情报
AI 生成的结构化厂商动态简报
Google I/O 2026全面押注Agentic AI：Gemini 3.5 Flash/Omni/Antigravity 2.0/Gemini Spark密集发布
Google I/O 2026发布Gemini 3.5 Flash（4倍输出速度+前沿智能）、Gemini Omni Flash（原生多模态视频生成）、Antigravity 2.0（Agent编排桌面平台+CLI+SDK）、Gemini Spark（24/7个人AI助手）。Gemini MAU从4亿增至9亿；资本开支2026年预计1800-1900亿美元（2022年的6倍）。
NVIDIA 以智能体工具包推动 AI 工作流从模型调用向编排平台演进
NVIDIA 通过其 NeMo Agent Toolkit 开源库，展示了一个用于量化金融信号发现的多智能体系统参考架构。该系统将传统手动、碎片化的研究流程，转变为由配置驱动、具备可观测性的自动化闭环，凸显了智能体编排层在复杂 AI 应用中的核心价值。
NVIDIA开源GPU Usage Monitor，简化Kubernetes集群GPU监控
NVIDIA发布开源项目GPU Usage Monitor，通过一个预集成的Helm Chart，将DCGM Exporter、kube-state-metrics、Prometheus和Grafana打包部署，为Kubernetes集群中的GPU资源提供开箱即用的实时监控能力。此举旨在解决AI工作负载在K8s环境中GPU利用率不透明、资源调度盲点等运营难题。
NVIDIA在COMPUTEX展示Vera Rubin NVL72等AI基础设施创新
NVIDIA在COMPUTEX 2026上获得多项最佳选择奖，其Vera Rubin NVL72机柜级AI超算、Jetson Thor边缘平台及Alpamayo自动驾驶开放平台获奖，展示了其在AI工厂、边缘推理和物理AI领域的基础设施布局。
思科全面拥抱SONiC，提供从硬件到软件的全栈开放网络方案
思科宣布在其Cisco 8000和即将推出的N9000系列交换机上全面支持开放网络操作系统SONiC，并提供构建自有发行版和预构建镜像两种消费模式。此举旨在将思科硅芯片性能与SONiC的开放架构相结合，为AI和高性能工作负载提供可编程、可扩展的网络基础设施。
英特尔以集成SoC架构推动边缘AI机器人计算从独立GPU迁移
英特尔宣布其Core Ultra Series 3处理器正被多家机器人公司采用，以集成CPU、GPU、NPU的SoC架构替代昂贵、高功耗的独立GPU，用于边缘AI推理。这标志着机器人“大脑”向成本效益更高、更易部署的集成化异构计算架构转变。
NVIDIA与Google Cloud深化开发者生态融合，推进AI基础设施与应用栈整合
NVIDIA与Google Cloud联合开发者社区规模超10万人，提供从JAX优化、NVIDIA Dynamo推理优化到AI水印（SynthID）的全栈学习路径。此举旨在通过整合双方底层硬件（Blackwell/Rubin GPU）、云平台（GKE， AI Hypercomputer）与软件框架（Nemotron， Gemma），加速企业级AI应用从原型到生产的落地。
英伟达强调AI智能体评估，推动生产系统标准
英伟达发布技术博客，系统阐述AI智能体与基础模型评估的根本差异，提出以任务成功率、轨迹效率和工具调用准确性为核心的动态评估框架。此举旨在将AI智能体从模型能力测试转向生产系统行为验证，并推广其NeMo Agent Toolkit作为评估工具。
NVIDIA与戴尔发布全栈AI工厂，加速企业级Agentic AI部署
NVIDIA与戴尔深化合作，推出更新版Dell AI Factory with NVIDIA，旨在为企业提供从工作站到数据中心的端到端Agentic AI推理与部署平台。该平台整合了NVIDIA Vera Rubin GPU、Vera CPU、Confidential Computing及Nemotron模型，强调安全、高性能的本地化AI基础设施，以应对激增的AI推理需求。
Google 通过 TPU 8 与分布式训练架构强化全栈 AI 控制力
Google 在 I/O 2026 上披露其 AI 基础设施战略核心：发布专为训练和推理优化的 TPU 8t 与 8i 芯片，并实现基于 JAX 和 Pathways 的跨数据中心分布式训练。同时，其年度资本支出预计达 1800-1900 亿美元，以支撑激增的 AI 算力需求。
NVIDIA CUDA Toolkit堆溢出漏洞暴露GPU云共享模型的根本架构缺陷
Pwn2Own Berlin 2026首次纳入AI/ML类别，NVIDIA CUDA NVVM编译器堆溢出CVE-2026-12839被利用。恶意PTX代码可从GPU驱动逃逸至主机内核，云环境中实现跨租户逃逸。GPU云安全隔离依赖驱动层，此漏洞打破隔离基础假设。
英伟达发布Vera Rubin平台，通过软硬件协同设计解决智能体AI规模化难题
英伟达发布Vera Rubin平台，通过Vera Rubin NVL72 GPU与Groq 3 LPX LPU的异构协同，结合Dynamo编排器，旨在解决智能体AI推理在长上下文、万亿参数MoE模型下的规模化、低延迟与高吞吐挑战。
思科借SRv6与MRC协议，强化其在AI基础设施网络层的核心地位
思科通过其博客强调，其主导的SRv6网络架构是支撑OpenAI等巨头发布的MRC协议的关键基础。这标志着AI超算网络正从传统ECMP向基于SRv6的确定性、应用驱动架构演进，思科试图将自身定位为这一变革的核心标准制定者和技术提供方。
NVIDIA通过cuPyNumeric与GDS加速科学计算工作流
NVIDIA展示了其XANI工作流，利用cuPyNumeric分布式计算库与GPUDirect Storage，将量子材料X射线分析的计算时间从9个月缩短至4小时。这标志着GPU加速正从训练/推理向科学计算与实时数据处理的端到端工作流渗透。
思科在ONUG 2026提出AI数据中心网络与安全融合架构
思科在ONUG 2026峰会上，围绕AI Agentic时代的数据中心，系统阐述了其融合网络与安全的AI原生基础设施蓝图。其核心是通过将安全策略（如防火墙、微分段）卸载至DPU，并利用AI驱动的运维模型，解决AI工作负载对网络性能与安全隔离的双重苛刻需求。
英伟达联合Ineffable Intelligence，共同设计强化学习基础设施
英伟达与由AlphaGo架构师David Silver创立的Ineffable Intelligence达成工程级合作，旨在共同设计面向大规模强化学习（RL）的基础设施。双方将基于Grace Blackwell平台探索RL训练流水线，并计划适配下一代Vera Rubin平台，以应对RL对互连、内存带宽和实时服务带来的独特挑战。
英伟达通过Hermes与Qwen 3.6推动本地AI Agent基础设施
英伟达联合Nous Research推广开源AI Agent框架Hermes，并适配阿里通义千问Qwen 3.6模型，旨在构建一个以RTX PC和DGX Spark为核心的、可靠的本地AI Agent运行环境。此举将高性能AI Agent的部署边界从云端扩展至企业边缘和个人设备。
英伟达发布AI模型部署最佳实践，强调TensorRT与Dynamo-Triton集成
英伟达通过官方博客详细阐述了消除AI模型服务“流水线摩擦”的系统性方法，核心是推广其TensorRT优化工具与Dynamo-Triton服务平台的深度集成，旨在将模型从训练到部署的流程标准化和高效化。
思科与红帽深化AI基础设施集成，推动核心到边缘的智能平台
思科在红帽峰会上展示其与红帽生态的深度集成，涵盖AI POD、统一边缘、网络即代码及安全AI工厂。通过将Ansible、Splunk、Isovalent eBPF能力嵌入OpenShift平台，旨在为企业提供从核心到边缘的、可编程且安全的AI基础设施统一控制平面。
HPE整合私有云与数据平台，强化AI数据就绪能力
HPE宣布其GreenLake平台的多项更新，旨在通过统一的私有云、存储和数据保护方案，帮助企业现代化基础设施并加速AI数据就绪。核心动作包括整合Kubernetes管理、统一文件与对象存储，并引入跨存储与数据保护产品的智能代理能力。