情报
AI 生成的结构化厂商动态简报
NVIDIA极端协同设计：用Vera Rubin平台锁定代理AI推理的TCO拐点
NVIDIA发布针对代理系统（Agentic Systems）的极端协同设计架构，包括Vera Rubin NVL72、NVLink 6、ConnectX-9、BlueField-4及Spectrum-X。通过推理解耦、KV缓存管理和低延迟网络，试图解决代理工作负载的高token消耗、长上下文和低延迟矛盾，降低每token成本。
思科发布Nexus Dashboard 4.2，强化AI工作负载的网络监控与安全
思科发布数据中心管理平台Nexus Dashboard 4.2，核心升级包括集成Slurm进行AI/HPC作业监控、通过LLDP与NVIDIA网卡联动实现自适应路由，以及推出基于eBPF的零停机漏洞防护功能Live Protect。该版本旨在为混合云和AI基础设施提供统一、智能且安全的运营平面。
思科推出Agentic Workflows，将AI Agent理念引入网络自动化
思科发布Agentic Workflows，旨在为现有Ansible、Terraform、Python自动化工具栈提供一个统一的、支持AI驱动的智能编排层。该平台通过可视化、低代码设计、内置审批与AI辅助，将网络自动化从任务执行转向结果驱动的编排。
思科推动网络从承载带宽向智能平台演进
思科在服务提供商领域提出，AI驱动的流量模式正在从根本上重塑网络架构，要求网络从静态、被动响应转变为预测性、自适应的智能系统。思科正通过其全栈解决方案组合，帮助运营商实现网络设计、运营和货币化模式的转变。
思科推出Galaxy Mode，展示AI Assistant与AgenticOps现有能力
思科在其AI Assistant中推出限时“银河模式”，重点展示了AgenticOps理念下的多项现有及Beta功能，包括图像识别故障排查、低代码工作流创建和深度推理模式，旨在将网络运维从被动响应转向主动编排。
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。
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。
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。
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 通用 IPsec 后量子加密：混合 ML-KEM 标准化瓦解 QKD 与专有密码套件
Cloudflare 宣布其 IPsec 产品通用可用后量子加密，基于 IETF 草案 **draft-ietf-ipsecme-ikev2-mlkem** 实现混合 **ML-KEM (FIPS 203)**。该方案已与 **Cisco IOS XE** 及 **Fortinet FortiOS 7.6.6+** 互操作，无需专用硬件。此举将后量子安全从 TLS 延伸至站点到站点 WAN，并公开拒绝 **QKD** 路线。
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。
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。
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。
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。
AMD将边缘AI架构扩展至太空，定义轨道计算新范式
AMD CTO提出将地面边缘AI的“性能功耗比”与“任务关键可靠性”核心原则，应用于太空计算场景。公司正通过异构计算、开放软件栈和模块化系统设计，为从卫星在轨智能到未来轨道数据中心提供可重复构建的平台基础。