微软 Build 2026 上，微软与英伟达围绕端侧设备、云端平台、本地部署、安全运行时、数据加速和 AI 基础设施展示多项合作，反映出 AI 智能体正在从单点能力走向跨设备、跨云和本地环境的系统化部署。
今日技术观察 IT之家 6 月 3 日消息，在今日开幕的 Build 2026 开发者大会上，身处台北的英伟达 CEO 黄仁勋以线上连线的形式出席，并参与了微软 CEO 萨提亚 · 纳德拉的主题演讲。双方围绕 RTX Spark、DGX Station for Windows、Foundry 平台上的 NVIDIA 开放模型、GitHub Copilot 中的 OpenShell 安全运行时以及下一代 AI 工厂等多项合作展开讨论。微软、英伟达还宣布 01 背景速览 背景速览：在 Build 2026 开发者大会上，微软与英伟达展示了围绕 AI 智能体的一系列合作进展，覆盖 Windows 设备、Azure 云、本地部署、开发工具、安全运行时和下一代 AI 基础设施。相关内容包括面向个人智能体的 RTX Spark Windows PC 平台、桌面级 AI 超级计算机 DGX Station for Windows、登陆微软 Foundry 的 NVIDIA 开放模型，以及集成到 GitHub Copilot 的 OpenShell 安全运行时等。微软位于威斯康星州费尔沃特的 AI 工厂也已提前上线，并与另一座 AI 工厂互联，形成更大规模的分布式 AI 基础设施布局。 02 趋势影响 趋势影响：这次合作释放出的信号是，AI 智能体的部署正在从单一云端调用，转向端侧、边缘、本地数据中心和公有云协同运行。Windows 设备端强调本地算力和统一内存，Azure 与 Foundry 侧强调模型托管、工具链和推理能力，本地部署则面向混合云、主权环境和企业私有化需求。对于开发者而言，未来构建智能体可能不再只是选择一个模型接口，而是需要综合考虑运行位置、数据流向、工具调用、安全策略和成本结构。 03 企业应用启发 企业应用启发：对企业数字化团队来说，这类全栈方案值得关注的不是单项硬件性能，而是其可能带来的开发与部署模式变化。例如，研发团队可以在本地高性能工作站上进行模型实验和智能体原型开发，再迁移到云端进行扩展；数据密集型场景可关注加速计算与数据仓库结合后的查询效率；制造、机器人、自动驾驶或工业仿真相关团队，则可留意物理 AI 工具链与 Azure 环境的整合方向。对于有本地合规要求的企业，Foundry Local 与 Azure Local 结合 NVIDIA 平台的方案，也提供了混合部署的参考路径。 04 合规观察 合规风险提醒：智能体具备调用文件、网络、凭证和外部工具的能力，因此安全边界比传统应用更复杂。OpenShell 被集成到 GitHub Copilot，并强调沙箱、策略评估和策略代码化管理，这说明智能体安全治理正在成为开发流程的一部分。企业在引入类似能力时，应重点审查数据出境、模型访问权限、日志留存、凭证管理、第三方模型使用条款、开源组件许可证以及…