情报
AI 生成的结构化厂商动态简报
NVIDIA借台湾供应链深化AI工厂生态，Vera Rubin量产捆绑专有软件锁
NVIDIA联合台积电、鸿海等台湾巨头，将cuLitho、Omniverse、Isaac等专有AI软件嵌入芯片制造与服务器组装流程，同时推进Vera Rubin NVL72量产。此举将制造效率提升数据（如cuLitho降低20-50%周期）作为诱饵，实质是构建从设计到生产的全栈生态壁垒。
NVIDIA Alpamayo闭环RL后训练：加速自动驾驶策略的模拟-现实融合
NVIDIA Alpamayo平台推出AlpaGym，一个开源、高吞吐量的闭环强化学习后训练框架。该框架将AlpaSim模拟器、Cosmos-RL分布式训练和物理AI数据集整合，使AV模型能从自身动作的模拟后果中学习，大幅缩小训练与部署的误差累积鸿沟。
NVIDIA Cosmos 3开源统一物理AI模型，以MoT架构合围GPU生态
NVIDIA发布Cosmos 3，基于Mixture-of-Transformers双塔架构统一物理推理、世界生成与动作生成。开源模型权重、训练脚本和六个合成数据集，但部署优化深度绑定NVIDIA NIM微服务与GPU，意图将物理AI开发生态锁定在其硬件和软件栈上。
NVIDIA BlueField DPU硬件隔离安全：将AI工厂控制点从软件转向硅片
NVIDIA发布基于BlueField-4 DPU的DOCA安全堆栈（Argus、Vault、Flow），通过硬件隔离执行域实现运行时内存分析、零信任文件访问和800Gb/s网络策略执行。该架构将安全控制从主机操作系统转移到DPU硅片，在不影响AI性能前提下提供分布式全栈保护，但深度绑定Vera Rubin平台，形成生态锁定。
NVIDIA DSX OS：以开源软件夺取AI工厂控制平面，锁定生态
NVIDIA发布DSX OS，一套开源模块化软件，用于运营AI工厂。包含DSX Exchange、MaxLPS、NICo、NVSentinel等组件，统一IT/OT通信、电源优化、生命周期管理。声称可在固定功率下多运行40% GPU，但核心依赖NVIDIA专有硬件，旨在锁定用户至其生态。
Intel以Xeon 6+与E835重塑AI控制平面：CPU重新成为agentic AI的编排核心
Intel发布基于Intel 18A的Xeon 6+处理器（288个E-core）、E835 200GbE控制器及Crescent Island GPU。核心战略是让CPU重回AI基础设施中心，作为agentic AI工作负载的编排与数据移动控制平面，并试图通过E835以太网组合锁定AI数据中心网络标准。
NVIDIA RTX Spark：以SoC形态夺取PC控制权，AI算力革命或锁定生态
NVIDIA发布RTX Spark SoC，集成Blackwell GPU与20核Grace CPU（MediaTek设计），通过NVLink-C2C实现600GB/s互联，最高128GB统一内存，1 petaflop FP4 AI算力，支持本地运行1200亿参数大模型。此举从GPU供应商跃升为整机方案商，直接挑战Apple M系列、Qualcomm及x86阵营。
Advancing AI Infrastructure for Agentic AI with NVIDIA DOCA In-Silicon Security
...
NVIDIA DSX OS Delivers Open, Modular Software for Operating AI Factories at Scale
...
诺基亚1830 GX多轨OLS：以密度和功耗优势重塑AI集群跨站点光互联经济性
诺基亚发布1830 GX多轨开放线路系统（OLS），在1RU内支持4个光纤轨，实现40RU机架部署160轨，功耗每轨降低超60%。该方案专为AI集群跨数据中心互联（Scale-Across）设计，通过集成C+L波段EDFA、DGE、OCM和OTDR，解决传统ILA站点空间与功耗瓶颈，实现9.6THz频谱容量。
DynoSim: Simulating the Pareto Frontier
...
Cisco Scale-Across架构：硅光融合定义AI跨数据中心网络新标准
Cisco发布Scale-Across方案，基于Silicon One P200路由系统（51.2Tbps）和400G/800G ZR/ZR+相干光模块，结合开放线路系统，旨在解决AI训练因功率限制需跨数据中心分布时的网络性能问题，实现类似单机房的低延迟无损连接。
思科G300智能包流：AI网络性能的硬件加速新范式
思科发布基于Silicon One G300的Intelligent Packet Flow，通过硬件加速自适应路由、集体拥塞感知和遥测，将网络从传输层变为智能系统。在8K-16K GPU集群中，相比传统ECMP，CCT减少87%，JCT提升82%，GPU利用率提升28%。
Intel Core Ultra Series 3 以集成SoC替代离散GPU，重塑边缘机器人推理性价比
Intel Core Ultra Series 3 处理器集成CPU、GPU、NPU，成为Sensory AI等多家机器人公司的边缘推理主力，完全替代昂贵、高功耗的离散GPU。通过异构计算，机器人可在本地运行视觉、语言、运动等多智能体，无需云端，显著降低总拥有成本与部署门槛。
AMD Ryzen AI Halo与Max PRO 400系列：本地运行300B参数模型，但隐性锁定与工程短板并存
AMD发布Ryzen AI Halo开发者平台（128GB统一内存，支持200B参数模型）及Ryzen AI Max PRO 400系列处理器（首款x86客户端运行300B参数模型）。通过统一内存架构、ROCm优化和OEM合作，推动代理AI从云端走向本地，但实际性能受限于共享内存带宽与散热设计。
谷歌云I/O'26推出统一Agent开发平台，A2A协议与Managed Agents API锁定控制层
谷歌云在I/O'26发布统一Agent开发工具包，包括Antigravity 2.0桌面应用、Managed Agents API、ADK 2.0及A2A协议。该平台将Vertex AI演进为Gemini Enterprise Agent Platform，提供从低代码到代码优先的四层开发阶梯，旨在通过共享协议层统一本地开发与云端部署，但实质是将agent生命周期控制权集中于谷歌云管理平面。
Google I/O 2026：TPU 8t/8i跨数据中心训练与Gemini 3.5 Flash速度革命
Google发布第八代TPU：TPU 8t（训练）和TPU 8i（推理），原始计算力提升3倍，性能功耗比提升2倍。通过JAX/Pathways实现跨100万+TPU的分布式训练。同时推出Gemini 3.5 Flash，输出速度是其他前沿模型的4倍，并在GDPVal等基准上领先。SynthID被OpenAI、Nvidia等采用。
Google Antigravity 2.0 将控制点从模型API转向Agent编排平台
Google 发布 Antigravity 2.0 桌面应用、Managed Agents API 和 AI Studio 移动端，构建以Agent为中心的开发平台。核心是 Gemini 3.5 Flash 模型，提供4倍速度提升，并深度集成 Google 生态（Android、Firebase、Workspace），试图锁定开发者工作流。
Cloudflare实测Anthropic Mythos：AI漏洞链构建与自动验证突破
Cloudflare在Project Glasswing中测试了Anthropic的Mythos Preview模型，发现其能自动将多个低严重性漏洞链成可利用的PoC，并生成可运行的代码。同时，他们构建了多阶段harness以解决噪声和上下文限制，显著提升漏洞发现质量。
Cisco AI订单飙升至90亿美元，但SD-WAN连续三年被同一APT攻破暴露安全架构深层缺陷
Cisco 2026财年Q3 AI基础设施订单目标上调至90亿美元，但同期SD-WAN Controller出现CVSS 10.0认证绕过漏洞，同一APT组织已连续三年利用Cisco零日。这暴露了Cisco在战略重心转向AI时安全工程投入的滞后，以及SD-WAN控制平面架构的深层缺陷。