NVIDIA 发布 NVLink Fusion，为下一代 AI 基础设施带来 NVHBM。原文指出，AI 工厂需支撑越来越大的模型和更复杂的推理负载，超大规模厂商与 AI 原生公司正在开发自研 AI 加速器 XPU，而规模化部署这些加速器需要高带宽内存（HBM）以及足够的封装和硅面积来支撑更多算力。
推荐理由：NVIDIA 官方介绍 NVLink Fusion 如何把 NVHBM 引入下一代 AI 基础设施，可了解其面向 XPU 的互连与内存思路。
NVIDIA Dynamo 新增预览功能 Shadow Engine Recovery，可在 LLM 引擎进程故障后数秒内恢复推理容量，替代需从存储加载权重到 HBM、编译 kernel 并捕获 CUDA graphs 的冷重启流程。大模型冷启动初始化通常耗时数分钟，期间存活 worker 需承接转移流量。
Mistral 与 HUMAIN 宣布战略合作，覆盖 AI 基础设施、先进模型开发和 AI 解决方案部署，初期聚焦网络安全与语音，并计划开发阿拉伯语表现强劲的前沿模型，合作规模达数亿欧元。Mistral 将探索使用 HUMAIN 数据中心基础设施，双方还计划在沙特面向受监管行业制定联合市场策略。
生成式 AI 推动分布式模型训练扩展至数十万块 GPU，节点间的 scale-out 网络成为首要性能瓶颈。NVIDIA 指出，传统商用 Ethernet 虽长期主导企业与云网络，但已难以支撑这一规模。Spectrum-X Ethernet 被定位为针对 Giga-Scale AI 的网络方案。
NVIDIA 称 Vera Rubin 与 Blackwell 为智能体 AI 的每瓦性能树立新标准。OpenRouter《State of AI》报告基于 100 万亿 token 的真实使用数据发现，平均每请求提示词 token 量增长约四倍，反映 AI 智能体推理已从单轮交互扩展为多步工作流。
NVIDIA 介绍 Groq 3 LPX，这是面向 NVIDIA Vera Rubin 平台的交互式 AI 推理加速器。平台核心是 NVIDIA Vera Rubin NVL72，覆盖从小模型到大模型、开源与闭源在内的广泛 AI 工作负载，兼顾高吞吐与交互性；Groq 3 LPX 与 Vera Rubin NVL72 搭配可扩展该平台的能力。
推荐理由：原文说明 Groq 3 LPX 与 Vera Rubin NVL72 的搭配方式，读者可了解长上下文交互推理的硬件组合思路。
NVIDIA BlueField-4 面向智能体 AI 工厂提供新型 Scale-In 网络基础设施，用于支撑每服务器多太比特带宽下的线速网络、存储与安全处理。传统云基础设施面向可预测的通用工作负载和标准接口设计，而智能体 AI 工厂需连接多样用户、智能体、应用、数据源与存储系统至大规模加速计算，因此专用 DPU 处理成为必需。
NVIDIA 发布 DSX MaxLPS，用于提升 AI 工厂的每瓦性能。AI 工厂是受功耗约束的工业系统，对 AI 推理负载而言，应用层每瓦性能已成为衡量 AI 工厂效率的关键指标，因为配电、冷却等环节会消耗部分功耗，并非每兆瓦都能转化为产生收入的算力。
NVIDIA 指出，智能体 AI 负载高度不可预测且波动大，与传统计算稳定的运行时特征不同。在 AI 工厂中，GPU 负责运行模型，CPU 则承担编排、工具执行与沙箱计算，集群经济性取决于整栈将电力与资本转化为已完成智能体任务的效率。
NVIDIA 介绍 GPU 加速矩阵分解算法 AdaptGrow，可将滚动相关性与尾部依赖矩阵转化为硬聚类、软因子载荷和结构突变信号，支持单 GPU 与多节点规模。该方法面向量化策略中的投资组合构建、风险聚合、统计套利和交易监控等场景，错误的工具分组会带来风险。
三星电子宣布投资约 2400 亿韩元（1.58 亿美元），在韩国光州建设 21500 平方米的 FläktGroup HVAC 生产线，计划 2028 年完工投产，生产面向 AI 数据中心的高级冷却解决方案等产品。该产线将成为 FläktGroup 全球第 15 个制造基地，配合其印度 Pune 新工厂，助力三星全面拓展韩国 HVAC 市场。
Hugging Face 博客介绍其自研的约束感知 GPU 分配器，在相同硬件与负载下对比 FIFO 调度器，七个基准场景中 GPU 利用率最高提升 33 个百分点，优先级加权产出最高提升 105%。
Hugging Face 博客指出，AI 的下一个真正约束不是智能而是利用率：GPU 按日历小时计费，产出却只按计算小时累积，闲置即持续亏损。企业自购 GPU 本地部署可把按 token 线性增长的 API 成本换成固定资本支出，但集群上线后的问题变成如何让 GPU 保持忙碌。
加州大学圣地亚哥分校在 Google 支持下，将用 2000 台退役 Pixel 手机的主板搭建数据中心，为数百名研究人员和学生提供低成本、低碳的云计算。手机主板约占整机隐含碳的 50%，SPEC 基准显示 25-50 台手机算力相当于一台现代服务器，20 台手机集群已能支撑 75 人以上课程的评分负载且延迟低于 AWS 默认后端。该系统预计 2026 年秋季上线。
Mistral 在 AI Now Summit 2026 上发布面向工业工程的 AI 栈，与 Airbus、BMW、ASML 合作优化设计、仿真与生产，并强调对专有数据和 IP 的完全控制。
推荐理由：Mistral 一次性公布工业 AI 栈、Vibe 智能体与自建数据中心，可据此判断其企业级全栈布局。
Mistral 宣布将 Emmi AI 并入公司，推出面向工业工程的物理 AI 能力，作为其企业平台的一部分。该能力从几何与边界条件直接预测物理场，单次前向推理在单张 GPU 上以秒级完成，用于加速产品设计、工装工艺设计和实时数字孪生，合作方包括 ASML、Airbus、Safran 和 Siemens Energy。
推荐理由：Mistral 把物理仿真模型并入企业平台，读者可了解其能力边界与工业落地场景。
Google DeepMind 发布 AlphaEvolve 一年成果汇总，这款由 Gemini 驱动的编码智能体已从试点进入 Google 基础设施核心环节，用于优化下一代 TPU 设计、缓存替换策略与 Spanner 存储。
推荐理由：DeepMind 汇总 AlphaEvolve 一年落地案例，涵盖基因组、电网、量子与 TPU 设计，可了解编码智能体在科研与基础设施中的实际作用。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将训练拆分为异步通信的计算孤岛，降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并重新接入，用 Gemma 4 模型达到与传统训练相当的基准性能。
推荐理由：原文给出跨数据中心异步训练在带宽、容错与混合硬件上的实测结果，可据此判断分布式预训练的工程取舍。
Mistral AI 发布 Mistral Compute，提供从裸金属服务器到全托管 PaaS 的私有集成栈，涵盖 GPU、编排、API 与产品服务。该服务将提供 NVIDIA 参考架构，可用 GPU 达数万块，并计划在未来数年快速扩张。Mistral 称其面向希望摆脱美国或中国云厂商依赖的欧洲、中东、亚洲及南半球国家与企业，强调数据主权与脱碳能源。
推荐理由：Mistral 从模型厂商延伸到自有 AI 基础设施，读者可据此判断欧洲主权算力供给的另一种路径。