NVIDIA 与 Microsoft 推出跨设备到云端的 Agentic AI 部署栈

NVIDIA 与 Microsoft 打通 Agentic AI 部署栈：从 Windows 设备到 Azure 云端

NVIDIA 在 2026 年 6 月 2 日发布文章，介绍其与 Microsoft 在 Microsoft Build 上展示的 agentic AI 统一部署栈。按照 NVIDIA 的说明，双方正在让开发者可以在 Windows 设备、Azure 云和本地部署环境中构建、运行和扩展 agentic AI 与 physical AI。

这篇文章的核心信息是：Agentic AI 不只需要好模型，还需要快速硬件、安全运行时、响应式数据层，以及适配长时间推理的模型。NVIDIA 与 Microsoft 的合作正围绕这些层面展开。

Windows 设备被重新定位为 Agent 开发和运行环境

文章首先提到 RTX Spark 和 DGX Station for Windows。RTX Spark 被描述为面向 personal agents 的 Windows PC，具备 1 petaflop AI performance、最高 128GB unified memory、全天电池续航，并可在不插电状态下保持完整 AI 和图形性能。

DGX Station for Windows 则被定位为面向 Windows 企业应用和工作流的 deskside AI supercomputer。它搭载 NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip，最高 748GB coherent memory 和 20 petaflops FP4 performance，可运行最高 1 trillion parameters 的 frontier models，用于 always-on enterprise agents。

两类设备都运行 NVIDIA OpenShell。NVIDIA 将 OpenShell 描述为 secure-by-design runtime，用于让 autonomous agents 在受控环境中运行。

Microsoft Foundry 成为企业 Agent 编排入口之一

在 Microsoft Foundry 侧，NVIDIA 提到 Anthropic、OpenAI 模型以及 Hermes special agents 已经进入 Foundry Agent Service 的 hosted agents。企业可以在 Azure 上使用内置身份和治理能力，组合这些模型和 Agent 系统。

NVIDIA 还表示，Nemotron 3 Ultra 会在 Foundry managed compute 上提供，面向 coding、research 和 enterprise workflows 等长运行 Agent 场景。同时可用的还有 Nemotron 3.5 ASR 和 Nemotron 3.5 Content Safety。

这说明 NVIDIA 和 Microsoft 的合作不只是硬件层面，还涉及模型、托管 Agent、治理、开放模型组合和企业工作流编排。

数据层和本地部署是 Agent 扩展的关键

NVIDIA 文章中特别强调，data fuels agentic AI。Microsoft Fabric Data Warehouse 已加入 NVIDIA accelerated computing。Microsoft 内部 benchmark 显示，在高并发工作负载下，SQL 执行比 CPU-powered baseline 最高快 6 倍，并比三家领先云数据仓库供应商最高快 7 倍。

这部分信息说明，Agentic AI 的瓶颈不只是模型推理。企业 Agent 需要持续查询、分析和推理数据，如果数据仓库响应跟不上，Agent 工作流也会受限。

同时，Microsoft 正把 Foundry Local on Azure Local 带到 NVIDIA RTX PRO 6000 Blackwell Server Edition 平台。结合 Nemotron open model family，企业可以在数据所在位置运行高性能 AI 工作负载，覆盖本地、混合和主权环境。

OpenShell 进入 GitHub Copilot，解决 Agent 权限问题

NVIDIA 在文中还介绍了 NVIDIA OpenShell 与 GitHub Copilot 的结合。文章写到，Agent 从 coding assistance 走向 autonomous execution 时，需要真实能力，但不能拿到真实凭证。

OpenShell 的处理方式是：每个 Agent 在独立 sandboxed container 中运行，所有 outbound call 在访问文件、网络或凭证前都要经过 policy 评估。Policies 以代码形式编写，版本化保存在 repository 中，并可动态更新。OpenShell 采用 Apache 2.0 开源许可，模型无关，并覆盖本地、混合和云环境。

这部分是整篇文章中最贴近开发者 Agent 工作流的内容。它说明 Agent 部署不能只靠模型能力，还必须提供隔离、权限、策略和审计机制。

这次合作的实际看点

NVIDIA 与 Microsoft 这次展示的是一套从个人设备、企业桌面超算、Azure 云、Microsoft Foundry、本地部署、Fabric 数据层到 GitHub Copilot 安全运行时的完整栈。

对企业来说，Agentic AI 的部署难点不在单点工具，而在跨设备、跨云、本地数据、安全策略、模型组合和运行时治理。NVIDIA 与 Microsoft 的合作方向，正是把这些层面统一到一个可部署的基础设施叙事中。

后续更值得观察的是：RTX Spark 和 DGX Station for Windows 能否真正进入开发者工作台；OpenShell 在 GitHub Copilot 中的策略体验是否足够可用；Foundry Local on Azure Local 能否承接更多本地和主权环境 Agent 工作负载。

参考来源

本文为公开资料整理与技术学习参考，不提供采编、转载或发布服务。