情报
AI 生成的结构化厂商动态简报
微软构建端到端智能体栈，从芯片到云重构AI应用生态
微软在Build大会上发布了一系列围绕“智能体时代”的基础设施与平台更新，核心在于构建一个从芯片参考设计（Project Solara）、操作系统安全层（MXC/OpenClaw）、数据智能基础（Microsoft IQ）、专用数据库（Azure HorizonDB）到开发与部署平台（Foundry, Copilot app）的完整、集成化智能体技术栈。此举旨在将智能体应用的全生命周期管理收拢至微软生态内部。
思科发布端到端AI网络战略，整合eBPF与VXLAN ESG应对推理时代
思科发布端到端AI网络战略，通过将Isovalent的eBPF技术整合至Nexus One，实现Kubernetes容器与物理网络的无缝可视性与策略同步。同时，思科推出基于VXLAN端点安全组(ESG)的AI作业细粒度隔离，并扩展其AI Canvas和Live Protect能力，以应对规模化AI推理与前沿AI模型带来的安全挑战。
谷歌发布GCS MCP服务器，将非结构化数据无缝接入AI代理工作流
谷歌推出Google Cloud Storage (GCS) MCP服务器，支持远程托管和本地开源两种模式。该服务器基于Model Context Protocol (MCP)标准，旨在将存储在GCS中的非结构化数据（如文档、日志）直接转化为AI代理可用的上下文，并内置IAM、审计日志和Model Armor等企业级安全控制。
英特尔发布Xeon 6+处理器并推动面向智能体AI的机架级基础设施
英特尔在Computex上发布基于18A工艺的Xeon 6+处理器，强调其高能效核心密度。同时，公司联合富士康、SambaNova等合作伙伴，推动为智能体（Agentic）AI推理工作负载优化的新型机架级（Rack-Scale）基础设施，并宣布与Perplexity合作实现混合AI计算。
AMD Silo AI 与 Delphyr AI 深度协作，共筑临床医疗 AI 垂直解决方案
AMD Silo AI 与医疗 AI 公司 Delphyr AI 宣布深度合作，旨在将 Delphyr 的 AI 助手平台规模化部署于临床环境。合作核心是双方工程师共同优化基于 AMD Instinct 加速器和 ROCm 软件栈的高性能 embedding pipeline，确保 AI 能力能无缝集成到现有电子健康记录系统和工作流中，满足医疗行业对速度、隐私和可靠性的严苛要求。
英特尔联合生态伙伴推出机架级AI基础设施，瞄准推理与智能体工作负载
英特尔在Computex宣布推出基于Xeon 6+处理器与SambaNova RDUs的机架级AI基础设施，并与富士康、Vector Core Compute等合作，提供面向推理和智能体工作负载的优化系统及解耦推理云服务。此举标志着英特尔从芯片供应商向AI系统解决方案提供商的战略延伸。
Google Cloud 集成 GKE 多集群推理网关与托管 DRANET，定义 AI 服务网格新范式
Google Cloud 通过博客和代码实验室展示了一项实验：将 TPU v6e、GKE 托管 DRANET（动态资源分配网络）、多集群 GKE Inference Gateway 与 Cloud Storage FUSE 集成，构建跨区域、高可用的 AI 推理服务。该架构利用 Fleet 统一管理集群，并通过声明式策略实现基于硬件指标（如 KV cache 使用率）的智能流量路由与故障转移。
NVIDIA联合金融巨头推动交易基础模型，重构AI架构范式
NVIDIA联合Revolut、Mastercard、Stripe等金融机构，基于其全栈AI平台（Hopper GPU, Nemotron, NeMo）推出“构建您自己的交易基础模型”开发者示例。该模型旨在通过单一Transformer架构统一处理海量交易数据，替代传统针对单一业务（如欺诈、信用评分）的孤立模型，并已通过AWS、Nebius等云平台及多家服务商进行生态化部署。
Arm与NVIDIA推出RTX Spark，定义智能体AI PC硬件新标准
Arm联合NVIDIA发布基于Arm Grace CPU与Blackwell RTX GPU的RTX Spark平台，旨在为Windows on Arm生态提供高性能本地AI推理能力。该平台采用统一内存架构，目标直指支持下一代自主AI工作流（如agentic RAG），标志着PC从以应用为中心向以智能体为中心的根本性转变。
NVIDIA通过JetPack 7.2与NemoClaw将Agentic AI控制力延伸至物理边缘
NVIDIA发布JetPack 7.2边缘AI软件栈并集成NemoClaw框架，构建了从底层Yocto OS、中间层Agent Skills到上层Agentic AI框架的三层栈。此举旨在将数据中心成熟的AI代理开发范式与编排能力系统性地下沉至Jetson边缘平台，加速物理AI代理在机器人、工业自动化等领域的规模化生产部署。
AWS通过Bedrock集成OpenAI GPT-5.5与Codex，重塑AI模型分发控制点
AWS宣布在Amazon Bedrock平台上全面开放OpenAI的GPT-5.5、GPT-5.4模型及Codex编码代理的访问。企业可通过Bedrock的下一代推理引擎与统一的Responses API调用这些前沿模型，同时满足数据驻留要求并按Token付费。此举将OpenAI的模型能力深度嵌入AWS的AI基础设施层。
AMD联合教育组织发起全国性青少年AI与工程挑战赛
AMD与Hack Club、NASA及GitHub Education合作，启动“Stardance”全国性暑期工程挑战赛。该项目面向13-18岁青少年，鼓励他们利用公开数据集和开发工具，构建从AI应用到游戏、硬件原型在内的实际项目，并计划在AMD Advancing AI大会期间举办线下黑客松。
Google客户案例揭示：企业从LLM API消费转向自有微调开源模型
Trustpilot与Google合作，通过微调Gemma开源模型，在Dataflow和Gemini Enterprise Agent Platform上构建高吞吐量实时数据处理流水线，替代传统ML方案并实现成本可控。此举标志着企业AI策略从依赖闭源API向拥有模型所有权和优化基础设施的范式转变。
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。
英特尔推出统一硬件-软件堆栈，瞄准物理AI机器人规模化部署
英特尔宣布其Series 3处理器已获得130多个边缘AI与机器人设计项目，并推出开源框架OpenVINO Physical AI。该组合旨在解决机器人从实验模型到规模化生产部署的碎片化挑战，通过统一的硬件-软件堆栈降低总拥有成本。
NVIDIA 发布 DynoSim 仿真框架，将 AI 服务栈优化从硬件试错转向模拟优先
NVIDIA 推出 DynoSim，这是一个基于 Rust 的、全栈离散事件仿真框架，用于对 NVIDIA Dynamo AI 服务栈进行原子级模拟。它通过虚拟时钟和组件化事件队列，将配置搜索和算法研究从昂贵的 GPU 硬件实验转变为快速模拟验证循环，旨在高效探索服务部署的帕累托前沿。