Reports

Palo Alto Networks发布Cortex Cloud 2.0，核心是将AI智能体工作组（AgentiX）引入云安全运营。基于12亿真实响应训练的AI智能体可自主调查和解决复杂安全问题，将云风险修复时间从天级缩短至分钟级。ASPM模块将安全修复左移至开发阶段比生产环境修复快10倍。

Palo Alto Networks发布Cortex Cloud 2.0，核心是将AI智能体工作组（AgentiX）引入云安全运营。基于12亿真实响应训练的AI智能体可自主调查和解决复杂安全问题，将云风险修复时间从天级缩短至分钟级。重新设计的Cloud Command Center统一多云可视化，ASPM模块将安全修复左移至开发阶段，比生产环境修复快10倍。

微软宣布其Agent 365平台全面上市，核心动作是将企业现有的身份（Entra）、安全、治理和管理系统扩展至AI智能体及其在企业内的所有交互。此举旨在解决AI智能体规模化部署带来的身份、安全和合规挑战。

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%。

微软正式发布Microsoft Agent 365，这是一个能够自主执行复杂任务的AI代理平台。该平台通过预构建和可定制的代理，深度集成Microsoft 365、Entra ID、Defender等核心产品，旨在自动化安全运营、IT管理及业务流程。

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。

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。

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。

微软CEO在财报后明确将“从终端用户驱动的工作负载转向由终端用户和智能体共同驱动的工作负载”视为改变整个技术栈的平台迁移。公司战略聚焦于建设领先的AI基础设施与智能体平台，并已将其AI业务年化收入推升至370亿美元。

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 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。

CrowdStrike发布Charlotte AI Agentic Response，AI Agent可自主完成从告警到根因定位的全流程安全调查，95%的Tier 1告警可自动处理。行为基线的动态更新和调查可解释性是关键挑战

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。

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。

Arm发布免费性能分析工具包Performix，旨在为AI Agent开发提供跨Arm平台的统一性能洞察与优化。该工具通过Arm MCP Server集成至主流AI开发环境，将硬件运行时数据转化为可操作的优化建议，并已获得微软、MongoDB等生态伙伴支持。

微软CEO萨提亚·纳德拉展示了基于Foundry平台构建的持久化、有状态AI智能体。该平台支持智能体跨越时间边界运行，编排工具与模型，并在长周期工作流中实现评估与改进的闭环，标志着AI从对话式助手向自主执行系统的关键演进。

微软首席营销官提出，AI Agent正成为企业软件的主要“用户”，这要求软件从用户体验、业务逻辑到数据准备进行三层重构。核心变化在于，软件设计需同时服务人类和Agent，并将业务逻辑封装为Agent可调用的技能。

Zscaler获Google Cloud年度安全合作伙伴，ThreatLabz报告揭示Shadow AI蔓延、DLP数据泄露和Agentic AI新攻击面三层风险。

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。

AMD发布IDC白皮书，指出超过80%的企业正在规划、试点或部署AI PC，以支持Agentic AI的规模化应用。报告强调，高性能NPU和端侧AI处理对于实现实时、安全的工作流至关重要，标志着企业AI基础设施正从云端向端侧扩展。

思科DevNet团队分享了其通过产品冲刺方法优化开发者门户和内容的具体实践，核心是建立可衡量的产品-市场匹配指标。值得注意的是，其新增的分析事件专门追踪开发者内容如何被AI编码助手或代理使用，例如复制Markdown、下载OpenAPI/SDK/MCP文档等行为。

微软宣布将GPT-5.5模型部署至GitHub Copilot、Microsoft 365 Copilot、Copilot Studio及Foundry平台。该更新强调多模型编排，允许用户根据任务（如快速探索、深度推理、执行、审查）选择不同模型，并通过‘橡皮鸭’代理实现多模型反思循环。

Google在Cloud Next 2026大会上发布第七代TPU Ironwood，峰值算力达42.5 ExaFLOPS，较前代提升10倍。同时宣布7.5亿美元Agent Fund，投资AI智能体生态。主权AI战略成为核心叙事，推出Ironpod超级计算机方案满足政府数据主权需求。