Reports
AI-generated structured vendor updates
微软与英伟达联合推出RTX Spark，将企业级AI算力引入轻薄PC
微软CEO Satya Nadella宣布，将在Windows生态中深度集成NVIDIA RTX Spark架构，旨在为轻薄型PC设备提供本地化、高性能的AI算力（达到petaflop级）和统一内存支持，推动AI工作负载从云端向终端设备迁移。此举标志着个人计算向“AI原生”设备演进的关键一步。
NVIDIA借DSX平台与全球伙伴构建全栈AI云生态，定义AI工厂经济性
NVIDIA正通过其DSX平台与全球云伙伴（如CoreWeave、Firmus、Nebius）深度合作，共同构建由NVIDIA全栈技术定义的‘AI Cloud’生态系统。该生态旨在将‘AI工厂’基础设施贴近数据与用户，并引入‘每Token成本’作为核心经济性指标，以优化从训练、推理到智能体（agentic AI）的全周期工作负载。
英特尔以Xeon 6+与E835强化CPU在AI基础设施中的控制平面地位
英特尔发布Xeon 6+处理器与Ethernet E835网络适配器，系统性阐述其AI平台战略。核心是将CPU（Xeon）定位为现代AI基础设施的“控制平面”，负责智能体（Agentic）AI工作负载的编排、并发与数据移动，而网络与加速器则作为高效数据平面。此举旨在通过提升能效与系统级协同，应对规模化AI部署的瓶颈。
Google推出A2UI开放协议，定义AI Agent原生交互式UI新标准
Google发布A2UI开放协议，允许AI Agent通过JSON描述交互式UI组件，并深度集成至Gemini Enterprise平台。开发者构建的A2A端点Agent可原生渲染日期选择器、地图等丰富控件，无需关心前端框架，由GE或自定义客户端负责安全渲染。
NVIDIA将Step 3.7 Flash多模态模型深度整合至其企业AI全栈
NVIDIA宣布在其加速平台上全面支持StepFun的Step 3.7 Flash模型，这是一个1980亿参数的MoE多模态模型。通过TensorRT-LLM、vLLM进行优化推理，并通过NVIDIA NIM提供生产就绪的容器化微服务部署，同时支持基于NeMo框架的Day 0微调。
Anthropic发布Claude Opus 4.8，以诚实度与代理可靠性重塑企业AI协作模式
Anthropic推出Claude Opus 4.8模型，核心提升在于代理任务（agentic tasks）的端到端可靠性、诚实度及判断力。同步引入‘动态工作流’功能，支持单会话内运行数百并行子代理处理超大规模任务，并提供用户可调的‘努力程度控制’，实现速度、成本与输出质量的精细权衡。
Cloudflare 披露其统一数据平台与 AI 代理架构，展示云原生数据栈闭环
Cloudflare 详细介绍了其内部统一数据平台 Town Lake 与 AI 数据代理 Skipper 的构建。该平台基于 Apache Trino、R2 (Iceberg)、DataHub 等组件，实现了对分散数据的统一 SQL 访问。Skipper 作为 AI 代理，允许用户通过自然语言查询数据，并深度集成于 Cloudflare 自身的产品生态（Workers AI、R2 等）。
Anthropic发布《Zero Trust for AI Agents》安全框架
Anthropic于2026年5月27日发布《Zero Trust for AI Agents》白皮书，系统定义了企业AI Agent部署的安全框架。白皮书提出三条核心原则：永远不信任始终验证、假设已被攻破、最小权限。识别五大Agent特有威胁：提示注入（间接注入通过外部数据源，Microsoft Research确认LLM无法可靠区分信息性上下文和可执行指令）、工具投毒（首个野外恶意MCP服务器已发现）、身份/权限滥用（困惑代理人问题+记忆缓存凭证跨会话提权）、记忆/上下文投毒、供应链攻击。定义六大安全能力域的三级路线图（Foundation/Enterprise/Advanced），其中密码学身份+短命Token被列为Foundation底线——静态API Key即使带轮换策略也视为已被攻破。提出'设计测试'：摩擦型措施（速率限制/跳板/短信MFA）对AI攻击者无效，必须优先移除能力而非限流能力。Agentic SOAR为防御运营新范式，几秒内应对AI驱动攻击。
微软发布Fara1.5浏览器Agent模型，72%任务成功率超OpenAI/Google
...
Google I/O 2026全面押注Agentic AI：Gemini 3.5 Flash/Omni/Antigravity 2.0/Gemini Spark密集发布
Google I/O 2026发布Gemini 3.5 Flash（4倍输出速度+前沿智能）、Gemini Omni Flash（原生多模态视频生成）、Antigravity 2.0（Agent编排桌面平台+CLI+SDK）、Gemini Spark（24/7个人AI助手）。Gemini MAU从4亿增至9亿；资本开支2026年预计1800-1900亿美元（2022年的6倍）。
NVIDIA 以智能体工具包推动 AI 工作流从模型调用向编排平台演进
NVIDIA 通过其 NeMo Agent Toolkit 开源库，展示了一个用于量化金融信号发现的多智能体系统参考架构。该系统将传统手动、碎片化的研究流程，转变为由配置驱动、具备可观测性的自动化闭环，凸显了智能体编排层在复杂 AI 应用中的核心价值。
NVIDIA在COMPUTEX展示Vera Rubin NVL72等AI基础设施创新
NVIDIA在COMPUTEX 2026上获得多项最佳选择奖，其Vera Rubin NVL72机柜级AI超算、Jetson Thor边缘平台及Alpamayo自动驾驶开放平台获奖，展示了其在AI工厂、边缘推理和物理AI领域的基础设施布局。
思科Talos IR分享AI生成报告一致性控制方法
思科Talos事件响应团队发布研究，识别AI生成技术报告中的四类不一致问题，并通过提示工程方法进行控制。该研究基于桌面演练报告案例，旨在提升AI辅助内容生成的可靠性与效率。
AMD定义“智能代理计算机”新品类，推动AI推理本地化
AMD提出“智能代理计算机”概念，旨在通过本地化硬件（Ryzen™ AI Max处理器、Radeon™ AI PRO显卡）运行持续AI推理工作负载，以应对云API成本上升。其核心是推动AI从云端按需消费模式向本地固定成本、高吞吐量模式转移。
AMD发布AI Halo开发平台与Max PRO 400系列处理器，瞄准本地AI代理计算
AMD发布Ryzen AI Halo开发者平台和Ryzen AI Max PRO 400系列处理器，旨在为本地AI代理（Agent）应用提供开发与运行环境。新平台支持高达2000亿参数模型本地运行，并提供高达192GB统一内存，推动AI工作负载从云端向边缘设备迁移。
英伟达强调AI智能体评估，推动生产系统标准
英伟达发布技术博客，系统阐述AI智能体与基础模型评估的根本差异，提出以任务成功率、轨迹效率和工具调用准确性为核心的动态评估框架。此举旨在将AI智能体从模型能力测试转向生产系统行为验证，并推广其NeMo Agent Toolkit作为评估工具。
NVIDIA与戴尔发布全栈AI工厂，加速企业级Agentic AI部署
NVIDIA与戴尔深化合作，推出更新版Dell AI Factory with NVIDIA，旨在为企业提供从工作站到数据中心的端到端Agentic AI推理与部署平台。该平台整合了NVIDIA Vera Rubin GPU、Vera CPU、Confidential Computing及Nemotron模型，强调安全、高性能的本地化AI基础设施，以应对激增的AI推理需求。
Google 通过 TPU 8 与分布式训练架构强化全栈 AI 控制力
Google 在 I/O 2026 上披露其 AI 基础设施战略核心：发布专为训练和推理优化的 TPU 8t 与 8i 芯片，并实现基于 JAX 和 Pathways 的跨数据中心分布式训练。同时，其年度资本支出预计达 1800-1900 亿美元，以支撑激增的 AI 算力需求。
谷歌发布Gemini 3.5系列，定义以代理为中心的AI基础设施新范式
谷歌推出Gemini 3.5系列模型，首款发布3.5 Flash，其核心是作为‘代理优先’的智能体引擎，与Antigravity平台结合，旨在处理企业级长周期、多步骤工作流，标志着AI从辅助工具向可执行复杂任务的生产力系统转变。
微软开源Conductor：零Token成本的确定性AI Agent编排
微软在开源峰会上发布Conductor，一个用于多智能体AI工作流的开源编排工具。其核心在于通过YAML定义工作流，实现确定性的智能体间路由，并使用Jinja2模板处理条件分支，整个编排层不消耗任何LLM Token。