在本周于丹佛举行的Splunk .conf 2026大会上，思科系统及其Splunk部门明确押注：在智能体驱动的企业中，最稀缺的资源并非算力或GPU，而是信任。
与往年聚焦仪表板和功能不同，本次大会的核心议题围绕“谁被授权采取行动”展开。从思科总裁兼首席产品官Jeetu Patel到Splunk高级副总裁兼总经理Kamal Hathi，高层演讲贯穿同一主题：企业软件正从“回答问题”转向“采取行动”，而若无可靠的记录系统，后者无法规模化扩展。
智能体是新劳动力，令牌是新货币
Patel在开场主旨演讲中指出，行业已从聊天机器人时代迈入智能体世界，后者能几乎完全自主地执行任务。他敦促企业将智能体视为“队友”而非单纯的工具，并定义了智能体时代的四个维度：推理成为新工作负载，智能体成为新劳动力，令牌成为新货币，而信任则是采用的基石。
数据显示，今年二月智能体消耗的令牌数量首次超过人类，七个月后这一比例已达五倍。预计今年全球约60%的AI算力将用于推理而非训练。智能体全天候运行、衍生子智能体并占用大量带宽，其消费曲线不再受限于人类注意力。Patel调侃称，智能体“像青少年一样”——聪明、无畏但判断力欠佳，这为制定AI政策提供了重要思维模型。
可观测性与安全性的必然融合
随着智能体介入，可观测性与安全性边界日益模糊。Patel指出，很难区分系统故障是源于漏洞、提示词污染，还是智能体严格遵循指令却做出错误判断。传统的“是错误还是攻击”分类法在非确定性系统面前失效。
Splunk的解决方案是将智能体追踪、评估分数、应用遥测、网络数据和安全信号整合至单一关联框架，服务于安全运营中心（SOC）和可观测性团队。Splunk安全高级副总裁兼总经理John Morgan预览了一项将于年底推出的集成方案，允许客户合并数据集。尽管承认两团队通常拥有独立预算和组织架构，但其业务目标已趋于一致：无法排查不可见之物，推动了两领域的结合。
令牌经济学：从科学项目到损益表
成本控制成为另一焦点。Splunk正式发布Splunk Agent Observability，支持云端、本地及Cisco Cloud Control原生部署，并推出“Tokenomics”功能以跟踪预测令牌支出。
演示显示，若缺乏管控，一个被授权提高客户满意度的购物智能体可能滥用过期促销，导致规模化后每小时损失约50万美元。通过引入低延迟（低于350毫秒）的小语言模型护栏，评估成本可从每天约1000美元降至几美元。Splunk智能体韧性总监Vikram Chatterjee强调，运行时控制必须“不破坏财政”，并非所有环节都需要大模型介入。
Verizon代表Diganta Nayak补充道，优化重点应是业务成果的经济性，而非单纯减少令牌数量。高完成率、少重试的高级模型往往更具性价比，这凸显了可观测性在治理中的关键作用。
重构数据经济学与本地AI栈
针对客户对数据成本的担忧，Hathi提出“容量增加10倍，账单不变”的承诺，旨在消除数据发送顾虑。这一变革由Cisco Data Fabric驱动，该平台包含机器数据湖、目录、扩展联邦搜索及AI数据管理功能。联邦搜索目前已覆盖AWS CloudWatch和Databricks，计划于2027年1月获得FedRAMP认证，并于同年晚些时候推出Splunk Enterprise本地版本。
此外，思科将AI栈带入本地环境，推出适用于Splunk的Cisco AI POD，作为Nvidia Cisco Secure AI Factory的一部分，支持Google Gemma 4、OpenAI GPT-OSS 20B等自托管模型，Nvidia Nemotron模型也将随后加入，以满足受监管组织的需求。
像管理员工一样建立信任
客户实践印证了“信任阶梯”的重要性。Asurion的Jordan Kramer表示，公司采用“信任但验证”模式，随着智能体证明价值逐步扩大其权限范围，“像实习生一样赢得信任”。Constellation Energy的Hossein Korsha分享数据称，一旦自动化获得信任并获准行动，检测云原生身份事件的平均时间从20分钟缩短至39秒。但他也警示，若在数据基础成熟前过早采用AI，误报将淹没分析师。
为此，Splunk扩展了智能体劳动力覆盖范围，涵盖检测工程、分类、调查和响应，并推出Exposure Analytics增强功能及Cisco Live Protect虚拟补丁。在可观测性方面，Observability Studio、AI SRE智能体及Anthropic构建的Splunk修复智能体现已可用，后者可读取遥测数据、发起合并请求并等待人类批准。
结语
Patel坦言，收购Splunk是思科最具战略意义的举措之一，甚至表示若重来一次“可能会愿意支付更多”。在AI无处不在的今天，机器行为的记录系统成为控制全局的关键点。思科凭借从硅片、网络、计算到模型及Splunk数据的全栈优势，占据了有利位置。尽管执行风险犹存，且组织架构调整滞后于技术融合，但买家应重点关注新版本映射及团队信任机制的建立，以应对智能体时代的长远挑战。