情报
AI 生成的结构化厂商动态简报
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。
思科发布量子安全架构，将防御纵深扩展至硬件信任根
思科发布了其量子安全战略的架构细节，提出“安全通信”与“安全产品”两大支柱。其核心在于将后量子密码技术从网络协议层延伸至设备硬件信任链，通过集成信任锚模块和量子安全启动流程，旨在保护平台完整性，而不仅仅是数据在途安全。
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。
Cloudflare与Stripe合作推出AI代理自动部署协议
Cloudflare与Stripe合作推出新协议，使AI代理能自动为用户创建Cloudflare账户、购买域名并部署应用。该协议标准化了服务发现、授权和支付流程，旨在将AI代理作为云服务的一等公民，并计划向更多平台开放。
思科通过统一控制台与AI代理，重塑MSSP运营模式
思科发布面向MSSP的战略指南，核心是推动其合作伙伴采用统一控制台Security Cloud Control和集成AI代理的AIOps，旨在实现跨厂商设备管理与70%的运营效率提升，并引导MSSP向基于价值的服务分层和商业模式转型。
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。
思科推出Cisco IQ，将AI代理能力融入企业支持服务
思科正式发布Cisco IQ服务，将40年的网络与安全专业知识与AI代理能力融合，旨在将企业IT从被动响应转变为主动韧性。该服务为现有支持客户提供实时资产可见性、风险优先级排序和自动化排障，并将于7月推出行业基准比对功能。
思科推出Cisco IQ，将AI代理深度集成于支持与服务体系
思科正式发布Cisco IQ，这是一个将40年网络与安全专业知识编码为AI代理的SaaS平台。它旨在将客户支持模式从被动响应转变为主动预防，通过实时资产可见性、风险优先级排序和自动化故障排除，提升基础设施韧性。
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。
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。
思科借硬件更新周期推动AI就绪数据中心架构
思科通过博客指出，企业AI战略受阻的核心在于数据中心基础设施。其主张将AI就绪性融入常规硬件更新周期，强调通过统一运营、网络内嵌安全、端到端可观测性及高性能网络来构建AI基础设施。
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。