欧洲 AI，等来了黄仁勋

GTC 柏林开幕前的两周，半导体板块走得并不顺，费城半导体指数出现了 2008 年以来最长的一轮连跌。市场在反复算同一笔账，巨额的 GPU 投入，什么时候能变成实打实的回报。

10 月 21 日，在柏林 Tempodrom 的舞台上，黄仁勋没有发布新芯片。早已发布的 Vera Rubin 平台，这次只是确认「已全面量产」。他把更多时间留给了三个更落地的问题： 算力中心怎么建得更快，越来越能干的智能体怎么管住，物理 AI，怎么走进欧洲的工厂和马路 。

用他自己的话说，「我们正处于人类历史上最大规模的基础设施建设之中」，需求不缺，缺的是产能和落地速度。

在英伟达 GTC 柏林大会之前，黄仁勋和德国总理默茨的对谈走红社交平台，当下 AI 基建绝对王者告诉后者，面对汹涌而至的全新生产力革命，「紧箍咒」可能并不是最优解。

把 AI 工厂装进集装箱

过去两年，建一座 AI 数据中心更像一场土木工程。服务器、网络、供电和液冷要在现场逐一安装、布线、调试，一个大型集群从设备进场到真正点亮，拖上大半年是常态。而模型公司的迭代是按周算的，晚一个月拿到算力，可能就晚了一个版本。

英伟达在柏林给出的答案是 DSX POD。大屏上的标语很直白，「 集装箱就是 AI 工厂 」。

它是一套完整 Vera Rubin AI 工厂的模块化参考设计。一套 DSX POD 由 7 个液冷计算机架组成，内部约 17 公里线缆互连，采用 800V 直流供电，计算、网络、供电和液冷都在工厂里集成、测试完毕，再装进集装箱运到现场。戴尔、HPE、联想、施耐德电气、维谛，以及鸿海、广达、纬创等厂商参与制造，预计 2027 年初开始交付。

按照官方的说法，在现场电力、冷却和网络已经就绪的前提下，部署时间可以从约 6 个月缩短到最快 14 天。

只看建设速度，其实低估了这件事。黄仁勋把 AI 经济比作五层蛋糕，最底下一层是能源。 当算力规模越做越大，真正卡脖子的已经不只是芯片，而是电。

所以和 DSX POD 一起发布的，还有两套用电工具。DSX MaxLPS 在 GPU 之间动态分配功率，官方称在产出同样多 Token 的情况下，功耗最多能降低 30%，换个角度说，同样的电力额度里能塞进更多 GPU。DSX Flex 则让数据中心和电网联动，按电价和供电状况调整负载，在模拟电网事件的早期测试里，一个 Blackwell Ultra 集群的用电负荷最多降了 40%。冷却改用闭环液冷加室外干式冷却器，减少冷却塔的蒸发耗水。

英伟达投资的欧洲数据中心开发商 Nscale 给了一组早期数据，在 GB300 NVL72 上，同样的电力预算下多部署了 37% 的 GPU，总推理吞吐提升近 50%。

这套逻辑的落点很清楚， 衡量 AI 工厂的指标，正在从「有多少卡」变成「每度电产出多少 Token」 。

当然也有官方没说的部分。14 天的前提是电力和场地已经到位，而从公开信息来看，欧洲不少地区的电网接入本身就要排很久。DSX POD 的价格、总拥有成本也还没有公布，集装箱方案能帮客户省下多少钱，要等首批项目交付后才见分晓。

给智能体装上硬件刹车

如果说 DSX POD 解决的是「建得快」，OpenShell 企业参考架构要解决的是「用得放心」。

今年的智能体已经不只待在对话框里，它们开始读写文件、调用工具、访问企业系统。权限越大，风险越大，近期 AI 圈就出现过智能体擅自关闭安全监控的事件。

黄仁勋在台上说得很直接，「最重要的是确保智能体是安全的」。智能体的权限要降到最低，并持续监控，而且「每次启动智能体，权限都不一样」，所以管控也得跟着动态调整。他把 OpenShell 称为英伟达做过最重要的事情之一。

OpenShell 本身在 6 月的 GTC 就已推出，是一个开源、按策略控制的运行时，用内核级沙箱把智能体和它能影响的系统隔开。这次发布的，是在英伟达全栈硬件上怎么部署它的企业级方案。

分工是这样的，Vera Rubin GPU 负责模型推理，Vera CPU 承载智能体的运行框架和工具调用，OpenShell 划定隔离和权限边界，BlueField-4 DPU 上则跑着英伟达的 Sentry 安全框架。黄仁勋的概括是，智能体在 Rubin 上思考，在 Vera 上行动，在 BlueField 上被管住。

这套设计的意义在于，安全边界不再只依赖模型「自觉」或软件层的护栏。 模型遇到提示词注入时，软件防线可能失守，而跑在 DPU 上的管控独立于智能体本身。英伟达称，智能体一旦越界，Sentry 能在毫秒级把它隔离并叫停，这一点还有待第三方验证。

合作名单相当长，Anthropic、OpenAI、微软、谷歌云、AWS、SAP、ServiceNow、CrowdStrike、Palo Alto、摩根大通都在大屏上。ServiceNow 已经可以用自家治理平台制定权限、由 OpenShell 执行，并能快速撤销智能体的访问权。不过多数安全厂商仍处在集成阶段，一些银行还在评估。

另一面也要看到，完整的参考架构建立在英伟达自家的 GPU、CPU 和 DPU 之上。对企业来说，获得硬件级安全的同时，也意味着和英伟达全栈绑得更紧。

物理 AI 在欧洲

把 GTC 放在柏林，很大程度上是冲着欧洲的工业底子来的。黄仁勋这次说，「Robotaxi 是机器人和物理 AI 第一个大众市场应用。」

最具体的一单来自欧洲出行平台 Bolt。它选用英伟达的 Alpamayo 技术栈开发 Robotaxi，计划获批后 2027 年先在马德里采集道路数据，目标是在欧洲部署至少 2.5 万辆基于 Hyperion 平台、具备 L4 能力的 Lucid 车辆，德国是重点市场之一。沃尔沃也宣布采用 Hyperion 和 Alpamayo，黄仁勋还提到，奔驰、大众商用车和捷豹路虎的下一代车型将兼容 Hyperion。

车端的新模型是 Alpamayo 2 Edge，20 亿参数，针对 DRIVE AGX Thor 芯片优化，每秒运行 10 次，负责理解路况和规划运动。配套的 Halos SAFE 把仿真、软硬件测试、道路测试和车队监控串起来，帮车企积累可追溯的安全证据，这恰恰是自动驾驶在欧洲拿牌照绕不开的一环。

人形机器人这边，德国思灵机器人推出了 Agile ONE SN 参考平台。它高 1.4 米、重 40 千克，本体 31 个自由度，两只五指灵巧手各有 20 个自由度，由 Jetson Thor 驱动，跑英伟达的 Isaac GR00T 模型，2027 年初推出。Agility Robotics、Figure、库卡等公司在同一套平台上开发。

英伟达对这个平台的定位相当克制。它承认人形机器人的开发门槛依然很高，目前基本是资金雄厚的公司才玩得转。Agile ONE SN 加上新的 Isaac OS、Isaac Lab 3.0 和仿真资产库，目标是把研究人员搭建和配置的时间从几周缩到几天，但这并不等于机器人已经能在产线上稳定干活。

工业现场的演示也是同样的思路。西门子埃尔朗根工厂让智能体先在数字孪生里验证新品投产方案，达索系统展示了智能体把大众高尔夫的车门设计改到途观上，仿真发现振动问题后继续迭代，最后交给工程师拍板。 物理 AI 在欧洲的切入点很务实，先进入最耗工程师时间的仿真和测试环节，而不是急着替换产线。

演讲临近结束，四只 Microduck 小机器鸭走上了舞台。它们听指令坐下、站起、趴下「睡午觉」，有一只没跟上节奏，绊了一下又自己爬起来，黄仁勋连声招呼它「集中精神，过来」，全场都笑了。他对这几只小鸭子说，它们在 RTX Spark 上诞生，在云端的英伟达超级计算机上训练，又在数字孪生里学会了技能。

这几只摇摇晃晃的机器鸭，恰好是这场演讲的缩影。AI 从芯片走到机房，从对话框走到工厂和马路，每往前一步，都需要有人把电、安全和工程这些不那么性感的问题，一件件解决掉。

Les actualités sont collectées automatiquement depuis des flux publics robotique & IA.