适应AI代理需求，思科Splunk如何重塑IT运维、安全分析和可观测性？

现在还有人关心IT运维、安全分析和可观测性吗？过去很长一段时间里，“把所有机器数据接入Splunk”是很多企业建设数据平台的主流思路。Splunk成立至今，已经成为全球企业处理机器数据的事实标准平台：从日志检索、事件关联到全栈可观测，大量金融、政府、制造和互联网企业都依靠Splunk完成安全威胁排查、系统故障定位和业务运营分析。

但随着AI代理的快速普及，这种模式也遇到了数据量爆炸、存储成本快速上升的挑战。为此，思科系统公司旗下Splunk部门近日正式公布了一系列覆盖平台、安全与可观测性的重大升级方案，核心目标是将自身重新定位为“代理型企业”的数据与治理基础。这次发布并非常规的产品功能叠加，而是一次面向AI代理时代的战略性全面革新。

这次思科Splunk的全面重构，正是为了适配一个全新的现实：AI代理生成的遥测数据远超过人类操作产生的数据量，它们以机器速度运行，做出的决策会直接影响运营、财务和安全结果。

“这不是渐进式的功能叠加，我们重新构想了Splunk，让客户能够在大规模场景下放心信任AI。”思科Splunk平台高级副总裁兼总经理Mangesh Pimpalkhare表示。

本次战略升级围绕三个方向展开：观察和控制AI系统、以机器速度保护组织安全、把分布式机器数据转化为人和代理都能使用的行动依据，所有能力的核心，是对Splunk数据平台底层逻辑的彻底重构。

1. 全新Data Fabric架构，从“搬运数据”转向“联邦分析”

这次升级最核心的变化，是推出了由Splunk平台驱动的思科Data Fabric新架构。

过去很多企业使用Splunk的痛点很直接：要分析数据就得先把所有数据复制、索引到Splunk里，当数千个AI代理持续生成日志、事件和遥测数据时，存储和处理成本会快速上涨。而新的Data Fabric不需要客户把全部数据迁入Splunk，它可以直接识别数据所在的位置，在Splunk、云对象存储、数据湖，以及Snowflake、Databricks等外部平台之间实现数据联邦，直接在不同环境中完成信号关联。

这种架构直接解决了长期存在的海量数据处理成本问题，同时支持自动管理不同存储层级的数据，把原始机器数据转化为适配AI的结构化信息，不用移动底层数据就能完成跨源搜索。目前扩展的联邦搜索已经支持AWS CloudWatch数据湖、Databricks等主流服务。

与此同时，新平台还集成了通用采集器，覆盖指标、事件、日志和追踪数据的实时导入处理，并且内置了一批面向运营场景的领域专属AI模型，比如时间序列预测、日志分析和图推理模型，这些模型不会替代大模型，而是为大模型补充企业内部的机器数据运营上下文，帮助大模型更准确地解读企业内部数据。

2. 软硬结合的AI部署选项，兼顾本地化与云服务

为了让企业能在自己可控的环境里运行AI代理，Splunk扩大了和英伟达的合作，推出全新的思科AI POD for Splunk。这套方案整合了思科基础设施、英伟达加速计算、Splunk AI运行时软件，以及经过Splunk工作负载验证的Kubernetes架构，让Splunk Enterprise客户可以在本地、私有云和隔离环境中直接运行AI能力。

这对受强监管的金融机构、政府部门来说价值尤为突出——它们不需要把敏感运营数据发送给外部AI服务，就能在自有环境中使用Splunk AI助手。预计今年晚些时候上线的Agent Launchpad，还会支持客户通过模板、模型上下文协议连接和人工管控，在自己的基础设施上搭建定制化代理，目前已经支持的开源模型包括思科深度时序模型、谷歌Gemma 4、OpenAI GPT-OSS 20B，后续英伟达Nemotron模型也将逐步接入。

同时Splunk也和AWS签订了多年合作协议，双方将联合开发面向代理场景的安全产品，Splunk输出数据平台、安全分析和调查工具，AWS提供云基础设施和安全信号，合作范围覆盖产品集成、联合开发和联合销售。

3. 专为代理设计的安全与可观测能力

这次升级中，安全和可观测性能力全部围绕AI代理的特点重新设计。

在安全侧，Splunk打造了代理驱动的安全运营中心能力：不同的专用代理分别负责检测工程、威胁狩猎、恶意软件分析、事件调查、响应和治理，这些代理可以像真实的安全团队专家一样共享上下文、协同工作。企业可以自主设定每个代理的自主权限：常规的事件分诊可以完全自动化，而隔离基础设施、禁用账号这类高危操作，仍然保留人工审批的治理环路。

在可观测性侧，全新的Splunk Agent Observability能力可以监控代理依赖的基础设施、模型、编排框架、内存系统和工作流，不会对事件做采样丢弃，能完整评估每一次代理运行的全流程。它不只是被动观察代理行为，还能通过运行时护栏及时阻止不安全的操作和输出，一旦发现代理行为偏离预设规则，就会触发反馈循环直接拦截。配套的代币经济学功能还可以追踪不同模型、不同团队的AI工具消耗，把成本归属到具体团队和用户，结合思科时序模型提前预测计费周期内的消耗情况，避免AI使用成本失控。

这次全系列升级，本质上是思科把Splunk和自身的网络、安全、计算、管理能力深度打通，让Splunk的定位从“机器数据搜索引擎”，进化成一套能让AI代理安全、高效、可控使用企业数据的完整底座。