情报
AI 生成的结构化厂商动态简报
Cloudflare推动后量子IPsec标准落地，与思科、飞塔实现互操作
Cloudflare宣布其IPsec服务全面支持基于IETF草案的混合ML-KEM后量子加密，并与思科、飞塔的硬件设备实现互操作。此举旨在应对“先窃取后解密”攻击，并推动IPsec社区从依赖专用硬件的QKD方案，转向基于软件、可大规模互操作的后量子密码学标准。
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。
英伟达发布Nemotron 3 Nano Omni统一多模态模型，瞄准AI Agent感知层
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。
谷歌财报揭示企业AI堆栈战略，推动代理与推理基础设施增长
谷歌Q1财报显示其全栈AI战略成效显著，云业务因AI产品需求激增，收入增长63%。关键信号包括：推出Gemini Enterprise Agent Platform，代理数据处理量激增（330个客户年处理超万亿tokens），并计划将TPU硬件直接部署至客户数据中心。
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。
Arm发布Performix性能分析工具包，瞄准AI Agent时代优化
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。
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。
AMD发布IDC白皮书，强调AI PC是企业部署Agentic AI的关键基础设施
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。
思科通过资本部门加速AI数据中心融资模式转型
思科博客阐述其内部金融服务机构Cisco Capital如何提供灵活的支付解决方案，帮助客户应对AI数据中心快速迭代带来的资金压力。该模式旨在将硬件、软件和服务捆绑，简化采购流程，使IT支出与基础设施的演进周期保持一致。
思科发布通用量子交换机原型，推动量子网络互联
思科宣布其通用量子交换机研究原型，旨在解决量子网络互联的关键硬件瓶颈。该设备支持不同编码模态的量子系统间转换与路由，无需低温环境，可在标准电信光纤上运行，为构建大规模、异构的量子计算与传感网络奠定基础。
思科联合ARC报告：将工业网络定位为AI转型的关键瓶颈与基础设施
思科联合ARC咨询集团发布报告，指出过时的工业网络已成为制造业部署AI和软件定义自动化的主要瓶颈。报告强调，现代工业网络需具备高带宽、嵌入式安全、集中管理等特性，并指出思科是唯一能提供完整解决方案的厂商。
微软在澳大利亚进行250亿澳元AI与云基础设施投资
微软宣布在澳大利亚进行其史上最大规模投资，总额达250亿澳元，旨在扩大AI和云计算基础设施容量、加强网络安全，并提升全国范围内的数字技能。此举旨在将澳大利亚定位为亚太地区的AI中心。
NVIDIA 集成 Blackwell MIG 与 vGPU 20，重塑企业虚拟化数据中心 GPU 控制层
NVIDIA 发布技术指南，展示如何将 RTX PRO 4500 Blackwell Server Edition GPU 的 Multi-Instance GPU (MIG) 硬件分区能力与 vGPU 20 软件栈深度集成于 VMware vSphere 环境。该组合使单物理 GPU 可被安全划分为多个具备 QoS 保证的虚拟 GPU 实例，旨在高效加速从知识工作到轻量级 AI 开发的混合企业负载。
思科将网络定位为AI基础设施的能源控制层
思科通过其博客阐述了能源正成为AI规模化的关键瓶颈，并展示其正为一家欧洲银行设计下一代AI数据中心。思科强调网络在融合数字与能源系统中的作用，将其视为提供能见度、协调和安全性的控制层，以管理AI工作负载的能源、冷却和空间约束。
思科与罗克韦尔深化合作，推动工业AI从试点走向规模化生产
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。
思科提出AI网络演进三阶段，强调软件定义与智能运维
思科发布博客阐述其应对AI时代网络挑战的解决方案，核心是通过软件定义网络、统一分支架构和智能运维（AgenticOps）实现网络现代化，避免大规模硬件更换。该方案分为现代化分支、智能优化连接和实现自主运维三个阶段。
思科携手英伟达，将网络升级为AI媒体处理的控制平面
思科与英伟达深化合作，推出基于开放标准MXL的验证设计方案。该方案将思科IP媒体架构与英伟达Holoscan平台整合，使网络从传输层演变为支持实时AI推理的主动处理层，为广电行业实现低延迟、多语言的实时AI媒体生产。
英伟达推动AI基础设施评估指标从FLOPS转向每token成本
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。