思科今年发布了一份专项报告《AI Impact on Wide Area Networks》，结论比很多人预想的更靠前：到 2035 年，AI 推理流量将占全部互联网流量的 25%。
但它真正有价值的判断不是这个占比，而是另一句话——AI 对网络的挑战不只有带宽扩容，流量行为范式的迁移比带宽扩张更本质。
过去几十年，网络优化面向的是人类交互、突发下载、下行主导的网页和视频业务。AI 推理流量像一个新物种，它不按这套规矩出牌。
图注：AI 推理是把水一口一口吸出来，不是拧开水龙头放水
基数小，涨得快
眼下 AI 推理的绝对规模还远小于视频流媒体，但它不是网络主体流量，却已经是主要增量。
OpenRouter 的 Token 消耗统计显示，AI Token 消耗量同比实现 10 倍增长；两家运营商实测，仅 8 个月 AI 推理流量就实现 4 倍增长（来源：《思科2026报告深度解读：AI正在重塑广域网》，SDNLAB）。
协议层面还有一个容易被忽视的变化：AI 推理流量里 TCP 与 QUIC 的流数量接近各占一半，从数据量看 QUIC 承载了 57%。QUIC 全程加密，深度包检测识别 AI 业务的能力被削弱——传统安全设备首先失去了"看得见"的前提。
四个被改写的流量特征
第一是会话时长翻倍。AI 一个 Token 一个 Token 地生成内容，会话被拉长：普通非 LLM 网页流的中位持续时长是 643 毫秒，LLM 推理流的中位数达到 1292 毫秒。
这不是小事。防火墙、DPI、负载均衡这类流感知设备需要长时间维护会话状态，会话表规模随之膨胀，报告建议这类系统向分布式架构演进。
第二是流量更平滑。普通 Web 业务的中位流速率是 AI 推理流量的 10 倍——网页可以一次性抓取静态资源、瞬时冲高，AI 逐 Token 输出则是天然的流量整形，突发尖峰很少。
后果是沿用旧的 QoS 调度参数保不住 AI 业务体验。这类流不追求峰值带宽，但要求一条稳定的低速率通道；用视频业务的参数去调度它，两头都不讨好。
第三是上行占比抬升。约 9% 的 AI 推理流是上行大于下行，而传统 HTTP 事务中这个比例只有 0.5%——相差 18 倍。根源是携带大量上下文的提示词；随着智能体普及，它还要持续保存和传输任务上下文状态，上行占比只会继续走高。
无论固定宽带还是移动网络，过去的容量规划都优先保障下行，这个前提该修了，无线接入网尤其明显。
第四是时延瓶颈不在网络。LLM 推理的总时延等于首 Token 输出时间加上每个输出 Token 耗时乘以输出 Token 数。完整推理通常几百毫秒到数秒，而单纯的网络传输时延只有 20—50 毫秒。
以 GPT-5.2 为例，每 Token 约 9 毫秒，100 个 Token 的回答约 1 秒，600 个 Token 接近 5.4 秒。所以现阶段算力是主要矛盾，网络还不是。但方向确定：推理硬件越快，模型计算耗时被压得越短，网络时延在端到端体验里的权重就越高。
图注：两个被打破的老规矩——上行不再次要，会话不再短促
智能体是网络的超级用户
报告里最有说服力的一组数据来自实验室实测。
思科用 Langchain Open Deep Research 智能体跑了一个任务：收集思科的公开信息、社交媒体、新闻、合作伙伴、高管博客和社交帖子。结果是总网络流量 26.8MB，比人工操作提升 450%，新增流量中 70% 属于 AI 推理流量。
这个案例点出智能体的三个特征。
它是网络功率用户——以软件速度运行，而不是人类速度。人可能几分钟才点一次链接，智能体可以在几毫秒内发起几十个请求。
推理路径是它的"脊髓"——智能体逻辑代码与 AI 模型之间那条连接，任何网络故障或性能下降都会直接导致功能受损。
流量模式更复杂——它要与智能体本身、AI 模型、各种工具和数据源通信，链路可能跨越设备、本地、私有数据中心和公有云。报告特别提到，MCP 正在成为智能体与工具之间通信的标准协议。
十年的账要重算
报告结合 Gartner、IBM、摩根士丹利等机构的预测，给了两组对比数字。
企业侧：如果没有智能体 AI，十年企业网络流量增长约 2.5 倍；智能体普及之后，这个数字变成 9 倍。报告还预测 2026 年 40% 的企业应用会集成专用 AI 智能体，2035 年智能体 AI 贡献的企业软件收入超过 4500 亿美元。
全网侧：不考虑 AI 影响，2025—2035 年全网流量增长 4 倍；在 AI 与智能体 AI 加持下增长 6.6 倍，比非 AI 基准多出 63% 的增量。2029—2032 是智能体采用的爆发窗口，该阶段 AI 推理流量的复合年增长率约 25%（来源：《思科2026报告深度解读：AI正在重塑广域网》，SDNLAB）。
本刊 9 月 5 日的文章《AI上岗后·网络先扛不住了》提过一个更细的观察：AI 渗透企业分五个阶段，每个阶段的流量结构和预算科目完全不同，Agent 单次任务动辄上百次调用，按南北向流量积累起来的治理经验会一夜过时（来源：《AI上岗后·网络先扛不住了》）。思科这份报告，从流量特征侧给出了同一结论的技术底稿。
源势AI怎么看
这份报告容易被误读成"又要扩容了"。扩容只是最不重要的一层——多买带宽是钱能解决的事。
真正要提前做的有三件。
第一，把 AI 流量从"未知流量"变成"可识别流量"。QUIC 加密已经让传统 DPI 失效，靠端口和特征库识别的方法基本作废，得建在流量行为特征上。
第二，重算带宽模型，尤其是上行。9% 对 0.5% 这个差距不是临时的，智能体越多、上下文越长，上行占比越高。还在按下行主导做容量规划的网络，会在智能体铺开的那个季度集中暴露。
第三，把智能体到模型那条推理链路当成核心业务路径来设计。它承载的是"业务能不能跑"，可靠性等级应当对标交易系统，而不是对标普通的员工上网。
最后提醒一个顺序问题：企业现在做 AI 规划，多半只算模型调用成本和算力预算，网络预算挂在 IT 基建里、由另一拨人管。等智能体真的铺开，这两笔账必须合到一个表里算——否则省在算力上的钱，会在网络上原样花出去。
参考材料
- 《思科2026报告深度解读：AI正在重塑广域网》（SDNLAB）
- 《AI进入企业后，网络究竟会发生什么变化？——从业务变化、流量变化到网络需求的完整分析》
- 本刊《2026-09-05_AI上岗后·网络先扛不住了》
