欧洲 AI，等来了黄仁勋

GTC 柏林开幕前两周，半导体板块经历了一轮自 2008 年以来最长的连跌。市场焦虑的核心在于：巨额的 GPU 投入何时能转化为实打实的回报。

10 月 21 日，英伟达创始人黄仁勋在柏林 Tempodrom 的舞台上并未发布新芯片，而是确认 Vera Rubin 平台已全面量产。他将演讲重点聚焦于三个落地议题：如何加速算力中心建设、如何管控日益强大的智能体、以及物理 AI 如何进入欧洲工厂与道路。黄仁勋表示，当前人类正处于历史上最大规模的基础设施建设期，需求不缺，缺的是产能和落地速度。

黄仁勋在 GTC 柏林发表主题演讲｜图片来源：英伟达

把 AI 工厂装进集装箱

过去两年，AI 数据中心的建设受限于复杂的土木工程。服务器、网络、供电和液冷需现场安装调试，大型集群从进场到点亮往往耗时半年以上，严重滞后于模型公司的迭代速度。

对此，英伟达推出了 DSX POD 模块化参考设计，其核心理念是「集装箱就是 AI 工厂」。一套 DSX POD 包含 7 个液冷计算机架，内部集成约 17 公里线缆，采用 800V 直流供电。所有计算、网络、供电和液冷组件均在工厂完成集成与测试，再装入集装箱运抵现场。戴尔、HPE、联想、施耐德电气、鸿海等厂商参与制造，预计 2027 年初开始交付。

官方数据显示，在电力、冷却和网络就绪的前提下，部署时间可从约 6 个月缩短至最快 14 天。

黄仁勋介绍 Vera Rubin DSX POD｜图片来源：英伟达

能效成为新瓶颈

随着算力规模扩大，制约因素已从芯片转向电力。配合 DSX POD，英伟达发布了两套用电优化工具：

• DSX MaxLPS：在 GPU 间动态分配功率，同等 Token 产出下功耗最多降低 30%，或在同等电力额度内部署更多 GPU。
• DSX Flex：实现数据中心与电网联动，根据电价和供电状况调整负载。早期测试显示，Blackwell Ultra 集群用电负荷最多可降低 40%。

此外，冷却系统改用闭环液冷加室外干式冷却器，以减少水资源消耗。欧洲数据中心开发商 Nscale数据显示，在 GB300 NVL72 上，相同电力预算下 GPU 部署量增加 37%，总推理吞吐提升近 50%。

这意味着，衡量 AI 工厂的核心指标正从「有多少卡」转变为「每度电产出多少 Token」。不过，该方案仍面临欧洲电网接入排队时间长、总拥有成本未公布等现实挑战。

给智能体装上硬件刹车

随着智能体开始读写文件、调用工具并访问企业系统，安全风险随之上升。黄仁勋强调，必须确保智能体安全，通过内核级沙箱将其与受影响系统隔离，并实施动态权限管控。

此次发布的 OpenShell 企业参考架构，旨在解决智能体的信任问题。其分工明确：

• Vera Rubin GPU：负责模型推理；
• Vera CPU：承载智能体运行框架和工具调用；
• OpenShell：划定隔离和权限边界；
• BlueField-4 DPU：运行 Sentry 安全框架，独立于智能体本身进行管控。

黄仁勋介绍 OpenShell，大屏显示已有超过 100 家合作伙伴参与。图片来源：英伟达

硬件级安全边界

该设计的核心意义在于建立不依赖软件护栏的硬件级安全边界。当模型遭遇提示词注入时，跑在 DPU 上的 Sentry 能在毫秒级隔离并叫停越界智能体。

目前，Anthropic、OpenAI、微软、谷歌云、AWS、SAP、摩根大通等均参与其中。ServiceNow 已能通过其治理平台制定权限并由 OpenShell 执行。然而，完整的参考架构基于英伟达全栈硬件，企业在获得高安全性的同时，也将加深与英伟达生态的绑定。

物理 AI 在欧洲落地

英伟达将 GTC 选址柏林，意在依托欧洲深厚的工业基础。黄仁勋指出，Robotaxi 将是机器人和物理 AI 首个大众市场应用。

出行平台 Bolt 选用英伟达 Alpamayo 技术栈开发 Robotaxi，计划 2027 年在马德里采集数据，并在欧洲部署至少 2.5 万辆具备 L4 能力的 Lucid 车辆，德国为重点市场。沃尔沃、奔驰、大众商用车及捷豹路虎的下一代车型也将兼容 Hyperion 平台。

车端方面，Alpamayo 2 Edge 模型针对 DRIVE AGX Thor 芯片优化，每秒运行 10 次，负责路况理解与运动规划。配套的 Halos SAFE 系统串联仿真、测试与监控，为自动驾驶在欧洲获取牌照提供可追溯的安全证据。

人形机器人与工业仿真

在人形机器人领域，德国思灵机器人推出 Agile ONE SN 参考平台。该平台由 Jetson Thor 驱动，运行 Isaac GR00T 模型，将于 2027 年初推出。Agility Robotics、Figure、库卡等公司均在此平台上开发。

黄仁勋与多家厂商的人形机器人同台｜图片来源：英伟达

英伟达坦言人形机器人开发门槛依然较高。Agile ONE SN 结合新的 Isaac OS 和仿真资产库，旨在将研发配置时间从数周缩短至几天，但距离稳定投产仍有距离。

在工业现场，物理 AI 的切入点更为务实。西门子埃尔朗根工厂利用数字孪生验证新品投产方案；达索系统展示智能体优化大众汽车车门设计，通过仿真发现振动问题后迭代，最终由工程师决策。物理 AI 先进入最耗时的仿真和测试环节，而非急于替换产线。

黄仁勋坐在舞台上，和机器鸭一起面对观众｜图片来源：英伟达

演讲尾声，四只 Microduck 小机器鸭登台演示。它们在 RTX Spark 上诞生，经云端超级计算机训练，并在数字孪生中习得技能。这些略显笨拙却真实的互动，缩影了 AI 从芯片到机房、从对话框到物理世界的演进过程——每一步前行，都需要扎实解决电力、安全和工程等基础问题。