最近一个比较明显的变化是：AI Agent正在从“聊天工具”逐渐进入企业真实工作流。

9月11日，Salesforce发布 Enterprise AI Harness，强调让AI Agent获得企业业务上下文、执行能力以及治理和安全控制；9月8日，Zayo发布 Agentic Networking，让经过授权的AI Agent能够与网络基础设施进行交互。

这两个动作虽然来自不同厂商，但背后指向的是同一个趋势：AI正在从“回答问题”，走向“调用系统、获取数据、执行任务”。一旦AI Agent真正进入企业工作流，网络也会随之发生变化。

一、AI Agent和传统AI工具，网络需求有什么不同？

传统AI工具的典型使用方式比较简单：用户打开网页或者客户端 → 输入问题 → AI返回结果。网络主要承担的是一次次的人机交互。

但Agent的工作方式不一样。

一个企业级AI Agent可能需要：

* 调用模型API；

* 查询CRM或ERP；

* 访问企业知识库；

* 从云存储读取文件；

* 调用代码仓库；

* 执行自动化任务；

* 与其他Agent或者业务系统交换数据；

* 将结果写回企业系统。

也就是说，原来是：人 → 应用。

现在逐渐变成：人 → AI Agent → 多个企业系统 / 云服务 / AI服务 → 再回到业务系统

网络连接的对象更多，连接持续时间更长，业务依赖也更强。这也是为什么AI Agent落地以后，企业网络不能只看“网页能不能打开”。

二、真正需要关注的，是三个网络问题

1. 长连接和持续调用

Agent不像普通网页访问。它可能连续执行多个步骤，每一步都需要访问不同的服务。

例如一个海外业务团队让Agent完成一次客户分析：

1. 从CRM读取客户资料；

2. 调用模型进行分析；

3. 从知识库读取产品资料；

4. 查询ERP订单状态；

5. 生成报告；

6. 将结果写回业务系统。

只要其中某一个关键连接出现明显抖动，就可能影响整个任务链。

所以对于Agent场景，企业需要关注的不是单次测速结果，而是：延迟、抖动、丢包、连接稳定性，以及不同业务路径的持续可用性。

2. 数据传输开始变得更加频繁

AI Agent本身并不一定需要传输大量数据。

但一旦它进入企业生产环境，背后的数据交换量可能明显增加。

例如：文档、图片、视频、数据集、模型相关文件、企业知识库、日志、代码仓库。

对于跨地域企业来说，数据需要在总部、海外办公室、公有云、数据中心以及AI服务之间流动。

这时候，单纯依靠一条固定路径，并不一定适合所有业务。企业更需要考虑不同业务是否可以采用不同的网络路径，以及链路发生波动时是否能够快速切换。

三、AI Agent进入企业以后，网络架构应该怎么设计？

从技术架构看，可以把问题拆成三个层次。

第一层：连接层

解决的是企业的人、设备、分支和业务系统能不能稳定连接。

对于有海外业务的企业，需要考虑总部、海外分支、工厂、门店以及云资源之间的连接方式。云网关CPE是其中一种常见的企业网络接入方式。

第二层：网络路径层

连接建立以后，还需要考虑走哪条路径。

对于跨地域业务而言，不同时间、不同区域、不同应用的网络质量可能不同。因此SD-WAN的价值之一，就是通过网络状态和业务策略进行路径选择。

对于AI Agent场景，这种能力的价值并不是“让所有网络都变快”。更准确地说，是让不同业务尽可能使用与其需求匹配的网络路径。

第三层：安全与访问控制

Agent开始调用企业系统之后，安全问题也会更加明显。

传统员工访问ERP，可以通过身份、设备和权限进行控制。但当AI Agent开始自动调用企业系统时，企业需要进一步考虑：

* Agent是谁？

* 它能访问什么？

* 它可以执行什么操作？

* 哪些数据允许读取？

* 哪些操作需要人工确认？

* 如何记录访问和执行过程？

所以，AI Agent网络架构不能只考虑“连接”。还需要把身份、权限、访问控制、加密、审计等放在一起考虑。

需要强调的是：网络安全能力并不等于Agent治理本身。企业仍然需要根据自己的AI应用架构建立权限、审批、日志和业务规则。

四、对于出海企业，问题会更加复杂

如果企业同时存在：

* 国内总部；

* 海外办公室；

* 海外云资源；

* AI模型API；

* Git代码仓库；

* ERP/OA；

* 视频会议；

* 大文件传输；

那么网络实际上已经不是单一的“办公网络”，而是一张连接：人 + 应用 + 数据 + 云 + AI服务的企业网络。这时候，网络选型建议至少关注以下几个指标：

① 节点覆盖

确认服务商的POP节点是否覆盖主要业务区域。

② 路径质量

不要只在白天做一次Speedtest。

更有价值的是在真实业务环境中观察：

* RTT；

* 丢包；

* 抖动；

* 高峰期表现；

* 长连接稳定性；

* 不同业务的实际传输效率。

③ CPE部署方式

企业分支越来越多以后，网络设备部署方式本身也会成为管理成本。云网关是否能够自动注册、远程管理、统一纳管，是值得测试的指标。

④ SLA

不要只听“我们网络很稳定”。真正采购时，需要看合同中的可用性承诺、故障处理机制和赔付条款。

五、AI Agent时代，网络真正需要升级的是什么？

很多企业看到AI Agent，第一反应是：“我要不要买一个更好的AI工具？”

但对于已经准备把Agent接入生产系统的企业，更值得问的是：我的网络能不能承载一个持续调用企业系统的AI工作流？

过去网络的核心目标可能是：让员工正常办公；

现在逐渐变成：让员工、AI Agent、企业应用、云平台和数据之间稳定协作。

这意味着网络架构也需要从“连接设备”逐渐转向“支撑业务流程”。

AI Agent真正进入企业以后，网络不会消失。恰恰相反：网络会成为AI工作流能否稳定运行的重要基础设施之一。

对于正在推进AI出海、海外研发、全球协作的企业，与其等Agent上线以后再排查网络问题，不如提前用真实业务场景做一次完整POC。技术问题最终还是要靠真实数据验证。