NVIDIA 发布 Minerva，为 AI 工厂提供端到端可观测性
NVIDIA 发布 AIOps 平台 Minerva，汇总 GPU、网络、存储、调度器与工作负载的遥测数据，用监督与无监督机器学习每小时分析数十亿数据点，定位异常与潜在故障。
推荐理由：原文交代了 Minerva 如何把基础设施与负载遥测汇总成动态知识图谱，并列出计划部署的合作伙伴。
#部署/工程
NVIDIA Blog精选AI 评分6060 NVIDIA Blog精选AI 评分6767 NVIDIA Cosmos 扩展平台，新增世界模型训练、评估与部署工具
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图，用于世界模型的训练、评估与部署。
推荐理由：原文列出 Cosmos 平台新增的训练、仿真与部署工具，并给出保时捷、ANYbotics 等落地案例，可据此判断世界模型开发链路的变化。
NVIDIA Blog精选AI 评分6060 NVIDIA 欧洲云伙伴扩展区域算力并推出 OpenShell 智能体安全架构
NVIDIA 宣布其欧洲、北欧、非洲和中亚的云合作伙伴扩大区域算力，用于模型训练与推理，并支持智能体和物理 AI 应用。Nscale 在 GB300 NVL72 测试中借助 DSX MaxLPS 在相同电力预算内多部署 37% 的 GPU、聚合推理吞吐提升近 50%，并计划部署 Vera Rubin。
推荐理由：原文列出欧洲多家 AI 云伙伴的算力扩张与 OpenShell 智能体边界方案，可了解区域算力与安全部署的落地路径。
NVIDIA Blog精选AI 评分6262 NVIDIA 在 GTC Berlin 展示 RTX Spark、DGX Spark 与 DGX Station 本地 AI 产品线
NVIDIA 在 GTC Berlin 展示本地 AI 硬件全线产品，RTX Spark 面向 Windows PC 上的个人智能体，DGX Spark 面向 Linux 开发者，DGX Station 面向企业前沿负载，Windows 版本将于 12 月推出。
推荐理由：原文集中列出本地 AI 硬件的软件与模型支持变化，可据此判断桌面端智能体的部署门槛。
NVIDIA Blog精选AI 评分6767 NVIDIA GTC Berlin 2026：黄仁勋发布 DSX POD、OpenShell 与 Nemotron 等多项产品
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中宣布多项产品，包括以模块化容器交付的 DSX POD 参考设计，使现场部署时间从六个月缩短至 14 天。
推荐理由：黄仁勋在 GTC Berlin 集中发布 AI 工厂、智能体安全运行时与开源模型等多项产品，可据此了解 NVIDIA 面向欧洲 AI 经济的整体布局。
NVIDIA Blog精选AI 评分6262 NVIDIA 发布 RTX Spark，面向创作者、玩家与 AI 智能体的 Windows PC
NVIDIA 发布 RTX Spark，定位为一款面向创作者、玩家和 AI 智能体的 Windows PC，并将在全球多地举办发布活动。官方引用 Tom's Hardware、TrustedReviews、Tom's Guide 等媒体评测，称其在本地 AI、游戏和创作工作流上表现良好，Artificial Analysis 也提供了独立测试的早期结果。
推荐理由：NVIDIA 官方公布 RTX Spark 的发布活动与媒体评测反馈，可了解这款面向本地 AI 的 Windows PC 的定位。
Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明 zkVM
微软研究院发布零知识虚拟机 Magnetar，可证明 Rust、Go、C 编写的程序执行，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约 12 毫秒。
推荐理由：微软研究院公开 Magnetar zkVM 的设计与基准数据，读者可了解零知识证明在通用程序上的性能与密码学取舍。
NVIDIA Blog精选AI 评分7878 NVIDIA 为 RTX Spark 笔记本准备本地 AI 生态更新
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，并同步推出面向本地 AI 智能体的软件、模型与开发者工具更新。
推荐理由：原文列出 RTX Spark 上市前生态侧的具体更新，可据此判断本地智能体在 PC 上的可用程度。
Microsoft Research精选AI 评分6262 微软开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：Agent Lightning v1.0 给出约 3500 行的轻量实现与完整训练配方，可据此评估真实 harness 参与 RL 的落地成本。
已经到底了