Reports

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%。

微软发布了一份关于利用下一代AI加强全球数字生态安全的框架性文件，核心观点是AI加速漏洞发现的同时，必须同步强化响应与修复能力。文件提出了五项具体建议，强调公私协作、负责任的AI能力发布以及现代化漏洞管理流程。

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《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。

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。

思科将其AI Defense安全平台扩展至谷歌云，提供针对AI模型、代理工作流和RAG管道的运行时防护。此举使其完成了对AWS、Azure、谷歌三大公有云的覆盖，旨在为企业提供统一的多云AI安全框架。

NVIDIA与Google Cloud宣布合作升级，推出基于Vera Rubin和Blackwell GPU的新实例，旨在构建支持近百万GPU集群的“AI工厂”，并整合Gemini、Nemotron等模型平台，加速从智能体到物理AI（如机器人、数字孪生）的生产级部署。

Anthropic与亚马逊AWS签署新协议，承诺未来十年投入超1000亿美元，锁定高达5吉瓦的AI算力容量，并计划将Claude平台深度集成至AWS。此举旨在应对其AI模型Claude的爆炸性需求增长，并巩固其作为AWS上关键AI模型提供商的地位。

思科发布AI驱动的无线资源管理（AI-RRM）功能，通过引入时间感知和趋势学习，在非高峰时段主动优化网络，改变了传统RRM的被动响应模式。该服务作为单一架构同时支持云和本地部署，并强调透明度和人机协同，是思科AgenticOps战略的关键组件。

思科与罗克韦尔自动化强化战略合作，旨在解决工业AI从试点到规模化部署的瓶颈。双方强调，阻碍规模化部署的核心并非AI模型或算力，而是底层网络、计算、可观测性与安全集成的统一基础设施。该合作聚焦于通过思科统一边缘等平台，将AI能力嵌入生产现场，实现实时质量检测与预测性维护。

Anthropic正式发布Claude Opus 4.7模型，在复杂软件工程、多模态理解和长时推理任务上实现显著提升。该版本首次引入了针对高风险网络安全用途的自动检测与拦截护栏，并为安全研究设立了验证程序，旨在为更强大模型（如Mythos）的广泛发布积累安全经验。

思科AI安全研究团队发布报告，系统评估了针对视觉语言模型的排版式提示注入攻击。研究发现，字体大小、模糊、旋转等视觉变换显著影响攻击成功率，并首次提出文本-图像嵌入距离可作为轻量级、模型无关的风险信号，为构建多模态AI安全防御层提供了新思路。

英伟达提出应将“每token成本”而非“每美元FLOPS”作为评估AI基础设施的核心经济指标。这标志着从衡量计算输入转向衡量商业输出，涉及硬件、软件、网络的全栈优化，以降低企业AI推理的总拥有成本。

微软发布MAI-Image-2-Efficient模型，在保持旗舰级质量的同时，推理速度提升22%，效率提升4倍，成本降低41%。该模型定位为规模化生产“主力”，已集成至Microsoft Foundry和Copilot，旨在降低企业AI应用门槛。

思科在汉诺威工业展上联合罗克韦尔自动化等厂商，提出工厂边缘正演变为一个集成了控制、可视化与AI推理的统一计算平台。其核心是通过Cisco Unified Edge架构，将传统孤立的PLC、HMI、SCADA与AI工作负载（如视觉检测、预测性维护）整合，实现从洞察到实时闭环行动的转变。

思科在MWC 2026的S/NOC中，将其AI就绪防火墙、SSE、AI Defense、Splunk SIEM和XDR作为统一平台运行，展示了从DNS层到应用层的多层级AI安全防护与自动化响应，并特别强调了对生成式AI应用的发现与风险管控。

思科基于医疗行业特殊性提出分阶段零信任实施框架，应对HIPAA新规从弹性检查表转向强制网络安全架构标准的监管变化。方案聚焦劳动力、工作负载和工作场所三大领域，强调医疗设备可视化和AI治理作为关键控制点。

Anthropic公开声明，因拒绝授权其AI模型Claude用于大规模国内监控和全自主武器两项军事用途，美国战争部拟将其列为供应链风险。此举可能限制国防承包商在特定合同中使用Claude，但Anthropic表示将诉诸法律挑战。

Anthropic宣布其Claude Opus 4.6模型在两周内为Mozilla Firefox发现了22个漏洞，其中14个被定为高危。这标志着AI模型已能独立识别复杂软件中的未知安全漏洞，并初步尝试生成漏洞利用，预示AI在网络安全攻防两端的能力均进入新阶段。

Anthropic宣布投入1亿美元启动Claude合作伙伴网络，为系统集成商、咨询公司等合作伙伴提供技术认证、联合市场开发和专属技术支持，旨在加速企业客户从概念验证到生产部署的进程。

Anthropic宣布与谷歌及博通达成新协议，锁定数千兆瓦的下一代TPU算力，预计2027年上线。此举旨在支撑其前沿Claude模型的训练与推理，并满足全球客户激增的需求。该合作是Anthropic对美国计算基础设施500亿美元投资承诺的重大扩展。

微软宣布Copilot Studio的多智能体系统全面上市，核心是通过开放协议（A2A）、与Fabric及Microsoft 365 Agents SDK的集成，实现跨工具、跨数据源的智能体协同编排。此举旨在将孤立的AI体验转变为可规模化协作的智能体系统，并增强了提示构建与治理控制。

微软宣布将自研的MAI多模态模型家族（包括转录、语音、图像模型）全面提供给Foundry平台的开发者。此举旨在通过统一的平台层，降低企业开发者集成和编排多模态AI能力的复杂性，推动AI从独立产品向企业基础设施层转变。

AMD在MLPerf Inference 6.0基准测试中，凭借Instinct MI355X GPU在Llama 2 70B和GPT-OSS-120B模型上首次突破每秒100万令牌的推理吞吐量。其提交强调了多节点扩展效率、对新型文本到视频模型（Wan-2.2-t2v）的快速启用，以及广泛的合作伙伴生态系统复现结果。

思科宣布参与NIST生成式AI信任计划，重点开发可测量的AI信任评估框架。该计划包含动态对抗测试环境（Cat-and-Mouse框架）和代码生成挑战赛，旨在建立AI输出的可信度验证机制。

ARM首次推出自研AGI CPU芯片，突破传统IP授权模式，提供从定制化芯片到完整平台解决方案的全栈能力。此举将重构AI基础设施供应链控制权，推动企业从硬件层优化AI工作负载部署效率。

英特尔在MLPerf Inference v6.0基准测试中展示了其Xeon 6 CPU和Arc Pro B系列GPU的性能，特别是在处理大型语言模型（LLM）时的表现。测试结果显示，配备四块Arc Pro B70 GPU的系统能够处理120B参数的模型，并在多GPU设置中提供高达1.8倍的推理性能提升。

谷歌全球事务总裁在IAPP峰会上提出“隐私创新”理念，强调在AI助手时代，数据保护框架需与技术同步演进。他指出，未来的隐私控制需超越传统通知与同意模式，通过情境感知、精细化的访问控制和内置护栏来实现。这代表了对AI时代隐私与安全治理模式的系统性思考。