AI技术发展趋势 - AI技术加速渗透各行各业，互联网基础设施需适应混合办公场景，企业有必要积极进行技术转型 [1] - 大模型应用成本大幅下降，企业更倾向于采用混合模式（如金融企业关键信息用私有大模型，非关键信息用公有大模型或算力平台）以缓解资金压力 [1] - 未来AI技术两大关注点：从基础设施到应用场景的全链条技术创新，以及与技术创新同步的安全问题 [1] 企业AI应用策略 - 企业需构建实时动态系统核查内部运行的大模型种类，并通过云端审查机制实现多模型应用管控 [5] - 需制定内部策略规范员工使用大模型行为，搭建AI访问平台（如思科"bridge IT"平台）防止商业机密泄露 [5] - 企业IT管理人员需明确系统中AI应用类型，建立管控机制确保合规使用 [8][10] 个人AI使用建议 - 优先选择主流大模型（如ChatGPT、通义千问、豆包） [5] - 通过不同模型答案交叉验证筛选可靠信息 [5] - 发现错误时主动反馈服务商以推动优化 [5] AI与可持续发展挑战 - AI是"双刃剑"：缩小数据鸿沟但增加能源需求（算力、计算、网络、存储能耗几何级增长） [6] - 四种降耗方式：最优架构设计（如两层结构）、多网融合资源整合、核心设备低功耗升级（如思科自研芯片"Silicon One"能耗降至10%）、光纤光电转换技术优化 [6] - 综合方案可使物理设备整体能耗降至20%~30% [6] Web 3.0时代基建特点 - 去中心化网络架构带来复杂网状连接，需确保业务安全性与可靠性 [8] - 分布式使用模式需保障客户持续一致的用户体验 [8] 大模型安全防护 - 主流大模型被网络攻击成功率高达60%~100%，需构建安全机制（验证可靠性、设置电子围栏、实时监测攻击） [10] - 需防范"带偏见"大模型（数据越多答案越错误），从多角度保护 [10] - 安全策略落地需企业IT与业务人员协同定义规则，可人工设定或系统自我学习 [10] 思科业务布局 - 在Web 3.0与AI时代提供容器化技术监测虚拟应用数据流，实现端到端全链路管理与可视化 [7] - 香港分公司依托"背靠祖国，联通世界"定位，支持中资企业出海，并赋能金融、娱乐等优势产业（如AI技术、WiFi 7升级） [11]