情报
AI 生成的结构化厂商动态简报
微软自研MAI模型公开预览：GPU成本降低89%，摆脱OpenAI依赖
微软在Azure Foundry推出自研MAI-Image-2.5-Pro和MAI-Voice-2-Flash，实现8K文字渲染96.8%准确率，GPU成本较GPT系列降低84%-89%。已部署于Bing、PowerPoint、OneDrive等产品，标志着微软从依赖OpenAI转向自研AI的战略转折。同期NVIDIA Jetson登月任务展示太空边缘AI。
NVIDIA开源Cosmos 3 Edge 4B世界模型，Jetson Thor实现15Hz实时机器人控制
NVIDIA开源Cosmos 3 Edge（4B参数）世界动作模型，专为边缘机器人控制设计，在Jetson Thor平台实现15Hz实时推理和32个动作生成。此举将物理AI栈从数据中心扩展到边缘，推动机器人从感知到动作的端到端部署。
NVIDIA发布Agent Toolkit扩展Omniverse库，使AI代理具备物理仿真构建能力
NVIDIA在SIGGRAPH 2026发布Agent Toolkit扩展，新增Omniverse库作为软件组件，使AI代理能够构建和仿真3D世界。同时开源Cosmos 3 Edge（4B参数世界动作模型），完善从训练到边缘部署的物理AI生态。
NVIDIA推出Jetson Thor T3000/T2000，以Blackwell架构压降边缘AI推理成本壁垒
NVIDIA发布基于Thor架构的Jetson T3000和T2000模块。T3000集成Blackwell GPU、8核Neoverse CPU，以T5000一半的功耗提供865 FP4 TFLOPS算力，并搭配新的Jetson Agent Skills自动化内存优化工具，旨在推动人形机器人和边缘AI应用的大规模部署。
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与SK海力士深度捆绑：定制内存重塑AI工厂生态，锁定Vera Rubin与Jetson Thor
NVIDIA与SK hynix宣布多年期技术合作，将共同开发面向Vera Rubin AI超级计算机、Vera CPU、RTX Spark PC及Jetson Thor机器人平台的下一代定制内存。SK hynix还将利用NVIDIA CUDA-X库和Omniverse平台加速半导体设计与制造，构建自主晶圆厂数字孪生。
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联手斗山集团：以全栈物理AI平台重构工业自动化生态
NVIDIA与斗山集团扩大合作，将Isaac Sim、Cosmos、Jetson Thor等物理AI栈整合进斗山机器人Agentic Robot OS，并探索AI工厂电力（SMR、氢燃料电池）及MGX生态PCB材料。此举旨在将NVIDIA从GPU供应商转型为物理AI和AI工厂基础设施的中央平台，深度锁定工业自动化生态。
NVIDIA 推交易基础模型：金融 AI 控制点从碎片模型转向统一 GPU 堆栈
NVIDIA 发布 Build Your Own Transaction Foundation Model 开发者示例，联合 Revolut、Mastercard 等金融机构，推动基于 Transformer 的交易基础模型替代碎片化任务模型。该方案依托 Hopper GPU、cuDF 和 Nemotron 框架，将金融数据处理从特征工程转向统一嵌入，实质是控制层向 NVIDIA 硬件生态转移。
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。
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。
NVIDIA推动物理AI在机器人领域的技术整合
NVIDIA在机器人周展示物理AI技术突破，通过Isaac Sim模拟平台和Jetson Orin边缘模块加速农业机器人部署。案例显示Aigen利用合成数据训练和开放世界基础模型，实现太阳能机器人精准除草，降低90%除草剂依赖。
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。
NVIDIA推出物理AI数据工厂蓝图，将计算转化为合成数据
NVIDIA在GTC上发布物理AI数据工厂蓝图，这是一个将计算转化为大规模高质量合成训练数据的开放参考架构。它基于Cosmos世界模型和OSMO操作器，旨在解决真实世界数据难以规模化获取和处理的瓶颈，为下一代自主系统和机器人提供数据引擎。
NVIDIA发布物理AI数据工厂蓝图及前沿模型
NVIDIA在GTC 2026发布三大物理AI前沿模型和Physical AI Data Factory开放参考架构，通过Cosmos世界模型和OSMO操作符将计算转化为合成训练数据。同时推出Omniverse DSX数字孪生仿真蓝图，工业机器人厂商正采用该框架验证应用并集成Jetson模块实现实时AI推理。
NVIDIA IGX Thor边缘AI平台：8倍算力跃迁与ConnectX-7网络锁定
NVIDIA发布IGX Thor系列，基于Blackwell GPU和Arm Neoverse-V3AE CPU，提供最高5,581 FP4 TFLOPS算力、双200GbE RDMA网络及ISO 26262功能安全。通过Jetson/IGX引脚兼容和10年生命周期，构建从原型到生产的无缝迁移路径，但隐性锁定用户至NVIDIA专有硬件堆栈。
英伟达Jetson平台推进边缘AI开源模型本地化部署
英伟达通过Jetson边缘AI平台实现开源生成式AI模型的本地化部署，支持包括Qwen3 4B和Mistral 3在内的多种模型在边缘设备运行。平台提供从Jetson Orin Nano到Thor的完整硬件选项，集成计算与内存于SoM以简化设计。关键性能指标显示，Jetson Thor可实现52 tokens/秒的Mistral 3推理速度。