情报
AI 生成的结构化厂商动态简报
Google Cloud Next '26：Agent Gateway夺取控制面，TPU 8i锁定推理生态
Google Cloud Next '26 发布第八代TPU（8t训练/8i推理）、Agent Platform（含Agent Gateway、Agent Identity、Agent-to-Agent Orchestration）、Agentic Data Cloud及与Wiz整合的Agentic Defense。核心是将控制点从基础设施转向Agent编排层，以垂直整合堆栈锁定企业AI部署。
思科发布AI-RRM，将AI深度嵌入无线网络控制平面
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。
NVIDIA联手Adobe与WPP，以OpenShell为核心构建企业级AI代理安全架构
NVIDIA深化与Adobe、WPP的战略合作，旨在将智能AI代理置于企业营销运营的核心。其关键动作是推出并强调NVIDIA OpenShell安全运行时，为运行多步工作流的AI代理提供基于策略的、可审计的隔离执行环境。这标志着从单纯的功能性AI向受控、可信的企业级AI代理架构演进。
思科定义AI时代统一基础设施管理平台标准
思科通过其博客文章，系统性地阐述了AI时代对基础设施管理平台的新要求，并以此定位其Intersight平台。核心标准包括跨异构环境的策略自动执行、端到端生命周期自动化、与支持流程深度集成、支持多种部署模式以及开放API集成第三方生态。
思科阐述AI Agent框架如何重塑网络运维架构
思科通过博客详细阐述了AI Agentic框架在网络工程中的应用，提出从聊天机器人到多步工作流编排的演进路径。其核心在于将人类专业知识编码为‘技能’文件，通过MCP协议连接基础设施API，并在关键步骤设置人工审批点，实现从任务执行到流程编排的角色转变。
思科分享企业AI助手实战模式，强调确定性安全与引导式交互
思科基于其客户体验部门AI助手的18个月实战经验，提炼出决定企业AI系统成败的非显性模式。核心包括：通过确定性代码而非LLM提示词执行RBAC、主动解决企业术语歧义、减少澄清式交互以提升效率，以及基于系统能力提供引导式后续问题。
英特尔与谷歌深化合作，共同定义异构AI基础设施核心
英特尔与谷歌宣布多年期合作，旨在共同推进下一代AI与云基础设施。核心是强化CPU和定制IPU在异构AI系统中的中心地位，通过多代Xeon处理器优化性能与能效，并扩展基于ASIC的IPU联合开发，以提升超大规模AI环境下的效率与可预测性。
英特尔与谷歌深化合作，共推CPU与IPU异构AI基础设施
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。
Arm与马来西亚莫纳什大学合作，推进AI时代半导体人才培养
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。
微软发布Copilot Studio多智能体系统，推动企业AI架构互联
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。
微软将MAI多模态模型系列全面集成至Foundry平台
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发布突破性MLPerf 6.0推理结果，展示多节点扩展与多模态能力
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。
思科通过服务即代码(SaC)实现金融网络合规自动化
思科披露其通过Services as Code(SaC)解决方案帮助意大利联合圣保罗银行实现DORA合规要求，采用基础设施即代码方法自动化管理8000台交换机配置，将实施时间缩短70%。该案例展示了网络设备大规模自动化配置管理的可行性。
英特尔在MLPerf推理测试中展示Xeon 6与Arc Pro GPU的AI性能
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。
NVIDIA联合能源厂商推动AI工厂成为智能电网资产
NVIDIA与能源软件公司Emerald AI合作，提出将大型AI数据中心（AI工厂）从静态电力负载转变为可灵活响应电网状况的智能资产。该架构整合了加速计算、电力网络与控制，旨在提升电网可靠性并优化能源使用效率。多家大型能源公司计划基于此架构合作，以支持AI负载并加速电力接入。
NVIDIA联合能源企业推进AI工厂与电网协同架构
NVIDIA与Emerald AI合作推出将AI工厂作为智能电网资产的新架构，整合加速计算、实时能源调度和参考设计，使大规模AI部署能动态响应电网需求。该方案基于Vera Rubin DSX参考设计和Conductor平台，已获多家能源企业支持实施。
Arm首次推出自研AGI CPU，进军数据中心硅产品市场
Arm宣布其计算平台首次扩展至生产级硅产品，推出自研的Arm AGI CPU，专为AI数据中心和Agentic AI工作负载设计。该CPU旨在提供远超x86平台的每机架性能与能效，并已获得Meta、OpenAI等关键客户及广泛OEM/ODM生态支持。
英伟达组建Nemotron联盟，推动开放前沿模型协作
英伟达在GTC上宣布成立Nemotron联盟，联合Mistral AI等模型构建者和AI实验室，共同开发前沿级开源基础模型。此举旨在通过共享专业知识、数据和算力，推动开放模型生态，并强调未来AI将由开放与专有模型共同构成的系统驱动。
ARM推出AGI CPU：AI Agent时代的硅基础
ARM宣布推出Arm AGI CPU，这是其首款自有硅产品，基于Neoverse平台，专为agentic AI时代设计。该CPU优化大规模并行工作负载，在1OU配置中支持272核心/刀片，全机架达8160核心，性能比x86系统提高两倍以上，提升AI基础设施效率。
NVIDIA将GPU动态资源分配驱动捐给Kubernetes社区
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。