《思科2025人工智能就绪指数》(Cisco AI Readiness Index 2025)最新研究结果表明:“领导者”,即受访企业中13%最具AI就绪度的群体,正通过基础设施方面的差异化决策创造复合优势。值得注意的是,全球97%的领导者已经以足够的规模和速度部署人工智能,成功解锁应用场景并实现投资回报。
思科亚太、 日本及大中华区云和人工智能基础设施业务总经理Simon Miceli表示:“今年的报告显示人工智能领导者采用差异化架构——领导者印证了这一点。他们以网络为核心构建基础架构、优先布局电力基础设施、 持续优化系统,并从一开始就将安全能力嵌入其中。因此,97%的领导者实现了可衡量且可扩展的价值。中国大陆62%缺乏此类架构远见的企业,正面临累积'AI基础设施债务'的风险——那些权宜之计与架构缺口将演变为扼杀创新与竞争力的瓶颈。”
《思科2025人工智能就绪指数》揭示了AI领导者在基础设施上的四项关键决策:

一、未雨绸缪应对能耗限制
超半数中国大陆受访企业预计三至五年内AI工作负载增幅将超50%,且40%计划将在一年内新建数据中心容量。但电力基础设施部署需18-36个月。96%全球领导者已建设专用设施优化能耗,而中国大陆仅42%。超半数中国大陆企业在缺乏配套能耗设施的情况下建设人工智能算力。领导者针对最难后期改造的约束进行前瞻布局。

二、视网络为基础,而非事后补救
当多数受访者关注算力时,领导者更重视布局网络。全球81%的领导者认为其网络架构已“针对AI工作负载实现最优状态”,而中国大陆仅有20%的企业达到这一水平。当工作负载翻倍时,网络将先于算力成为瓶颈——而在生产负载下重构数据中心布线并非易事。全球79%的领导者已实现AI与网络的全面集成,而与云的集成比例为61%。中国大陆受访企业两项整合度相近但偏低——网络整合31%,云整合25%,且未形成清晰层级。领导者将网络视为基石,其他架构皆以此为基础。

三、通过持续优化实现部署后真实价值
将AI模型投入生产固然值得庆贺,但模型性能会随时间而衰减。领导者注重部署后的持续优化:72%的领导者具备自动再训练的持续监控机制,而中国大陆仅有24%。这种机制带来速度优势:65%的领导者可在1小时内以最短停机更新模型,而中国大陆为49%。这一优势具有复合效应:优化速度快3至4倍的企业每年可运行50次以上迭代,而普通企业仅可实现12至15次。领导者视部署为起点而非终点。

四、构建加速创新的安全体系
领导者从一开始就将安全融入基础设施。全球84%的领导者具备端到端加密与持续监控的能力,而中国大陆仅27%。在AI代理快速部署的背景下,这种安全策略显得尤为关键:73%的中国大陆企业正部署自主AI代理,但仅有30%能充分保障其安全。而在领导者中,这两个比例分别为96%和75%。尽管仍存在差距,但领导者的安全体系是从内打造的,而非事后附加,因此风险更易管理。领导者们将安全融入基础设施以推动创新,而非制造阻力。

AI基础设施债务的复合成本
领导者的成功并非因为投入更多,而是其提前进行架构押注——早在工作负载爆发前、瓶颈出现前、安全需求变得迫切前就提前布局。
而那些被动构建AI体系的企业,则面临积累“AI基础设施债”的风险。中国大陆的受访者中,已有早期警示迹象——AI代理的部署速度快于安全防护能力、仅有20%的企业认为其网络已处于“最优”状态、 58%的企业尚未具备足够的能耗基础设施,尽管超过一半的企业预计工作负载将增长50%以上。
这些技术债务可能逐步演变为运营风险、安全威胁、合规挑战以及竞争劣势。
企业今日的基础设施决策,将决定其明日所能达到的高度。而领导者,已在这场竞争中占据明显优势。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。