GTC Berlin 2026 现场更新：NVIDIA 公布 AI 工厂、智能体与机器人新方案
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中公布 DSX POD、智能体安全参考架构和 Agent Knowledge Foundation，覆盖 AI 工厂部署、安全运行与企业数据接入。
#端侧
NVIDIA BlogAI 评分5555 AWS Machine Learning BlogAI 评分4343 使用 Strands Agents 构建自适应 AI 智能体框架 AAIF
AWS 讲解基于 Strands Agents 的 AAIF 框架，以物联网监控为例，展示如何将常规任务留在本地、复杂请求交给云端模型。框架使用 llama3.2:1b 编排请求，通过 Ollama 运行本地模型，并调用 Amazon Bedrock 处理复杂分析，支持边缘、云端及混合部署。
NVIDIA Blog精选AI 评分6666 NVIDIA 在 GTC Berlin 更新本地 AI 产品线，扩展 DGX 集群与智能体支持
NVIDIA 在 GTC Berlin 展示 RTX Spark、DGX Spark 和 DGX Station 本地 AI 产品线，并公布集群、模型运行及企业管理更新。
推荐理由：八台集群支持、模型启动器与共享推理入口将本地硬件连接到团队工作流，为比较个人设备与团队部署提供了具体依据。
Hugging Face BlogAI 评分5252 AnyLanguageModel 1.0 发布，以统一 Swift API 连接本地与托管模型
Hugging Face 发布 AnyLanguageModel 1.0，并同步发布 swift-huggingface 1.0 和 swift-xet 1.0，让 Swift 应用通过兼容 Foundation Models 的 API 选择本地或托管模型。
Apple Machine Learning精选AI 评分6161 如何用 MLX 与 RDMA 在 Mac Studio 上运行本地及分布式大语言模型推理
Apple 演示使用 MLX 与 Thunderbolt RDMA 在 Mac Studio 上运行本地及分布式推理，四台 M5 Ultra 以张量并行运行 Muse Spark Open，在 8,192 tokens 上下文下达到 36.73 tokens/s。
推荐理由：通过同一组模型的单机与多机测试，对比流水线并行和张量并行在首 token 延迟、生成速度及通信开销上的差异。
Google DeepMindAI 评分4747 Google DeepMind 与新加坡政府合作，微调 AI 模型用于诈骗检测
Google DeepMind 与新加坡政府科技局合作，基于 Gemma 微调出保护隐私的端侧诈骗检测模型。模型先以轻量分类器筛查消息，再分析对话上下文，识别操纵性话术并实时警告。模型将分阶段集成至应用，仅经用户同意访问设备端对话，Google 和新加坡政府均无法通过该部署获取对话内容。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 EmbeddingGemma 2，支持端侧多模态嵌入
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，支持端侧离线检索与 RAG。模型基于 Gemma 4 架构，拥有 740 million 参数，采用 Apache 2.0 许可，支持 8K token 上下文，并可按需加载视觉和音频编码器、将输出向量从 768 维截断至 128 维。
推荐理由：模块化编码器与可截断向量提供了端侧多模态检索的资源取舍依据，开发者可按输入类型和存储预算选择部署配置。