情报
AI 生成的结构化厂商动态简报
AlphaEvolve GA：Google DeepMind AI自我进化优化数据中心效率
2026年7月19日，Google DeepMind宣布基于Gemini的多智能体进化系统AlphaEvolve正式GA。该系统能够自主设计算法、进行数学发现并优化数据中心效率，已应用于Borg调度器和Orca推理基础设施，旨在通过AI自我改进显著降低超大规模AI算力投入的Capex。
NVIDIA联手日本打造主权AI与物理AI生态，发布T3000/T2000模块和Cosmos 3 Edge
NVIDIA发布基于Thor架构的T3000/T2000超级计算模块和Cosmos 3 Edge世界模型，与日本Noetra联盟签约部署13750颗Vera CPU+27500颗Rubin GPU（140MW），主权AI收入FY2026三倍增长至300亿美元以上，物理AI生态加速成型。
Google Gemini 3.5 Pro架构重写：200万Token上下文引爆AI模型军备竞赛
Google DeepMind宣布7月17日发布Gemini 3.5 Pro，采用从头重建的预训练架构而非迭代升级，以解决数学推理、SVG生成和图像质量三大短板。模型将具备200万Token上下文窗口、Deep Think推理层和多步骤自主工作流能力，但官方规格尚未确认。
NVIDIA JUPITER超算验证Grace Hopper平台：百亿亿次科学计算进入生产阶段
欧洲首台百亿亿次超算JUPITER基于NVIDIA Grace Hopper Superchips和Quantum-X800 InfiniBand，完成了人类大脑细胞级图谱、1公里分辨率气候模拟、6G AI模型训练和50量子比特量子计算模拟，标志着百亿亿次计算从研究走向生产。
Google Cloud 为 AI Agent 嵌入法律可验证身份，监管驱动架构重构
Google Cloud 为 Gemini Enterprise 和 Vertex AI Agent Engine 引入基于 SPIFFE 的 Agent Identity，并集成 Kakunin 的合规层，将内部 SPIFFE 标识映射为 AWS KMS 生成的 X.509 证书，所有状态变更写入 WORM 审计日志。此举将运行时安全升级为法律可审计的市场参与者身份，以应对 EU AI Act 和 MiCA 的问责要求。
NVIDIA Blackwell MLPerf六连冠：NVLink与NVFP4定义AI训练新范式
NVIDIA在MLPerf Training 6.0中凭借Blackwell平台全面领先，首次提交所有7个基准测试，包括MoE模型。GB300 NVL72比GB200快1.6x，通过第五代NVLink实现72 GPU一体化，NVFP4低精度训练提升性能。展示了从单机到8192 GPU集群的线性扩展能力。
NVIDIA推AgentPerf基准测试：Blackwell Ultra每瓦代理数较Hopper提升20倍
NVIDIA与Artificial Analysis联合发布首个Agentic AI基准测试AgentPerf，结果显示GB300 NVL72平台在运行DeepSeek V4 Pro等MoE模型时，每兆瓦可承载的并发代理数较HGX H200提升20倍。该基准模拟真实编码代理轨迹，测量端到端吞吐与响应延迟。
NVIDIA发布Halos OS：以安全认证操作系统夺取自动驾驶控制权
NVIDIA推出Halos全栈安全系统，包括ASIL D认证的Halos Core操作系统、标准化传感器抽象层Halos SDK、AI安全护栏Halos Applications，以及云端安全评估框架SEF。该系统基于DRIVE Hyperion平台，旨在为L4级自动驾驶提供内建安全，而非事后补丁。
NVIDIA联手Google DeepMind推出并行文本生成模型，吞吐量突破1000 tokens/sec
NVIDIA宣布与Google DeepMind合作优化DiffusionGemma，该模型基于扩散去噪实现每步并行生成256个token，在单个H100上达到1000 tokens/sec，并通过NIM和NeMo提供即用部署，显著降低推理成本和延迟。
NVIDIA借DiffusionGemma并行生成，将本地AI推理控制权锁定于自家GPU
NVIDIA优化Google DeepMind的DiffusionGemma开源模型，该模型通过并行生成256 tokens（非逐token）实现4倍加速。在H100上达1000 tokens/sec，DGX Spark上150 tokens/sec，完全本地运行，无云成本。此举强化了NVIDIA GPU在计算密集型本地AI推理中的核心地位。
Google I/O 2026：Antigravity控制平面重塑AI开发范式，锁定代理编排生态
Google I/O 2026发布Antigravity 2.0桌面应用及CLI/SDK，作为统一代理控制平面，结合Gemini 3.5 Flash/Omni模型、Managed Agents API和AI Studio原生Android支持，旨在将AI开发从原型到生产无缝衔接，但实质是强化对开发者工作流和云资源的绑定。
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。
谷歌发布Gemma 4开源模型，推动AI代理本地化部署
谷歌发布Gemma 4开源模型系列，采用Apache 2.0许可，并首次引入MoE架构，旨在将高性能AI代理能力直接部署于移动设备和边缘硬件。此举显著降低了复杂AI工作流对云端集群的依赖，为本地化、私有化AI应用开辟新路径。
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。
英伟达联合谷歌优化Gemma 4，强化本地AI代理基础设施
英伟达宣布与谷歌合作，针对其RTX、DGX Spark及Jetson平台，对Gemma 4系列开源模型进行深度优化。此举旨在将高性能、多模态AI推理能力从云端扩展至边缘设备和个人工作站，为本地AI代理（Agentic AI）提供从2B到31B参数的全栈模型支持。
NVIDIA 优化 Gemma 4 模型以加速本地代理 AI
NVIDIA 与 Google 合作优化 Gemma 4 系列模型，使其能够在从边缘设备到高性能 GPU 的各种 NVIDIA 硬件上高效运行。这些模型支持多种任务，包括推理、编码和代理功能，适用于本地代理 AI 应用。
谷歌发布Gemma 4开源模型，瞄准边缘推理与AI代理架构
谷歌推出Gemma 4开源模型家族，包含从2B到31B的四个版本，强调单位参数性能突破，并原生支持AI代理工作流、多模态与长上下文。其小参数模型专为边缘设备优化，旨在将前沿推理能力扩展至移动与IoT场景。
Google发布Gemma 4开源模型系列
Google推出Gemma 4开源模型系列，包含四种规模变体，特别优化边缘计算和移动设备。该系列支持多模态处理、长上下文窗口和140多种语言，采用Apache 2.0许可。
谷歌推出Gemini API Docs MCP与Agent Skills优化AI编码代理
谷歌发布Gemini API Docs MCP协议和Agent Skills工具集，通过实时连接最新API文档与注入最佳实践指令，解决AI编码代理的过时代码问题。测试显示组合使用可使通过率提升至96.3%，同时降低63%的token消耗。
Google 推出 Gemini API Docs MCP 和 Agent Skills 提升编码代理性能
Google 推出了两项新工具：Gemini API Docs MCP 和 Agent Skills，旨在解决编码代理因训练数据截止日期而生成过时代码的问题。MCP 通过 Model Context Protocol 连接当前 Gemini API 文档，确保代理访问最新 API 和代码；Agent Skills 则提供最佳实践指导和资源链接。联合使用可将评估通过率提升至 96.3%，并减少 63% 的 token 消耗。