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借DSX平台与全球伙伴构建全栈AI云生态，定义AI工厂经济性
NVIDIA正通过其DSX平台与全球云伙伴（如CoreWeave、Firmus、Nebius）深度合作，共同构建由NVIDIA全栈技术定义的‘AI Cloud’生态系统。该生态旨在将‘AI工厂’基础设施贴近数据与用户，并引入‘每Token成本’作为核心经济性指标，以优化从训练、推理到智能体（agentic AI）的全周期工作负载。
NVIDIA联合台系制造巨头，以AI平台重构制造业运营与控制层
NVIDIA联合台积电、富士康、广达等超过500家生态伙伴，在其Vera Rubin NVL72 AI基础设施生产过程中，深度应用CUDA-X、Omniverse、AI代理及物理AI技术，优化从芯片设计、工厂规划到产线运营的全流程。此举将NVIDIA的技术栈从计算加速延伸至制造运营的核心控制层。
NVIDIA发布Vera CPU，为AI代理工作负载定义新设计标准
NVIDIA推出基于自研Olympus核心的Vera CPU，针对AI代理和强化学习工作负载中的‘工具调用-执行’循环进行架构优化。该CPU通过高单核性能、高并发及高效LPDDR5X内存子系统，旨在提升AI工厂中CPU关键路径的性能，从而增加整体AI输出吞吐量和能效。
NVIDIA开源DSX OS，定义AI工厂全栈运营软件层
NVIDIA发布其DSX平台的软件核心DSX OS，这是一套开源、模块化的软件组件，旨在协调从芯片、系统、软件到设施（电力、冷却）的整个AI工厂堆栈。它通过DSX Exchange（MQTT通信枢纽）、MaxLPS（动态功耗管理）、Infra Controller（裸金属生命周期管理）等组件，实现IT/OT深度融合，目标是提升“每瓦特token产出”并降低token成本。
英特尔以Xeon 6+与E835强化CPU在AI基础设施中的控制平面地位
英特尔发布Xeon 6+处理器与Ethernet E835网络适配器，系统性阐述其AI平台战略。核心是将CPU（Xeon）定位为现代AI基础设施的“控制平面”，负责智能体（Agentic）AI工作负载的编排、并发与数据移动，而网络与加速器则作为高效数据平面。此举旨在通过提升能效与系统级协同，应对规模化AI部署的瓶颈。
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。
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。
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。
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。
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。
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。
谷歌公共部门阐述AI代理时代基础设施、数据与安全架构
谷歌公共部门提出，从AI试点迈向组织级AI代理转型，需要构建具备弹性、可扩展和安全的基础设施。其架构围绕AI超算、代理数据云和代理防御三大支柱，强调高性能硬件、AI原生数据架构及整合Wiz的云与AI安全平台。
NVIDIA与美能源部深化AI科学合作，推动Genesis使命
NVIDIA与美能源部在SCSP AI+ Expo上共同阐述Genesis使命，旨在将AI应用于科学发现。双方正合作在阿贡国家实验室建设两台AI超算，并利用AI模型加速能源、材料及电网研究。
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。
全球GPU短缺将持续至2027年：AI基础设施扩张的核心瓶颈
全球GPU短缺预计延续至2027-2028年，根源在于AI数据中心需求爆发、HBM产能受限、CoWoS封装紧张及地缘政治风险。NVIDIA Rubin平台量产受阻（目标从200万降至150万颗），2026年Blackwell将占据高端GPU出货71%。消费级RTX 5080/5070 Ti溢价200-500美元，企业AI基础设施采购周期将进一步延长。
谷歌财报揭示企业AI堆栈战略，推动代理与推理基础设施增长
谷歌Q1财报显示其全栈AI战略成效显著，云业务因AI产品需求激增，收入增长63%。关键信号包括：推出Gemini Enterprise Agent Platform，代理数据处理量激增（330个客户年处理超万亿tokens），并计划将TPU硬件直接部署至客户数据中心。