用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久记忆层，并部署在 Amazon EKS 上。
#开源生态
#开源生态
今日 1 条AWS Machine Learning BlogAI 评分2222
AWS Machine Learning BlogAI 评分2222 在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（Part 1）
AWS 发布教程，演示如何用 vLLM-Omni DLC 在 Amazon SageMaker AI 上部署 Qwen3-TTS，通过 SageMaker 双向流式连接实现文本流入、24 kHz PCM 音频分块流出，并配 Gradio 应用试用。
NVIDIA BlogAI 评分5050 NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒蛋白复合物 3D 结构预测
NVIDIA 加入 Google DeepMind、EMBL-EBI 等组成的联盟，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供全球科学家免费使用。
NVIDIA BlogAI 评分2828 NVIDIA 与合作伙伴在新加坡 AI Day 展示东南亚 AI 进展
NVIDIA 在新加坡 AI Day 上联合合作伙伴展示东南亚 AI 落地进展，新加坡 HTX 正基于 Nemotron 3 Super 与 Nemotron 3 Nano Omni 模型研究公共安全 AI。
NVIDIA BlogAI 评分3838 NVIDIA Isaac ROS 5.0 发布：推进智能体化开源机器人开发
NVIDIA 在 ROSCon 发布 Isaac ROS 5.0，新增智能体工作流与平台支持，支持 ROS Lyrical 和 Ubuntu 24.04。新版本提供 Isaac 技能与面向 AI 智能体的文档，FoundationPose 推理库让物体位姿感知与跟踪最高提速 5.5x，pick and place 成为独立技能。
NVIDIA BlogAI 评分2222 NVIDIA 埃及 AI 生态走向生产规模：开发者一年增长超十倍
NVIDIA 在埃及大埃及博物馆举办活动，展示当地 AI 生态从能力建设走向生产落地，其埃及 Deep Learning Institute 学员规模一年内增长超十倍。
NVIDIA BlogAI 评分3838 NVIDIA：AI 安全是工程问题——如何在 Agent 栈的每一层解决它
NVIDIA 提出 AI 安全应作为工程问题处理，需要明确的安全需求、可执行的管控、指定负责人和防护有效的证据。其开源安全运行时 NVIDIA OpenShell 在智能体推理范围之外强制执行策略并提供沙箱执行，Cisco DefenseClaw 与 JFrog 已在其上构建治理与技能扫描能力。NVIDIA 同时通过 Open Secure AI Alliance 推动研究成果与工具共享。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单字母变异预测
Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。
推荐理由：原文给出 9 亿单核苷酸变异预测的规模与免费入口，读者可据此判断基因组变异解读的门槛变化。
Berkeley AI ResearchAI 评分3434 从 CUDA 到 MLX：K-Search 如何将数十年 kernel 经验带到 Apple Silicon
Berkeley Sky Lab 将进化式 kernel 搜索框架 K-Search 扩展出 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 作为知识库迁移到 Apple Silicon。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemma 4 12B：统一的无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。官方称其基准表现接近 26B MoE 模型，内存占用不到后者一半，可在 16GB VRAM 或统一内存上运行，也是该系列首个支持原生音频输入的中等规模模型。
推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，可对照其与 26B MoE 的取舍。