情报
AI 生成的结构化厂商动态简报
NVIDIA GTC台北2026：Vera 88核CPU专为智能体设计，1.8倍x86性能，OpenAI/Anthropic首批部署
NVIDIA在GTC台北2026发布首款独立数据中心微处理器Vera，首次以自有CPU直接对标Intel Xeon和AMD EPYC。Vera采用88个定制Olympus Arm核心，单片mesh网络（非chiplet），核心间通信比传统CPU快50%。LPDDR5X带宽1.2TB/s，PCIe Gen6，内外带宽为同类最高性能CPU的2-3倍。智能体沙箱性能1.8倍x86。首批客户：OpenAI、Anthropic、SpaceX。Q3 2026投产，FY CPU收入目标200亿美元。标志着NVIDIA从GPU加速器厂商向全栈数据中心平台厂商的战略跃迁。
NVIDIA发布工厂运营蓝图，定义自主工厂管理器代理架构
NVIDIA发布Factory Operations Blueprint (FOX)参考设计，用于构建基于AI的自主工厂管理器代理。该蓝图整合NemoClaw、AI-Q Blueprint及Nemotron开放模型，旨在连接工厂异构系统、自动化AI模型训练并协调各类专业代理，实现工厂级智能决策。
NVIDIA RTX Spark发布：AI PC时代的开启
NVIDIA在Computex 2026正式发布RTX Spark——首款面向AI Agent时代的Windows PC超级芯片。该芯片基于TSMC 3nm工艺，整合Blackwell架构GPU（6144 CUDA核心+第五代Tensor Core，FP4精度）与20核Grace CPU，通过NVLink-C2C互联（600GB/s），提供1 petaflop AI算力和最高128GB统一LPDDR5X内存（300GB/s带宽）。笔记本最薄14mm、最轻3磅，支持本地运行1200亿参数大模型。NVIDIA与微软合作推出OpenShell运行时和Windows安全原语，Adobe正在为RTX Spark重新架构Photoshop和Premiere。首批设备秋季上市，来自ASUS、Dell、HP、Lenovo、Microsoft Surface、MSI，Acer和GIGABYTE随后跟进。预计售价$3000-4000。RTX Spark路线图延伸至2030年：2027年升级Vera CPU+Rubin GPU+LPDDR6，2029-2030年Rosa CPU+Feynman GPU。这是继2020年Apple M1之后PC行业最大的架构变革信号。
NVIDIA Vera CPU交付四大AI实验室，Computex前夕N1X+硅光子学三线并发
NVIDIA于5月18日宣布Vera CPU首批交付Anthropic、OpenAI、SpaceX AI和Oracle Cloud Infrastructure，由超大规模计算副总裁Ian Buck亲自送货。Vera是NVIDIA首款专为Agent式AI设计的CPU，88颗自研Olympus核心(Arm v9.2)，LPDDR5X带宽1.2TB/s，Phoronix基准测试单核超越AMD EPYC 9575F和Intel Xeon 6980P，Linux内核编译仅20秒。同日NVIDIA+微软+Arm联合发布神秘海报预告N1X笔记本处理器(Blackwell GPU+20核联发科Arm CPU+128GB统一内存)，Dell/Lenovo/ASUS已准备设备。此外NVIDIA三个月内向硅光子学投资至少$65亿(Lumentum/Coherent/Marvell各$20亿+Corning $5亿+Ayer Labs E轮$5亿)，黄仁勋称硅光产能需求远超全球供给，CPO 2026渗透率0.5%→2030年35%。
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。
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。
英伟达发布Fleet Intelligence，强化GPU集群监控与完整性验证
英伟达正式发布Fleet Intelligence托管服务，通过轻量级代理提供GPU集群的实时遥测、健康监控与完整性验证。该服务旨在提升大规模、异构GPU基础设施的运营可见性与投资回报率，并集成了基于硬件信任根的远程证明技术。
NVIDIA联合Slurm优化GB200 NVL72集群调度，应对机架级AI算力挑战
NVIDIA与Slurm社区合作，针对GB200 NVL72机架级GPU集群引入新的拓扑/块调度插件。该方案将NVLink域视为硬调度边界，通过`--segment`等参数精细控制作业放置，以应对跨域性能骤降问题，标志着AI基础设施调度从网络优化转向算力域感知。
NVIDIA为NCCL引入Prometheus实时监控，强化AI训练可观测性
NVIDIA在NCCL 2.30中推出Prometheus模式，将GPU间通信性能指标转化为时间序列数据。这使AI训练团队能够通过Grafana仪表板实时监控和调试分布式训练性能问题，尤其是网络与NVLink混合通信场景下的瓶颈。
NVIDIA提出面向智能体系统的“极端协同设计”基础设施栈
NVIDIA发布技术博客，系统阐述AI智能体（Agent）工作负载对基础设施的颠覆性需求，并提出其‘极端协同设计’（Extreme Co-Design）技术栈与Vera Rubin平台作为解决方案。核心观点是传统单处理器架构无法满足智能体在长上下文、高缓存命中率和低延迟交互方面的苛刻要求，必须通过计算、网络、存储的跨层优化来重塑AI基础设施。
NVIDIA与Intel达成50亿美元战略合作：AI芯片供应链新格局
NVIDIA与Intel于2025年9月18日宣布50亿美元战略合作：NVIDIA投资50亿美元获得Intel约4%股权，Intel为NVIDIA定制x86 CPU（用于AI基础设施）和集成RTX GPU芯粒的x86 SoC（用于PC产品）。双方通过NVLink实现架构互连，形成「AI计算+NVIDIA CUDA+x86生态」的联合体。此举重塑AI芯片供应链格局，对AMD和独立芯片设计厂商产生深远影响。
英伟达发布企业级AI工厂参考架构，推动本地AI基础设施标准化
英伟达发布企业级AI工厂参考架构，为本地部署提供从RTX PRO到NVL72的三种标准化配置。该架构整合了计算、网络、存储及软件，旨在将AI基础设施从实验性部署转变为可预测、可扩展的工业化运营平台。
NVIDIA与Google Cloud深化合作，构建面向AI工厂与物理AI的云基础设施
NVIDIA与Google Cloud宣布合作升级，推出基于Vera Rubin和Blackwell GPU的新实例，旨在构建支持近百万GPU集群的“AI工厂”，并整合Gemini、Nemotron等模型平台，加速从智能体到物理AI（如机器人、数字孪生）的生产级部署。
NVIDIA 发布多节点 GPU 互联性能基准测试工具 NVbandwidth
NVIDIA 在其开发者博客上正式发布 NVbandwidth 工具，这是一个基于 CUDA 的基准测试套件，用于测量单节点及多节点 GPU 系统内各种内存拷贝模式的带宽与延迟。该工具支持 NVLINK、PCIe 等多种互联拓扑，并集成 MPI 以支持跨节点集群的性能评估。
NVIDIA发布Slinky slurm-operator，在Kubernetes上融合HPC与AI调度
NVIDIA通过其收购的SchedMD，推出开源项目Slinky的slurm-operator，使HPC领域主流的Slurm作业调度系统能够以原生方式在Kubernetes上运行。该方案将Slurm组件容器化，通过CRD管理集群生命周期，实现了Slurm与Kubernetes生态在监控、自动扩缩容、节点维护及多节点NVLink拓扑感知等方面的双向状态同步。
NVIDIA 通过 NVLink Fusion 扩展 AI 生态系统
NVIDIA 宣布 Marvell 加入其 AI 生态系统，通过 NVLink Fusion 技术实现更高效的 AI 计算互连。这一合作将提升大规模 AI 训练和推理场景下的数据传输效率。
NVIDIA将GPU动态资源分配驱动捐给Kubernetes社区
NVIDIA将其GPU动态资源分配（DRA）驱动捐献给CNCF，使其成为Kubernetes上游项目。此举旨在将GPU编排的核心控制点从厂商专有层上移至开源社区，并协同多家云厂商推动标准化。
NVIDIA 捐赠 GPU 动态资源分配驱动至 Kubernetes
NVIDIA 将 GPU 动态资源分配驱动程序捐赠给云原生计算基金会，支持 MPS 和 MIG 技术实现 GPU 智能共享与动态重配置。同时为 Kata Containers 引入 GPU 支持增强 AI 工作负载隔离，KAI Scheduler 加入 CNCF 沙盒项目。
NVIDIA Blackwell架构实现25倍能效提升
NVIDIA发布Blackwell GPU架构，通过Transformer引擎和NVLink互联技术创新，实现比前代Hopper架构25倍的能效提升。这一架构级突破将显著降低AI训练和推理的运营成本，直接影响数据中心TCO和可持续性指标。