情报
AI 生成的结构化厂商动态简报
AMD实验性Topological Ghost Protocol使MI300X推理吞吐量飙升10倍
AMD在MI300X GPU上实验性推出Topological Ghost Protocol（TGP），通过KV-cache回收与分段状态管理，在高并发推理中实现431 tokens/秒吞吐量，较标准vLLM的42.7 tokens/秒提升10倍，成功率100%。该技术仍处实验阶段，但可能重新定义AI推理性能基准。
华为推AI原生网络架构：从字节计费转向Token货币化，UCM缓存突破长上下文瓶颈
华为在MWC上海2026发布AI原生网络架构，集成服务-网络-计算，实现从流量中心到智能中心的转变。核心是Unified Cache Manager（UCM）将KV缓存扩展至PB级外存，在GLM-5.1模型128K序列长度下实现372% token吞吐量提升。同时推出token货币化框架，允许运营商按AI推理容量计费，并引入agentic运营模式。
华为联合湖北移动验证AI推理加速：外置存储KV Cache提升吞吐372%
华为与湖北移动完成全国首个运营商AI推理加速方案现网测试，基于OceanStor A800存储与昇腾A3超节点，通过UCM技术将KV Cache外置至PB级存储，实现长序列推理TPS最高提升372%。该方案针对GLM-5.1和MiniMax M2.5模型在8K-190K序列场景验证。
AMD MLPerf 6.0：MI350系列用MXFP4实现3.5倍代际提升，多节点训练首秀
AMD在MLPerf Training 6.0中提交了最全面的结果，包括首次多节点训练（FLUX.1在512 GPU上）和MXFP4训练配方。MI355X相比MI300X在Llama 2-70B上实现3.5倍性能提升，且与NVIDIA B200的差距缩小至5%以内。10家生态伙伴验证了可复现性。
AMD收购MEXT：用AI预测让Flash逼近DRAM，降低AI内存TCO
AMD宣布收购AI内存优化初创公司MEXT，其核心技术利用AI预测模型使NAND Flash在延迟和吞吐量上逼近DRAM，旨在扩展AI服务器的有效内存容量，降低总拥有成本（TCO）。该技术将被整合进AMD数据中心全线产品，包括EPYC CPU和Instinct GPU，以应对大模型对内存的饥渴。
AMD通过Vultr开源AI软件组件，向NVIDIA CUDA生态发起生态重构挑战
AMD通过Vultr Marketplace发布开源、模块化的企业AI软件组件，包括AMD Inference Microservices (AIMs)、AI Workbench、Resource Manager和Solution Blueprints。该组合旨在提供生产级AI基础设施，避免单一厂商锁定，直接挑战NVIDIA的CUDA生态。
NVIDIA携ASUS推桌面级DGX Station：GB300芯片下放，控制点从云转向本地硬件生态
ASUS发布ExpertCenter Pro ET900N G3，基于NVIDIA DGX Station GB300架构，搭载GB300 Grace Blackwell Ultra芯片，提供748GB统一内存和20 PFLOPS AI性能。该桌面级AI超算支持本地LLM微调、推理及AI agent工作负载，通过NVLink-C2C实现高速互连，并集成NVIDIA AI软件栈与NemoClaw框架。
NVIDIA GB300 NVL72在Agentic AI基准测试中实现20倍能效跃升，定义新推理标准
NVIDIA在第三方AA-AgentPerf基准测试中，凭借GB300 NVL72的72 GPU NVLink域、MXFP4/MXFP8内核及MoE优化，实现每兆瓦并发agent数达H200的20倍。该基准首次标准化agentic推理性能度量，直接冲击数据中心容量规划。
NVIDIA联手Google DeepMind推出并行文本生成模型，吞吐量突破1000 tokens/sec
NVIDIA宣布与Google DeepMind合作优化DiffusionGemma，该模型基于扩散去噪实现每步并行生成256个token，在单个H100上达到1000 tokens/sec，并通过NIM和NeMo提供即用部署，显著降低推理成本和延迟。
NVIDIA借DiffusionGemma并行生成，将本地AI推理控制权锁定于自家GPU
NVIDIA优化Google DeepMind的DiffusionGemma开源模型，该模型通过并行生成256 tokens（非逐token）实现4倍加速。在H100上达1000 tokens/sec，DGX Spark上150 tokens/sec，完全本地运行，无云成本。此举强化了NVIDIA GPU在计算密集型本地AI推理中的核心地位。
NVIDIA Nemotron 3 Ultra：以MoE与MOPD重构AI Agent控制平面，锁定企业推理成本
NVIDIA发布**Nemotron 3 Ultra**，一个550B参数MoE模型（55B活跃），专为AI Agent编排而设计。通过**多教师在线策略蒸馏（MOPD）** 与**Hybrid Mamba-Transformer**架构，其在**SWE-bench**等任务中实现5倍吞吐量提升与30%成本节省，标志着推理控制权从单一模型向分层Agent系统的转移。
NVIDIA DGX Spark更新：一键部署本地AI代理，多节点集群扩展至400B模型
NVIDIA在Computex 2026发布DGX Spark软件更新，包括NemoClaw一键安装本地AI代理、Qwen3.6-35B模型在vLLM上实现2.6倍性能提升、以及Sync集群助手支持2-4节点通过ConnectX-7 200Gbps RoCE高速互联，使本地运行大规模自主代理和多节点分布式推理成为可能。
NVIDIA Cosmos 3开源统一物理AI模型，以MoT架构合围GPU生态
NVIDIA发布Cosmos 3，基于Mixture-of-Transformers双塔架构统一物理推理、世界生成与动作生成。开源模型权重、训练脚本和六个合成数据集，但部署优化深度绑定NVIDIA NIM微服务与GPU，意图将物理AI开发生态锁定在其硬件和软件栈上。
NVIDIA RTX Spark：以SoC形态夺取PC控制权，AI算力革命或锁定生态
NVIDIA发布RTX Spark SoC，集成Blackwell GPU与20核Grace CPU（MediaTek设计），通过NVLink-C2C实现600GB/s互联，最高128GB统一内存，1 petaflop FP4 AI算力，支持本地运行1200亿参数大模型。此举从GPU供应商跃升为整机方案商，直接挑战Apple M系列、Qualcomm及x86阵营。
BadHost漏洞暴露Starlette认证绕过，全球AI Agent基础设施面临HTTP走私风险
BadHost漏洞(CVE-2026-48710)利用Starlette ASGI框架中request.url.path与scope[path]的不一致，通过Host头注入实现认证绕过。该漏洞影响FastAPI、vLLM、MCP Server等40万+仓库，使SSE/HTTP传输模式的AI Agent服务器直接暴露，可导致数据泄露乃至RCE。
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。
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。
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。
英伟达内部规模化部署GPT-5.5驱动AI代理，定义企业AI基础设施新范式
英伟达宣布其超过1万名员工已通过Codex应用，在基于GB200 NVL72的NVIDIA基础设施上规模化使用GPT-5.5。此举不仅展示了前沿模型推理在企业内部工作流中实现‘变革性’生产力的技术可行性，更通过专用的安全云VM架构，为企业部署AI代理提供了可审计、隔离的参考范式。
Google Cloud Next '26：Agent Gateway夺取控制面，TPU 8i锁定推理生态
Google Cloud Next '26 发布第八代TPU（8t训练/8i推理）、Agent Platform（含Agent Gateway、Agent Identity、Agent-to-Agent Orchestration）、Agentic Data Cloud及与Wiz整合的Agentic Defense。核心是将控制点从基础设施转向Agent编排层，以垂直整合堆栈锁定企业AI部署。