AI 试点项目很多，但真正上线投产的却很少。卡点居然不在模型本身，而在网络基础设施。IDC 的调查数据显示，32.6% 的企业因为安全问题卡壳，26.8% 被自动化挑战拖住后腿，24.7% 则受限于运维人才。代理式 AI 让情况变得更糟，因为它的交互是动态的、分布式的，跨越不同的 Agent 框架、云服务、API 和数据源。这就导致传统的安全边界面急剧扩大，网络变成了那个最明显的瓶颈。

IDC 给出的解法很务实：别指望框架层的那点控制能力能搞定全局。当 Agent 跑在不同的运行环境、不同的云上时，需要一个基础设施层面的控制面来统一实施策略。网络不再只是负责联通，它要变成一个能执行策略、提供可观测性、保证安全治理的管控平台。这里的关键是，这个平台不能是封闭的。IDC 强调要平衡“平台派”和“单点最优派”，平台需要是模块化和可扩展的，能允许你把最佳的安全或可观测性工具“插”进来，而不是让你拆掉重来。

我的看法是，这篇文章点出了一个容易被忽视的真相：AI 应用层的狂欢，正在把压力传导到基础设施的底层。当我们在为 RAG、MCP 这些上层协议兴奋时，底层网络的“调度与治理”能力很可能成为新的天花板。IDC 提到的“基础设施作为控制面”这个思路，本质上是把分布式系统里最难搞的策略一致性问题，从应用层下沉到更稳定的网络层来解决。这对于所有部署 Agent 的公司都是一个及时的提醒：别光顾着调 Prompt，先想清楚你的网络架构能不能扛得住 Agent 之间的混沌通信。选一个开放、可扩展的网络平台，会比你自己拼凑一堆单点工具要靠谱得多。