智能体任务执行涉及终端、模型服务、知识库、企业系统和外部工具等多个环节网络需要支撑不同组件之间的持续交互与协同调用。相比传统网络主要关注数据连接和传输效率智能体场景下网络需要同时保障调用链路的低时延、可靠性、安全性和可观测性。随着智能体逐步进入核心业务流程网络正在从连接基础设施演进为支撑模型、数据、工具和业务系统协同运行的任务执行基础设施。东西向和南北向流量同步增长推动网络从集群互联向全链路协同演进。GPU、节点和智能体之间的数据交换增加了东西向流量用户、终端、模型服务、企业系统和外部工具之间的调用增加了南北向流量两类流量同时影响智能体任务的完成时间。从大规模训练集群到企业边缘推理的人工智能工作负载广泛部署推动了对高速、低延迟数据中心网络基础设施的持续需求。QUIC/UDP等低延迟传输协议已被部分新智能体用于优化传输但很多企业防火墙默认屏蔽UDP导致丢包率激增需要网络架构进行系统性适配。多轮任务执行推动网络从平均性能优化向尾时延保障演进。智能体任务通常包含多次模型和工具调用任何环节的延迟都会累积。网络评价需要覆盖P95和P99尾时延、抖动、调用成功率、跨域通信效率和故障恢复能力。企业数据中心短期内将采用混合模式同时运行传统三层架构与现代化叶脊网络架构并逐步向叶脊架构迁移。尾时延的控制比平均时延更为重要在智能体的多步执行链路中一次尾时延尖峰就可能导致整个任务超时失败。跨域协同扩大算力调度范围。Scale-out横向扩展支持集群内部扩展Scale-across跨集群扩展支持不同集群、数据中心和算力域之间的协同跨域网络使分散部署的资源形成可统一调度的算力供给。智能体启动时会向网络发送探测包自动选择当前延迟最低、丢包率低于阈值的服务器节点来运行推理。跨地域的智能体协同还需考虑数据主权和合规要求网络层需要支持数据本地化路由和跨境流量控制。多智能体并发运行推动网络向精细化治理演进。企业部署多个智能体后网络还需提供流量隔离、身份认证、访问控制、服务质量保障和工具调用审计避免不同业务之间相互干扰。在多租户环境下不同部门的智能体需要运行在独立的网络命名空间中确保流量隔离和安全策略的独立配置。