情报
AI 生成的结构化厂商动态简报
NVIDIA DSX OS Delivers Open, Modular Software for Operating AI Factories at Scale
...
NVIDIA三线并发：Vera CPU交付、N1X笔记本芯片与硅光子学投资，重构AI基础设施控制层
NVIDIA交付首款Agent专用Vera CPU（88核Arm v9.2, 1.2TB/s内存带宽），预告消费级N1X笔记本处理器，并累计投资65亿美元于硅光子学。此举将AI编排控制点从x86转向NVIDIA Arm生态，同时通过CPO技术解决内存墙问题，但量产挑战持续至2028年后。
NVIDIA Vera CPU实测碾压x86：Agentic AI时代的内存带宽霸权
Phoronix基准测试显示，NVIDIA Vera CPU凭借88核自研Olympus核心（Armv9.2）、1.2TB/s LPDDR5X带宽及450W TDP，在Agentic AI工作负载中全面领先Intel/AMD x86。单核性能、内存带宽每瓦效率及并行一致性均实现代际跨越，Linux内核编译仅20秒。
华为韬定律：逻辑折叠绕开光刻限制，固定制程密度跃升55%
华为何庭波在ISCAS 2026提出韬定律，以特征时间常数tau为统一优化目标，替代传统几何缩放。核心技术逻辑折叠通过垂直堆叠有源层缩短关键路径，在固定制程（如N+2）下实现晶体管密度+55%、能效+41%的实测收益。麒麟2026首次突破3GHz，昇腾系列将引入逻辑折叠。该路线图预计到2031年等效1.4nm制程密度，从根本上挑战摩尔定律的物理极限。
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。
AMD Ryzen AI Halo与Max PRO 400系列：本地运行300B参数模型，但隐性锁定与工程短板并存
AMD发布Ryzen AI Halo开发者平台（128GB统一内存，支持200B参数模型）及Ryzen AI Max PRO 400系列处理器（首款x86客户端运行300B参数模型）。通过统一内存架构、ROCm优化和OEM合作，推动代理AI从云端走向本地，但实际性能受限于共享内存带宽与散热设计。
Google I/O 2026：TPU 8t/8i跨数据中心训练与Gemini 3.5 Flash速度革命
Google发布第八代TPU：TPU 8t（训练）和TPU 8i（推理），原始计算力提升3倍，性能功耗比提升2倍。通过JAX/Pathways实现跨100万+TPU的分布式训练。同时推出Gemini 3.5 Flash，输出速度是其他前沿模型的4倍，并在GDPVal等基准上领先。SynthID被OpenAI、Nvidia等采用。
Arm发布创纪录财报，AGI CPU成为AI基础设施新焦点
Arm发布2026财年创纪录业绩，年收入达49.2亿美元，连续三年增长超20%。财报核心亮点是专为智能体AI设计的Arm AGI CPU，其数据中心市场获得超20亿美元客户需求，并获Meta、AWS、Google等巨头支持。
AMD支持SPEC CPU 2026基准测试，强调开放可信性能评估
AMD发表博客支持即将发布的SPEC CPU 2026行业基准测试，强调在AI时代，开放、可复现的CPU性能评估标准对客户进行基础设施决策至关重要。该新基准更新了应用套件，并加强了对裸金属云环境和并行计算的支持。
AMD与OpenAI将MRC网络协议贡献给OCP，推进AI网络规模化
AMD与OpenAI、微软等合作，将专为大规模AI训练设计的网络协议MRC（多路径可靠连接）贡献给开放计算项目OCP。AMD不仅是协议规范的共同制定者，其可编程的Pensando DPU/NIC产品已率先实现MRC的部署与验证，旨在将网络从性能瓶颈转变为弹性、可适应的AI基础设施层。
AMD联合OpenAI发布下一代AI训练网络传输协议MRC
AMD联合OpenAI、微软等行业领导者发布Multipath Reliable Connection（MRC）协议规范，旨在解决RoCEv2在超大规模AI训练集群中的性能瓶颈。该协议通过智能包喷洒、选择性重传和网络信号拥塞控制等机制，提升网络带宽利用率和训练任务弹性。
NVIDIA极端协同设计：用Vera Rubin平台锁定代理AI推理的TCO拐点
NVIDIA发布针对代理系统（Agentic Systems）的极端协同设计架构，包括Vera Rubin NVL72、NVLink 6、ConnectX-9、BlueField-4及Spectrum-X。通过推理解耦、KV缓存管理和低延迟网络，试图解决代理工作负载的高token消耗、长上下文和低延迟矛盾，降低每token成本。
AMD联合戴尔展示企业AI异构计算战略
AMD在戴尔技术世界大会上强调其异构计算产品组合，旨在为不同企业AI负载匹配合适的算力，并突出硬件安全与可管理性。此举标志着AI基础设施正从通用方案转向针对具体场景的精细化部署。
谷歌发布企业级AI代理平台与第八代TPU，押注“代理时代”
谷歌在Cloud Next '26上推出Gemini企业级代理平台，用于构建和管理自主AI代理工作流，并发布专为代理AI设计的第八代TPU芯片。同时，谷歌还发布了Gemma 4开源模型和Deep Research Max等高级分析工具。
思科发布液冷网络交换机，将液冷架构扩展至AI基础设施核心
思科正式发布采用直接芯片液冷设计的N9000与8000系统，将液冷技术从GPU服务器扩展至网络交换机。该产品将带宽密度提升一倍，能耗降低近70%，旨在解决AI集群高功率密度带来的散热挑战。此举标志着数据中心冷却架构正从部件级优化转向系统性重构。
AMD提出AI基础设施网络架构新范式：从无损网络转向智能端点
AMD发布博客，提出构建大规模AI基础设施的七个关键问题，核心观点是传统无损以太网或InfiniBand架构存在成本与复杂性瓶颈。其主张将网络智能和可靠性功能从昂贵的专用交换机转移到智能网卡（NIC）上，在标准（可能有损）以太网上实现可靠传输，以降低总拥有成本并简化运营。
思科发布量子安全架构，将防御纵深扩展至硬件信任根
思科发布了其量子安全战略的架构细节，提出“安全通信”与“安全产品”两大支柱。其核心在于将后量子密码技术从网络协议层延伸至设备硬件信任链，通过集成信任锚模块和量子安全启动流程，旨在保护平台完整性，而不仅仅是数据在途安全。
AMD与Liquid AI探讨从芯片到系统的高效AI架构
AMD CTO与Liquid AI CEO探讨AI架构演进，强调效率是AI从云端向边缘和终端设备扩展的关键。双方认为，通过从芯片到系统的协同设计，可实现低功耗、高响应性的AI推理，支持持续运行的智能体与多模型协同。
AMD将边缘AI架构扩展至太空，定义轨道计算新范式
AMD CTO提出将地面边缘AI的“性能功耗比”与“任务关键可靠性”核心原则，应用于太空计算场景。公司正通过异构计算、开放软件栈和模块化系统设计，为从卫星在轨智能到未来轨道数据中心提供可重复构建的平台基础。
AMD发布IDC白皮书，强调AI PC是企业部署Agentic AI的关键基础设施
AMD发布IDC白皮书，指出超过80%的企业正在规划、试点或部署AI PC，以支持Agentic AI的规模化应用。报告强调，高性能NPU和端侧AI处理对于实现实时、安全的工作流至关重要，标志着企业AI基础设施正从云端向端侧扩展。