Reports
AI-generated structured vendor updates
思科与SūmerSports合作，将AI推理基础设施部署于客户本地环境
思科通过其AI POD解决方案，与体育分析平台SūmerSports合作，在NFL球队内部署了完整的本地AI基础设施。此举旨在解决体育行业对数据主权、低延迟和集成复杂性的核心关切，将AI推理能力直接带入数据所在环境。
Google威胁情报揭示UNC6671以身份为中心的攻击与自动化数据窃取
Google威胁情报小组详细披露了UNC6671（BlackFile）组织针对企业云环境的攻击活动。该组织通过精心设计的语音钓鱼和实时中间人攻击绕过MFA，利用自动化脚本大规模窃取Microsoft 365和Okta环境中的数据，凸显了身份层成为新攻击面的严峻现实。
微软发布多模型智能体安全系统，将AI安全从检测转向治理执行
微软推出名为MDASH的多模型智能体安全系统，整合超100个专业智能体，在CyberGym基准测试中取得领先成绩。该系统已用于提前发现并修复16个漏洞，标志着AI安全正从辅助工具演变为具备自主推理与验证能力的运行时架构。
AMD发布Spartan UltraScale+ FPGA，强调成本优化与供应链稳定
AMD推出Spartan UltraScale+系列FPGA，定位成本优化市场，通过与英特尔Agilex 3对比，强调其在性能功耗比、封装尺寸及长期供应保障上的优势。该产品旨在满足工业、机器视觉等边缘应用需求。
思科将AI安全分类体系全面转向AI驱动的“宪法”定义模型
思科宣布其AI安全产品组合将全面采用基于详细自然语言“宪法”定义的单源真相模型，利用LLM替代人工标注者进行一致性分类与评估，并计划将此模型扩展至AI供应链安全等领域。
AMD联合清华开源项目，展示AI教育多智能体架构的端云协同部署
AMD与清华大学OpenMAIC团队合作，将多智能体交互式AI课堂框架部署在其ROCm软件栈上。该方案利用Instinct GPU进行云端课程内容生成，通过Ryzen AI PC和Lemonade本地服务器处理实时、低延迟的课堂交互，实现基于统一软件栈的端云协同架构。
AMD定义AI网络概念并推出专用AI NIC
AMD发布博客，系统性地定义了“AI网络”概念，强调其为满足分布式AI工作负载同步需求而构建的专用网络解决方案。核心是推出Pensando Pollara 400 AI NIC，通过智能流量控制、低延迟数据移动和可编程结构服务，优化GPU集群间通信。此举旨在将网络提升为与计算同等关键的基础设施层。
思科AI Defense集成Google ADK，为AI Agent提供运行时安全
思科宣布其AI Defense安全产品与Google Agent Development Kit (ADK) 集成，为基于ADK开发的AI Agent提供从本地开发到Gemini Enterprise Agent Platform部署的端到端运行时保护。该集成通过插件或回调方式嵌入ADK生命周期，在不干扰开发流程的前提下，对模型调用、工具执行等关键节点进行策略监控与执行。
Google推出Googlebook，将AI原生体验作为PC新品类
Google宣布推出全新品类笔记本电脑Googlebook，其核心是从硬件到操作系统层面为Gemini AI原生设计。该产品融合了Android与ChromeOS的优势，通过“Magic Pointer”和AI生成桌面小组件等功能，旨在将AI深度集成到用户交互流程中，并与Android生态无缝协同。
Fortinet深化与NVIDIA集成，瞄准企业AI基础设施安全
Fortinet宣布深化与NVIDIA的集成，旨在为大规模企业AI基础设施提供独特的安全能力。此举将Fortinet的安全平台与NVIDIA的AI计算堆栈更紧密地结合，标志着安全厂商正将防护边界从传统网络扩展至AI推理和训练基础设施层。
AMD EPYC CPU获AWS RDS for SQL Server支持，提升云数据库性价比
AWS宣布在Amazon RDS for SQL Server中引入基于第五代AMD EPYC处理器的实例选项。此举为关键数据库工作负载提供了新的高性价比计算选择，并可能改变云上关系型数据库服务的成本与性能基准。
AMD提出Agentic AI驱动数据中心CPU与GPU架构分离
AMD高级副总裁Dan McNamara在官方博客中指出，Agentic AI（智能体AI）正从根本上改变数据中心基础设施架构。它不再仅是增加GPU服务器中的CPU数量，而是需要构建一个独立的、专门用于编排与工具执行的CPU计算层，与GPU密集计算层形成分布式系统。
AMD支持SPEC CPU 2026基准测试，强调开放可信性能评估
AMD发表博客支持即将发布的SPEC CPU 2026行业基准测试，强调在AI时代，开放、可复现的CPU性能评估标准对客户进行基础设施决策至关重要。该新基准更新了应用套件，并加强了对裸金属云环境和并行计算的支持。
微软通过Hackathon模式将AI洞察转化为垂直行业SaaS解决方案
微软车库项目RushReady展示了其通过与Ecolab合作，利用餐厅运营数据和AI模型为快餐店经理提供实时决策指导的SaaS产品。该项目证明了微软从内部创新到行业解决方案的商业化路径，并强调了针对特定场景、可自适应学习的数据模型的重要性。
谷歌发布Gemma 4开源模型，推动AI代理本地化部署
谷歌发布Gemma 4开源模型系列，采用Apache 2.0许可，并首次引入MoE架构，旨在将高性能AI代理能力直接部署于移动设备和边缘硬件。此举显著降低了复杂AI工作流对云端集群的依赖，为本地化、私有化AI应用开辟新路径。
AMD与OpenAI将MRC网络协议贡献给OCP，推进AI网络规模化
AMD与OpenAI、微软等合作，将专为大规模AI训练设计的网络协议MRC（多路径可靠连接）贡献给开放计算项目OCP。AMD不仅是协议规范的共同制定者，其可编程的Pensando DPU/NIC产品已率先实现MRC的部署与验证，旨在将网络从性能瓶颈转变为弹性、可适应的AI基础设施层。
谷歌通过Agent Platform展示AI原生应用架构范式
谷歌云客户案例展示了基于Gemini Enterprise Agent Platform构建的“流式意识转任务”应用。该架构利用原生音频流、主动工具调用和会话恢复等API，实现了从语音到结构化任务的无缝、低延迟转换，并设计了面向未来语音功能的提供商无关抽象层。
AMD联合OpenAI发布下一代AI训练网络传输协议MRC
AMD联合OpenAI、微软等行业领导者发布Multipath Reliable Connection（MRC）协议规范，旨在解决RoCEv2在超大规模AI训练集群中的性能瓶颈。该协议通过智能包喷洒、选择性重传和网络信号拥塞控制等机制，提升网络带宽利用率和训练任务弹性。
NVIDIA推出车载AI Box架构，将高级LLM推理作为独立ECU模块
NVIDIA发布车载AI Box架构，基于DRIVE AGX平台提供模块化AI计算单元，可将高级LLM/VLM推理能力作为独立ECU添加至现有座舱系统。该方案旨在解决车载AI对实时性、隐私和算力的严苛要求，并支持与云端AI的混合编排。
AMD联合戴尔展示企业AI异构计算战略
AMD在戴尔技术世界大会上强调其异构计算产品组合，旨在为不同企业AI负载匹配合适的算力，并突出硬件安全与可管理性。此举标志着AI基础设施正从通用方案转向针对具体场景的精细化部署。