秒，完整响应往往需要数秒钟。"

AI推理延迟的影响

"AI推理延迟的范围跨度较大，从数百毫秒到数秒不等，"思科指出，"网络延迟将成为推理分布的关键因素，并与规模、数据主权、安全性等因素共同发挥作用。此外，服务提供商还需要监测用户实际体验到的AI推理延迟，因为这是影响用户感知体验的核心指标。"

Q&A

Q1：思科报告中提到智能体AI会产生多少倍于人类的网络流量？

A：根据思科最新研究，智能体产生的网络流量最高可达人类的450%。此外，报告预测，若智能体AI得到广泛采用，企业网络流量增幅将从无智能体情况下的2.5倍跃升至现有流量水平的9倍，主要由自主任务执行与推理密集型工作流驱动。

Q2：AI推理流量和普通网页流量有什么区别？

A：AI推理流量与普通网页流量存在多方面差异：AI推理流持续时间约为普通网页事务的2倍；普通网页的中位流速率是AI推理流量的10倍；AI推理流量中有9%上行流量多于下行，而普通HTTP事务仅约0.5%；大语言模型推理延迟也远高于传统API，完整响应往往需要数秒钟。

Q3：到2035年AI推理流量会占到网络总流量的多少？

A：根据思科模型预测，到2035年，约四分之一（25%）的网络流量将来自AI推理。Token消耗数据显示AI流量年同比增长近10倍，部分服务提供商仅在八个月内便观测到约4倍增长，按此速率AI流量将在2035年前成为网络流量的重要组成部分。