AI竞争进入控制面：网络、芯片与治理同时加码

当 AI 开始替企业执行任务，真正稀缺的就不只是模型能力，而是谁能控制连接、工作流和风险边界。本期把四条新消息放在一起，看 AI 产业正在形成的三层“控制面”：底层是网络和芯片，中层是能进入业务系统的专业代理，上层是跟着能力升级一起变化的治理框架。

9 月 14 日，Ciena 宣布成立 Ciena Ventures，初始承诺规模为 2 亿美元，投资对象包括早期公司和科技型风险基金，方向覆盖网络基础设施、下一代数据中心架构、光网络与互连，以及计算、材料和新型通信等邻近领域。Ciena 把这称为公司首次全公司级的企业风险投资计划。1

这条消息的重点不是又多了一只基金，而是网络设备公司开始用资本配置参与定义下一代 AI 基础设施。模型训练需要把大量加速器连在一起，推理则会把请求分散到更多地点。网络的延迟、带宽和调度方式，都会直接影响一套模型能不能稳定交付。Ciena 投资的对象因此不只是“卖网线的初创公司”，而是可能改变数据中心内部连接方式、跨数据中心调度方式和运维方式的技术。

对内容创作者来说，观察 AI 基础设施不能只盯着芯片发布量，还要看哪一层开始主动下注下一层。Ciena 的动作说明，网络厂商正在从供应商变成生态组织者。它要提前知道哪些技术会进入客户架构，再决定自研、投资，还是以后收购。

9 月 8 日，Qualcomm 宣布与 Amazon 展开多代定制芯片合作，为 AWS 的大规模 AI 数据中心提供面向推理的定制硅片。双方还会合作开发高速光互连方案，覆盖最高 1.6T 的连接能力；Qualcomm 同时计划更多使用 AWS 的 AI 基础设施和 Bedrock，来支持电子设计自动化工作，目标是缩短芯片设计周期。2

这里有一个容易被忽略的变化。Amazon 不是简单地买一颗通用芯片，Qualcomm 也不是简单地把一款芯片卖给云厂商。双方把芯片、光互连、设计工具和云基础设施放在一条更长的协作链里。芯片的价值，越来越取决于它能不能嵌进一个完整的数据中心系统，而不是只看单颗芯片的峰值参数。

这也解释了为什么 AI 基础设施的竞争会越来越像长期工业合同。云厂商想要的是功耗、成本和供货节奏可控的推理能力；芯片厂商想要的是一条稳定的规模化需求。对外宣布合作只是起点，后面还要看芯片何时完成、数据中心何时部署、客户负载是否真的转过去。新闻稿里的合作，不等于已经实现的收入，但它已经把竞争从“谁能做芯片”推进到“谁能把芯片做成系统”。

同样的控制权争夺，正在业务软件里发生。9 月 14 日，Zendesk 发布 Specialized AI Agents，把代理分成面向行业的 Industry Agents 和面向企业自身流程的 Custom Agents。公司称，这些代理可以结合企业知识、工作流和连接系统，自动化最多 80% 的工作流。首批商业场景包括购物、订单管理、退换货、配送问题和退款处理。3

Zendesk 给出的产品结构很值得看。行业代理把通用经验预先装进去，定制代理则让企业自己规定代理负责什么、能访问哪些系统、可以执行哪些动作，以及什么情况下必须得到人工批准。代理还可以在业务事件发生时主动运行，或者按计划执行，而不只是等用户提问。

这意味着企业采购的对象变了。过去，企业买的是一个坐席工具，再把人安排进流程。现在，软件厂商试图把代理放进流程本身，让代理读取订单、调用支付和风控系统，再完成退货或退款。Zendesk 提到，它的客户在七周内已经完成超过一百万次 Custom Agent 执行，部分客户的自动解决率在部署后提升了 10%。这些数字属于公司披露，不能直接当成整个行业的平均效果，但它们至少说明，代理产品已经开始用“完成了多少工作”来证明价值。3

所以，专业代理和通用聊天机器人之间的差别，不只是回答得更准确。专业代理要知道业务规则，要能调用系统，还要把权限和人工接管写进动作链。谁拥有这些连接，谁就更接近客户真正的工作入口。

9 月 14 日，全国网络安全标准化技术委员会发布《人工智能安全治理框架 3.0》。官方介绍显示，框架延续“风险分类、技术应对、综合治理”的核心逻辑，同时更新风险分类、调整技术应对和综合治理措施。4

框架正文把风险分为人工智能内生安全风险、应用安全风险和衍生安全风险；对应的目录还加入了人工智能模型算法研发、应用建设部署、应用运行管理和访问使用等安全指引，并在附件中单列智能体风险管理框架。5

这套结构说明，治理对象已经不只是模型输出内容。模型怎么训练、应用怎么部署、代理怎么调用工具、用户怎么访问，开始被放到同一条责任链里。框架前言也把能力从“回答问题”转向“执行任务”、工具调用和跨应用协作，视为风险变化的重要背景。5

这不等于所有条款都会立刻变成强制监管，也不等于企业只要对照目录打勾就完成了安全建设。它更像一套共同语言：当企业讨论一个代理能不能上线时，不能只问它能完成什么，还要继续问它能访问什么、谁对结果负责、出现异常时谁能暂停，以及记录能不能留下来。

把四条消息放在一起，产业链的变化就更清楚了。Ciena 想用资本提前布局网络技术，Qualcomm 和 Amazon 把定制芯片、光互连和云设计工具绑成长期合作，Zendesk 把代理嵌入订单和退款这样的真实流程，网安标委则把研发、部署、运行和访问放进同一套治理框架。

它们共同指向一个判断：AI 的下一轮竞争，不只是模型提供了多少智能，而是谁能把智能放进一个可连接、可执行、可审计的系统。底层公司争夺的是连接和供给，中层软件争夺的是流程入口，治理体系争夺的是责任边界。三层之间越靠近，商业价值越大，失败的代价也越高。

对内容创作者来说，之后看一条 AI 新闻，可以多问四个问题。它改变的是哪一层基础设施？它有没有进入真实工作流？它的能力依赖哪些连接和权限？发生错误时，谁能发现、谁能暂停、谁需要承担后果？

这四个问题，能把一条“发布了新模型”或“宣布了新合作”的消息，继续追到产业真正发生变化的地方。今天的四个进展还不能证明所有合作都会兑现，也不能证明代理的自动化比例会长期稳定；它们证明的是，AI 公司已经在同时争夺系统入口和责任入口。