Reports
AI-generated structured vendor updates
微软发布Agent 365，为AI智能体引入企业级身份与治理层
微软宣布其Agent 365平台全面上市，核心动作是将企业现有的身份（Entra）、安全、治理和管理系统扩展至AI智能体及其在企业内的所有交互。此举旨在解决AI智能体规模化部署带来的身份、安全和合规挑战。
思科发布AI网络流量报告，揭示智能体AI对广域网的根本性影响
思科基于真实网络流量数据发布研究报告，首次量化分析智能体AI对广域网流量模式、对称性及关键路径的颠覆性影响，并预测到2035年AI推理流量将占网络总流量的25%。
英伟达通过NemoClaw与OpenClaw合作，推动企业级自主AI代理安全部署
英伟达通过NemoClaw参考实现，整合OpenShell安全运行时与Nemotron开源模型，为企业提供安全部署“长时运行自主AI代理”的蓝图。此举旨在应对自主AI代理带来的千倍推理需求增长与安全治理挑战，将AI基础设施控制点向本地、安全、可审计的架构迁移。
思科发布液冷网络交换机，将液冷架构扩展至AI基础设施核心
思科正式发布采用直接芯片液冷设计的N9000与8000系统，将液冷技术从GPU服务器扩展至网络交换机。该产品将带宽密度提升一倍，能耗降低近70%，旨在解决AI集群高功率密度带来的散热挑战。此举标志着数据中心冷却架构正从部件级优化转向系统性重构。
思科发布AI模型溯源宪法，定义权重级衍生关系标准
思科发布《模型溯源宪法》，为AI模型供应链安全提供规范性定义。该标准严格基于模型权重的可验证衍生历史，明确区分了直接衍生、蒸馏等五种关联关系与独立复现等八种非关联模式，旨在解决当前行业在模型溯源定义上的不一致问题。
思科开源AI模型血缘工具包，瞄准AI供应链安全治理层
思科发布开源工具Model Provenance Kit，通过分析模型元数据、分词器及权重信号，生成唯一指纹并比对，以技术手段验证AI模型的血缘关系与完整性，旨在应对模型供应链中存在的篡改、伪造及合规风险。
AMD提出AI基础设施网络架构新范式：从无损网络转向智能端点
AMD发布博客，提出构建大规模AI基础设施的七个关键问题，核心观点是传统无损以太网或InfiniBand架构存在成本与复杂性瓶颈。其主张将网络智能和可靠性功能从昂贵的专用交换机转移到智能网卡（NIC）上，在标准（可能有损）以太网上实现可靠传输，以降低总拥有成本并简化运营。
思科为SASE平台推出威胁优先的安全分析视图
思科在其Secure Access SASE平台中新增“安全洞察”功能，将安全分析从传统的网络运维视角转向以威胁和用户为中心的视角。该功能整合了UEBA、DLP、CASB、威胁情报等多源信号，旨在为SOC分析师提供聚合的、可操作的调查起点，并原生集成AI应用治理与风险可见性。
英特尔与ChatPPT合作推出混合AI PC版，推动AI工作负载本地化
英特尔与AI应用ChatPPT合作，利用其AI Super Builder技术推出混合AI PC版。该版本将部分AI工作负载（如格式调整）从云端卸载至本地PC处理，降低了50%的云成本并提升了32%的用户使用时长，同时增强了数据隐私。
英伟达发布企业级AI工厂参考架构，推动本地AI基础设施标准化
英伟达发布企业级AI工厂参考架构，为本地部署提供从RTX PRO到NVL72的三种标准化配置。该架构整合了计算、网络、存储及软件，旨在将AI基础设施从实验性部署转变为可预测、可扩展的工业化运营平台。
思科推动运营商将原生安全作为增长引擎
思科发布博客，强调服务提供商应将安全从成本中心转变为增长引擎。其核心论点是，在带宽商品化的背景下，将原生安全嵌入网络基础设施，可提供高价值的“安全即服务”，从而获得新的B2B收入。
AMD与Liquid AI探讨从芯片到系统的高效AI架构
AMD CTO与Liquid AI CEO探讨AI架构演进，强调效率是AI从云端向边缘和终端设备扩展的关键。双方认为，通过从芯片到系统的协同设计，可实现低功耗、高响应性的AI推理，支持持续运行的智能体与多模型协同。
AWS将AI Agent平台化，并深化与OpenAI的云集成
AWS在年度活动上宣布将AI Agent能力全面产品化，推出面向工作的个人AI助手Amazon Quick，并将Amazon Connect扩展为四个垂直领域的Agentic AI解决方案。同时，AWS与OpenAI扩大合作，将最新模型、Codex及托管代理服务深度集成至Amazon Bedrock平台。
微软通过IQ与Agent 365平台化AI能力，推动企业向“前沿”转型
微软CEO Judson Althoff阐述其“前沿企业”愿景，核心是推出“Microsoft IQ”和“Agent 365”两大平台能力，旨在将智能与信任系统化地嵌入企业工作流。通过多个大型客户案例，展示了从Copilot规模化部署到自主AI代理（Agent）构建的演进路径，强调通过开放、模型多样的平台实现业务增长。
英伟达发布Nemotron 3 Nano Omni统一多模态模型，瞄准AI Agent感知层
英伟达发布开源多模态模型Nemotron 3 Nano Omni，采用30B-A3B混合MoE架构，将视觉、音频与语言处理统一于单一模型，旨在作为AI Agent的“眼睛和耳朵”。该模型声称能消除多模型协作的延迟与上下文碎片化问题，在保持交互性的同时实现高达9倍的吞吐量提升，降低AI Agent的部署与推理成本。
谷歌财报揭示企业AI堆栈战略，推动代理与推理基础设施增长
谷歌Q1财报显示其全栈AI战略成效显著，云业务因AI产品需求激增，收入增长63%。关键信号包括：推出Gemini Enterprise Agent Platform，代理数据处理量激增（330个客户年处理超万亿tokens），并计划将TPU硬件直接部署至客户数据中心。
思科通过Vision Portal将AI与网络融合，强化物理安全事件响应
思科在其Meraki Vision门户中推出新软件功能，利用AI和跨摄像头追踪技术，将智能摄像头深度集成到企业网络管理平面。此举旨在通过统一的云管理界面，将物理安全事件响应从被动监控转变为主动、快速的调查。
思科借工业网络更新周期，推动OT安全原生集成
思科通过博客阐述其OT安全战略，核心是引导客户在工业网络设备更新周期中，选择内置安全功能（如资产发现、网络分段）的交换机，而非叠加独立监控方案。此举旨在将安全从附加成本转变为基础设施的固有属性，并应对未来工业AI和自动化带来的数据与连接挑战。
英伟达以OpenUSD和Omniverse为核心，推动制造业进入“仿真优先”时代
英伟达通过SimReady标准、Omniverse物理仿真库及Metropolis蓝图，构建了完整的物理AI技术栈，旨在将制造业传统的“设计-制造-测试”循环转变为基于高保真仿真的“仿真优先”范式。该架构使AI模型训练和系统验证在虚拟环境中完成，大幅缩短产品周期并降低成本。
思科SD-WAN更新：AI应用分类、AI助手与Neocloud连接性集成
思科发布SD-WAN 26.1.1版本，重点增强AI就绪能力。更新包括对AI应用的自动识别与分类、内置生成式AI助手用于运维，以及与Megaport AI Exchange集成以连接分布式GPU和Neocloud环境。此举旨在优化AI流量性能与安全，并简化网络操作。