共计 1376 个字符，预计需要花费 4 分钟才能阅读完成。
AI 智能体的部署路径正在被重新打通。 在 Build 2026 开发者大会上, 微软与英伟达集中展示了从 Windows 设备、Azure 云服务到本地 AI 基础设施的一整套加速计算方案, 目标是让开发者更方便地构建、运行和扩展智能体应用。
📌 从 AI PC 到桌面超算, 端侧能力被推到前台
此次合作中,Windows 设备端是一个重要看点。英伟达提出的 RTX Spark 被定位为面向个人智能体的 Windows PC 平台, 官方信息显示其可提供 1 petaflop AI 算力、最高 128GB 统一内存, 并强调离电状态下的 AI 与图形性能表现。
搭载 RTX Spark 的笔记本和小型台式机计划于今年秋季由 Surface、华硕、戴尔、惠普、联想、微星等厂商推出。与传统 AI PC 更多强调 NPU 不同,RTX Spark 更像是在 Windows 终端中引入一套面向本地智能体的完整英伟达软件与硬件能力。
另一款产品 DGX Station for Windows 则面向更高负载场景。该系统搭载 GB300 Grace Blackwell Ultra 桌面超级芯片, 最高配备 748GB 统一内存,FP4 性能可达 20 petaflops, 并宣称可在本地运行最高 1 万亿参数模型, 预计第四季度由多家硬件厂商推出。
🔍 Foundry 接入英伟达开放模型, 智能体开发工具链补齐
模型与平台层面,NVIDIA 开放模型组合进入微软 Foundry。Nemotron 3 Ultra 将面向编码、科研和企业流程中的长时运行智能体, 本月可在 Foundry 托管计算上使用; 同时上线的还包括语音识别模型 Nemotron 3.5 ASR 和内容安全模型。
- NVIDIA Agent Toolkit 与 NemoClaw 蓝图用于构建生产级智能体;
- CUDA-X 相关库被包装为智能体可调用的领域技能;
- 微软 Fabric Data Warehouse 已内置 NVIDIA 加速计算, 用于提升数据查询与 AI 推理衔接效率。
💡 OpenShell 进入 GitHub Copilot, 安全成为智能体落地前提
OpenShell 采用 Apache 2.0 开源协议, 并强调与模型无关, 可覆盖本地、混合和云环境。对于企业开发团队来说, 策略可代码化、可版本管理, 可能会降低智能体接入现有研发体系时的治理成本。
📊 AI 工厂提前上线,Azure 基础设施继续加码
基础设施方面, 微软位于威斯康星州费尔沃特的 AI 工厂已经提前上线, 运行大量 NVIDIA Grace Blackwell 系统, 并与佐治亚州另一座同类 AI 工厂互联, 形成可扩展的分布式 AI 系统。黄仁勋在活动中也提到, 微软部署了最多的 Blackwell 芯片。
🚀 行业观察: 智能体竞争进入“全栈交付”阶段
这次微软与英伟达的合作, 并不只是单点硬件或模型更新 , 而是把端侧设备、开发平台、数据层、安全运行时和 AI 工厂串联起来。其背后判断是:AI 智能体要真正进入生产环境, 不能只依赖更强模型, 还需要稳定算力、可控权限、数据吞吐和跨场景部署能力共同支撑。
短期看, 开发者和企业客户将获得更多可选部署路径: 个人设备可运行轻量或中等规模智能体, 本地工作站承接高参数模型 ,Azure 则提供云端扩展能力。长期看, 微软与英伟达的深度绑定也会进一步强化 Windows、GitHub、Foundry 与 Azure 在 AI 应用开发链条中的入口价值。
