Reports

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。

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。

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。

英特尔与谷歌宣布多年期合作，旨在通过多代至强处理器和联合开发定制IPU，共同推进下一代AI与云基础设施。此举强化了CPU在AI系统编排与数据处理中的核心作用，以及IPU在卸载网络、存储任务以提升超大规模AI环境效率的关键价值。

诺基亚宣布与英伟达等伙伴深化AI-RAN合作，旨在将AI深度集成至无线接入网，并推动网络向自主化、AI原生6G演进。此举凸显了网络基础设施作为AI时代关键支撑层的战略地位。

英特尔与SambaNova宣布合作，为Agentic AI生产负载设计异构计算蓝图。该方案结合GPU、SambaNova RDU和英特尔至强6处理器，旨在解决性能、效率与软件兼容性挑战，预计2026年下半年推出。

Arm宣布与马来西亚莫纳什大学工程学院合作，捐赠集成电路设计开发板并派遣高管担任客座讲师，旨在为AI时代培养具备Arm架构和现代系统设计实践经验的半导体人才。

思科发布Agile Services Networking和Unified Edge平台，旨在帮助宽带服务提供商应对AI带来的带宽激增和低延迟需求。该方案通过在网络边缘部署计算和推理能力，减少核心网络负载，并支持智能流量优先级管理。

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。

思科IT部门通过整合Splunk、ThousandEyes和AppDynamics等工具，构建了统一的可观测性平台，将运维重点从MTTR转向事故预防。该平台利用AI技术实现数据关联分析，在过去18个月减少了25%的重大事故并提升45%的故障解决速度。

思科提出统一AI网络架构解决方案，通过N9000系列交换机实现训练和推理流量的智能调度，解决传统双架构模式下的资源浪费问题。该方案包含硅级低延迟支持、实时遥测和自动化策略调整能力，瞄准新兴云服务商的平台化转型需求。

Meta宣布与Arm合作，共同开发针对AI工作负载优化的数据中心CPU。首款产品Arm AGI CPU旨在提升机架性能密度，支持大规模AI部署，并将通过Arm向生态开放，其板卡设计将通过OCP开源。

ARM于2026年3月推出首款自研AGI CPU生产级芯片，标志着从IP授权模式向完整硅解决方案提供商的战略转型。该芯片专为下一代AI基础设施设计，可能重塑数据中心处理器生态格局。

NVIDIA将其GPU动态资源分配（DRA）驱动捐献给CNCF，使其成为Kubernetes上游项目。此举旨在将GPU编排的核心控制点从厂商专有层上移至开源社区，并协同多家云厂商推动标准化。

英伟达与AT&T、康卡斯特等全球电信运营商合作，将现有分布式网络站点（如中心局、基站）升级为“AI网格”，旨在将AI推理能力部署到网络边缘，以降低延迟和成本。此举标志着电信网络从数据管道向分布式AI计算平台的战略转变。

Cisco宣布扩展与NVIDIA的Secure AI Factory，支持从数据中心到边缘站点的AI部署，新增安全功能如防火墙策略在DPUs和AI防御集成，提供灵活架构选择加速生产部署。

思科推出102.4Tbps的Silicon One G300交换芯片及配套N9000/8000系统，采用液冷设计提升70%能效，支持1.6T光学模块，并升级Nexus One统一管理平面。