Reports
AI-generated structured vendor updates
微软Copilot Studio更新：强化AI Agent治理与智能工作流
微软在Copilot Studio中推出多项更新，重点强化AI Agent的集中治理、成本可见性及智能工作流能力。通过Agent 365控制平面、工作流内嵌Agent节点及业务应用集成，旨在将孤立的自动化转变为可信、可扩展的智能系统。
Google揭示AI驱动攻击产业化：从漏洞发现到自主执行
Google威胁情报团队报告，攻击者正将生成式AI大规模应用于对抗性工作流，首次确认AI辅助开发的零日漏洞利用，并观察到AI用于增强恶意软件混淆、自主攻击编排及供应链攻击。这标志着AI在攻击生命周期中的角色从实验性工具转变为工业化引擎。
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。
谷歌发布Gemini CLI DevOps扩展，意图通过AI代理控制云部署流程
谷歌推出Gemini CLI DevOps扩展，允许开发者使用自然语言指令，通过AI代理（支持Gemini CLI、Claude Code、Antigravity）直接完成从代码分析、安全检查到部署至Google Cloud的全过程。该工具旨在弥合本地开发与生产部署之间的效率鸿沟。
思科联合AMD发布AI网络性能基准，验证以太网承载大规模AI训练能力
思科与AMD合作，通过发布基于N9000交换机与Pensando Pollara 400 NIC的详细性能基准测试，验证了以太网架构在承载大规模AI训练（如128个GPU集群）时的确定性性能。测试覆盖了多种拓扑和极端拥塞场景，旨在将网络从瓶颈转变为高性能AI基础设施的核心引擎。
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。
Arm发布创纪录财报，AGI CPU成为AI基础设施新焦点
Arm发布2026财年创纪录业绩，年收入达49.2亿美元，连续三年增长超20%。财报核心亮点是专为智能体AI设计的Arm AGI CPU，其数据中心市场获得超20亿美元客户需求，并获Meta、AWS、Google等巨头支持。
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。
AWS发布托管MCP服务器，为AI代理提供安全AWS API接入
AWS宣布其托管Model Context Protocol（MCP）服务器正式可用，为Claude Code、Kiro等AI编码代理提供经过认证的、安全的AWS服务访问。该服务器通过固定工具集调用AWS API、检索实时文档，并引入沙箱脚本执行和技能指导，旨在解决AI代理使用过时信息、生成不安全IAM策略等生产环境难题。
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。
HPE发布全自主网络能力，宣称实现无需人工干预的实时问题检测与修复
HPE宣布推出新的“自驾驶网络”能力，通过微服务、自主代理和高级代理网格架构，实现网络问题的实时检测、诊断和修复，无需人工干预。该能力集成于HPE Mist和Aruba Central平台，标志着从洞察驱动运营向真正自主运营的转变。
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。
思科研究揭示VLM双重失效模式，暴露AI安全表征层脆弱性
思科AI安全团队研究发现，通过对图像进行微小、有界的像素扰动，可绕过视觉语言模型的安全对齐，揭示出‘可读性恢复’与‘拒绝抑制’两种共存的失效模式。这表明攻击可在不依赖目标模型内部信息的情况下，利用多模态嵌入距离作为攻击指标，暴露了当前基于像素域或OCR过滤的防御机制的局限性。
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。
英伟达通过OCP开放MRC协议，推动AI以太网架构标准化
英伟达宣布将其在Spectrum-X以太网硬件上验证的MRC（多路径可靠连接）RDMA传输协议通过开放计算项目（OCP）开放。该协议旨在通过多路径负载均衡和硬件级故障绕过，提升大规模AI训练集群的网络吞吐量、弹性和GPU利用率。
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。
AWS将虚拟桌面升级为AI Agent基础设施层
AWS宣布Amazon WorkSpaces支持AI Agent以独立身份和权限直接操作桌面应用，无需API或应用改造。此举将虚拟桌面从人员生产力工具扩展为企业AI Agent的通用运行平台，通过标准MCP协议与主流Agent框架集成。
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。
NVIDIA提出面向智能体系统的“极端协同设计”基础设施栈
NVIDIA发布技术博客，系统阐述AI智能体（Agent）工作负载对基础设施的颠覆性需求，并提出其‘极端协同设计’（Extreme Co-Design）技术栈与Vera Rubin平台作为解决方案。核心观点是传统单处理器架构无法满足智能体在长上下文、高缓存命中率和低延迟交互方面的苛刻要求，必须通过计算、网络、存储的跨层优化来重塑AI基础设施。