思科想给网络再加两层，好让智能体共享意图

Nathan Labenz 开场引用了一句三个词的口号，美国几乎人人都听过，却很少有 AI 从业者能讲清楚：思科负责搬运信息。Outshift by Cisco 的高级副总裁兼总经理 Vijoy Pandey 对这句口号没有异议，他把它拆成四项业务：网络、安全、可观测性和协作，最后一项就是 Webex。然后他为机器学习的听众重新定义了这家公司。他说，思科本质上是一家分布式系统公司。把一台服务器做大是一种办法，把许多服务器连成集群是另一种办法，而思科几十年来一直在做的，正是后者。

这种框架很重要，因为 OSI 七层模型正是他想要扩展的世界的正式地图。物理层、链路层、网络层、传输层、会话层、表示层、应用层：这套栈大家都假装遵守，然后又绕着它干活。Pandey 对 Labenz 说，实际上大部分工作靠三个名字完成。以太网位于物理层和链路层；TCP/IP 位于第三层和第四层，构成了互联网；HTTP 和 HTTPS 是第七层的应用协议。其余的，他耸耸肩承认，会让网络纯粹主义者不高兴，不过是形式主义。

这套栈里有多少已经在用机器学习运行？Pandey 划了一条清晰的界线。数据平面，也就是路由表、转发，以及两个人通话时的那条路径，依然是确定性的。“我不想把这件事交给运气。”控制平面则不同。BGP、故障绕行、海底光缆故障、谷歌与亚马逊之间的跨公司策略：这些软件层多年来就在使用机器学习。异常检测、超级碗期间的流量预测、瓶颈故障预测、客户情绪分析，甚至 Webex 的降噪，都是老的流水线。变化在于，生成式模型终于在企业内部变得实用，它们位于这套栈之上，不去深入转发路径。

Outshift 真正上线的第一个生成式 AI 系统叫 Project Jarvis，后来并入了 Splunk、Webex 以及思科的其他业务部门。思路几乎是直来直去的：把软件开发里已经发生的智能体化，搬到站点可靠性工程上。SRE 每天都在做重复性的工作，这些工作可以自动化；他们本来就把基础设施当作软件来管理。Jarvis 就是在这条流水线上放了一群智能体。

生产环境中的系统名叫 CAIPE，即 Community AI Platform Engineer，还配了一个超级英雄披风造型的 logo。它是一个多智能体系统，而不是带工具的聊天机器人。有五个以上的用户界面向它输入。它会在各大云厂商、云原生环境和本地机房之间，发起一百多次工具调用，覆盖可观测性、编排、网络和安全。它涵盖十多个工作流。大约二十个智能体在一起协作。团队的负载下降了 30%。团队过去处理的任务中，有 40% 现在已经实现端到端的智能体化，“我们甚至都不用操心了”。响应时间从几小时缩短到即时，Pandey 在谈效率的同时也提到了士气，因为 SRE 团队不再被每天的救火淹没。

思科没有把这个系统留在内部。它通过 Cloud Native Operating Excellence 社区开源，Pandey 列出的成员都是“有意思的名字”：Adobe、AWS、思科、耐克，以及越来越多推动这个项目的其他企业。他把这份成绩单看作基础设施有效的证明，终点还在更远的地方。终点是一个认知互联网：一套基础设施，让不同厂商、代表不同利益的智能体能够彼此找到、共享意图，解决它们在训练中从未见过的问题。

被问到多智能体系统的前沿能处理什么，Pandey 先给了一个定义，没有急着拿基准测试说话。他感兴趣的 AGI 和 ASI 版本，是一个智能体团队协作解决某个全新的问题，“完全是新的，根本不在那些训练数据里”，并且全程不需要人类介入，达到 100%。他知道自己混用了经济学和技术层面的定义，还是愿意押注这种混合定义。他指出，ASI 的时间表一直在往前、往后来回挪动。更重要的事实是，整个行业都在追同一个方向：纵向扩展。更大的模型、更会推理的模型、更多数据、更多算力、更多参数。

第二根轴是横向的：智能能否横向扩展，让集体比个体更强？思科的分布式系统基因，是他在意这件事的原因。单个“大脑”正在变得更聪明，但它们还没有学会一起思考：共享意图、共享认知，对没人见过的问题进行集体创新。“如果你想把这些时间线拉近，我们就得挖掘那根横轴。”Labenz 还补充了一个来自 METR 的 Ajeya Cotra 提出的测量问题。那张著名的时间跨度图，仍然问的是一个人类完成某项任务需要多长时间。Cotra 写过，在大约十六小时以内，一个人和一个拆分的团队差别不大，因为协调有固定成本；超过几周，并行工作就会胜出，所以她建议把模型和一支组织良好的人类团队对比打分。Pandey 站在同一枚硬币的另一面：那把尺子量的仍然是一个 AI，它可能会派生出子智能体。他想要的是来自不同厂商、不同模型的专家，因为人类团队真正的力量就来自这里。

他引用了人类进化来说明这一点。使用工具、符号交流、绘画、挥旗：这些在数十万年里都已存在，而智能曲线一直相对平缓。大约 70000 年前出现的语言，才是那个阶跃。突然之间，一群人不再只是一起冲上山坡，还能商定策略，把工作拆解成部分，按专长分配，对齐意图，协调配合，去解决他们从未见过的问题。Pandey 说，同样的轨迹正在硅基上重演。Claude、GPT 和 Gemini 现在都能派生子智能体，“但它还不算。这更像是我大脑里的子进程。”缺少的是能够共享意图、协商、保存制度性知识、并针对新问题陈述进行创新的智能体团队。他把这种网络称为认知互联网，按定义它将是多厂商的，因为领域专家并非都出自同一家公司。

Labenz 用这一期节目自己的准备工作，把这个抽象概念具体化。他用跑在 Claude 上的 Tasklet 调研 Pandey，抓取他的出版物，和 Cognitive Revolution 多年来的提纲做交叉比对，再起草问题。他仍然会自己改写，因为 AI 的草稿不会替他坐到房间里。另一边，Pandey 团队里有人（后来被点名为 Rebecca）对 Outshift 的工作和 Labenz 近期的主题做了类似的梳理。两份材料都有用，但两个智能体都不知道对方的存在。它们的产出，是靠人与人之间通过邮件传递的。Labenz 最后得自己综合两艘擦肩而过的船。

Pandey 喜欢这个例子，因为它足够简单，能让人看清缺失的那一层。Labenz 的智能体有一个局部目标：做出 Cognitive Revolution 系列中最好的一期，利用嘉宾的历史，以及对这些听众来说真正新鲜的内容。Outshift 的智能体则有另一套语境：演讲邀约，以及什么样的内容对收听 Outshift 节目的人有效。两个圆圈有重叠，共同目标是一场值得听众花时间的对话。那些让步，比如“这可能有点太偏营销了……咱们说点实在的”，都是人类在做，这条流水线完全没有智能体化。

他想要的未来是免干预的：把两个智能体放到一起，让它们在双方各做让步的情况下，收敛到共同意图，并保留共享的语境，这样下一位嘉宾，或者 Outshift 在别的节目里的下一位演讲者，就不必从零开始。如今，人类仍在 Google Docs 或 SharePoint 里做意图对齐、协调、协商和语境构建。“正是这层人类的粘合剂，在让集体智能成为可能。”认知互联网就是要把这层粘合剂变成软件。

Pandey 讲述了他的团队为一家医疗服务商搭建的多智能体系统。患者打电话进来，需要根据病史、医生的时间安排和保险情况，被分诊到合适的医生那里。系统里有四个智能体。医院一侧的排期智能体，是那个跟患者对话、预约时段的聊天机器人。保险智能体是第三方支付方的智能体。诊断智能体是第三方的，药房智能体也是第三方的。只有排期属于医院。任务很直接：根据症状、保险和药房记录，把来电者引导到合适的医生那里。开始的时候，这四个智能体彼此之间根本无法通信。

第一步是发现、连接、身份、访问，并把它们拼装成一个多智能体系统。大约一年前，思科推出了它所谓的“智能体互联网”，以及一个开源项目 AGNTCY——拼写是 A-G-N-T-C-Y，主页是 agntcy.org，现在已归 Linux 基金会。这个项目是最基础的管道：发现这四个智能体，附加身份和访问属性，让流量流动起来，并观察它们是否交付结果。智能体到工具的流量走 Anthropic 的 Model Context Protocol，智能体之间的流量走 Google 的 A2A。思科是这两个协议的基础成员。可观测性是第四根支柱，包括 Pandey 说尚未完全解决的初步评估。

这就是已经部署并能正常运行的部分。没有发生的，是管道之上的任何事情。这四个智能体可以发送消息，但载荷是不透明的：“就是一团 blob”，一个二进制对象，栈里没有人理解其中的内容。协调、对齐、共享记忆和共享语境，都在他示意图右侧那块灰色的区域里，依然要靠人在回路中完成。每个智能体都有自己的局部 KPI：排期按分诊时间计分，诊断按结果置信度计分，保险按投资回报计分。必须有人站出来告诉它们：要让一点，换一点。放松各自的局部指标，才能让患者的整体结果落地。意图、协调，以及结合患者个体与人群层面的知识，依然都需要一个人在中间。

Labenz 把今天的操作员比作老式电话交换台：去取 API 密钥，去找药房智能体的 ID，然后手动把东西插在一起。Pandey 把消费者与企业区分开。消费者选智能体时，往往看口碑、出身，甚至干脆让一个 LLM 现场生成一个。企业则有采购周期、客户信任和负责任 AI 的审查，不是那么运作的。AGNTCY 的答案，是四个带 API 的软件实体：发现、身份与访问、通信，以及可观测性。

发现机制是一个可以按能力搜索的智能体目录，它更像 DNS 那样的解析机制，指向的地址并不固定。你可以注册智能体、工具、嵌套的多智能体系统（“一直往下都是乌龟”），以及工具和数据源的访问。一次查询可能返回一个远程 API 端点，也可能返回一个 Git 分支，你可以拉下来在本地运行。后端是分布式哈希表（DHT），设计目标是在海量条目中搜索，而且没有人拥有这份目录。发现之后是身份。智能体的通信既有类似人类的语义，又是非确定性的，同时具备机器的速度和规模，所以经典的基于角色的访问是不合适的工具。通信随后分成两路：MCP 连接确定性的工具和数据源，A2A 连接智能体之间。可观测性不只是看容器是否在线。“服务可能在线，但智能体可能行为异常。”思科和微软一直在推动针对这一智能体层的 OpenTelemetry 扩展。

Labenz 追问互联网正在向围墙花园和应用商店漂移的问题，在他的说法里，OpenAI 正在试图成为一个带评价和广告的精选商店。Pandey 同意，目录和身份是“之后一切的源头”。控制住这两样，就控制了声誉、安全、定价和交易。这也是 AGNTCY 把两者都放在 DHT 上的原因。没有人拥有目录；参与者加入的是一个去中心化的基础设施。身份可以接入 Okta、Duo 等熟悉的身份提供方，也可以接入某人自己部署的去中心化身份提供方。企业可能先用 Microsoft Active Directory，因为那是他们熟悉的东西，然后再转向基于任务或工具的方案。这套架构为此留着余地，不强求只有一个所有者。

身份，Pandey 说，是企业能容忍的自主程度上最大的障碍。智能体会用自然语言交流、做决策、调用工具。哪怕只是消费者智能体拿到信用卡权限，就已经让他很小心；企业则必须更有把握。现有的系统都是为人设计的。基于角色的访问控制（RBAC）是“非常以人为中心的视角”。机器不适用时，业界又加了基于属性的访问控制（ABAC），“几乎就是把 RBAC 套到机器上”，因为普通软件不会切换人格。智能体会。它们这一小时可能代表 Vijoy，下一小时可能代表 Nathan。

于是他回到了基本原语。Cisco 给 Vijoy 开放访问权限时，真正授予的是工具、任务和交易。AGNTCY 的提议是 TBAC：基于工具、任务和交易的访问控制。默认给出最低层级的访问权限，只为手头的那个工具、任务或交易临时提升，然后立刻弹回。要临时地做，不要给智能体长期的特权。难点在于，除非你能读懂对话，否则没法说出任务是什么。确定性软件会宣告它在做什么，语义型智能体则不会。要授予 TBAC，你就得触及第九层，也就是人与智能体之间、或智能体之间的语义流，并在打开大门之前推断出它们的工作。在这一设计中，最小权限依赖于一个目前还不存在的认知状态层。

这就是扩展 OSI 的动机。今天的端点是确定性的，交换的是数据。明天的端点是概率性的智能，在每一侧的一个人和几个智能体之间交换认知状态。没有结构，你就分不清一段对话处于发现、意图对齐、协调、协商还是执行阶段。OpenClaw 让失败模式变得一目了然：一群智能体用 NLP 交谈，由人类提示，“没有建立起一致的状态”，满地都是。想要收敛、并形成建设性涌现的企业，需要的不只是不受约束的语言荒野。第 8 层是语法：基于 Vertex 构建的智能体和基于 LangGraph 或 Bedrock 构建的智能体，并不共享语法或载荷格式；MCP、A2A 和 AGNTCY 架构都在这一层。第 9 层是语义，窥视数据包内部，包上一个头部，写明“我正在发现”“我正在协商”或“我即将调用一个工具”，这样信任与治理才有比完全概率性更稳的东西可以抓住。

在 Pandey 的幻灯片上，认知互联网有三层。协议层决定智能端点如何交流，他列出三类。语义状态传输就是自然语言，是显而易见的基线。潜空间传输把整个 KV 缓存从一个模型发送到另一个模型，“就像植入一颗 Neuralink 芯片”，这样双方都不必承担切分、传输、再还原的代价。闭源权重的提供商今天不会允许这种植入；开源权重模型也许可以。压缩状态传输则介于两者之间，用于边缘场景，比如手机、MacBook 或可穿戴设备与数据中心里的东西对话。这三类依然都属于协议层。

在协议之上是认知结构层：多对多、实时、语义化，并带有一个你自己填充的记忆槽位。思科不规定存储用什么。你可以接入 Mem0 这样的开源记忆，或者 BigQuery，或者你已经在用的任何东西。他们建议的，是存放各种类型的共享状态：本体、信念、工作记忆、知识图谱，让集群拥有共同的语境。第三层是认知引擎，他引用 Raj Reddy 的一句话：AI 应当是认知加速器或守护天使。这些引擎的设计目标是大体上透明，像会议上那个说“你们别管我”的记录员。摘要、合规、安全：它们让集体智能保持在企业划定的边界之内。

Labenz 把安全方面的顾虑摆上桌面：我们应该允许 AI 用我们读不懂的语言交谈吗？OpenAI 曾表示，思维链基本还是普通的，但 Meta 一篇关于潜空间思考的论文发现，寻路在叠加态中效果更好；ChatJimmy.ai 则把一个模型烧进了硅片，每秒 15000 个 token，六分之一秒就能返回 2000 个 token。Pandey 的回答与许多安全论点的方向相反。他想要涌现行为。即使在确定性软件中，模型和厂商的多样性也是一种可靠性实践，因为相同的代码会共享同样的零日漏洞。更多的运动，更多的混乱，更多的创新，然后由引擎充当物理定律，告诉你不能穿过桌子。“人类不能发起 API 调用。人类没有可以发送给别人的 KV 缓存。”智能体可以。利用这些特性。失败模式包括分歧、孤岛式的过度专业化等，其余的也是如此，这正是引擎也要盯着这些的原因。他还希望借用数十年人类行为研究中的博弈论模型，来描述多智能体之间的竞争。

OpenClaw 已经算是一种预演，尽管目前还只是闲聊。Peter 的 soul.md 给智能体一种接近他本人的人格；Pandey 的朋友们也在定制各自的人格。把这条路再往前推一两年，就会出现具备专长和人格、坐在人类团队里的智能体。基础设施的问题在于：这些混合社会如何共享意图、协调，并且始终待在企业的护栏之内。“我不认为这是科幻。你能看到这条路正在成形。”

Labenz 以他在各期节目中反复说的一句话收尾：任何过度集中的东西都会变得危险，而集中式的智能看起来也是同一种模式。另一种选择必须是分布式的、有缓冲的、联网的、更加生态化的，并且至少在一定程度上是无许可的。Pandey 则把这份担忧翻了过来。在企业里，Labenz 的两项顾虑都是硬性要求，而不是个人口味。企业不会部署护栏没有想清楚的方案；正是这道门槛，让生成式 AI 这列火车不至于在银行或医院里失控。采用本身就是调速器。而且，没有哪家企业会只用一家厂商的智能体。看看周围吧，他说：ServiceNow、Salesforce、微软、OpenAI、Anthropic、谷歌、思科，这些智能体都会出现在同一栋楼里，它们必须相互连接、共享认知、对齐意图，因为一个智能体做不了所有工作。“未来五年内不会。”互操作性不是锦上添花的东西。

他留给听众的是一些实物：一份白皮书详细列出了三层栈。一个可点击的演示，基于对话开头的 SRE 例子，展示了一次故障如何由智能体处理：它们与云厂商的同行共享认知，市场团队盯着品牌声誉，财务盯着成本。你可以逐个智能体地查看活动、意图、语境，以及整个系统中的集体推理。“能跑起来的演示才是硬通货，”Labenz 说。二十个智能体的 SRE 成绩单已经投入生产。四家机构参与的患者流程已经是一个演示。缺失的那一层，正是他们想要写下来的东西。