黄仁勋柏林GTC再画大饼？英伟达要把AI做成一门制造业

10月21日，德国柏林，英伟达CEO黄仁勋在GTC演讲尾声展示了多只小鸭机器人，它们能行走、感知环境并完成动作。这些机器人在RTX Spark（专为本地AI设计的个人电脑）上完成部分建模与开发，在云端接受大规模训练，随后通过数字孪生模拟，最终将习得的能力部署到真实机器人中。现场出现小插曲，几只小鸭未能完全按指令行动，这揭示AI进入物理世界时，模型能力仅是起点，如何确保其可靠执行任务仍需大量工程突破。

这恰好贯穿整场演讲的核心：从智能生成到执行的产业化挑战。黄仁勋将AI定义为新型制造业，提出AI工厂、智能体、物理AI等概念，并串联算力、软件、模型、安全机制与机器人。英伟达的目标是提供从生成智能到使用智能的完整基础设施。这套叙事延续了其全栈化路线，也改变了行业观察方式。

GPU性能依然关键，但当AI融入企业工作流、工厂产线和现实世界时，竞争维度正在扩大。算力能否快速投产，智能体能否安全调用企业资源，机器人能否低成本复制到更多场景，都将成为新变量。

AI工厂的竞争转向成本与效率

黄仁勋在演讲中反复强调：AI是一门制造业。传统软件按预设程序执行任务，生成式AI则需根据用户请求和上下文，通过模型推理实时生成回答、代码、图像等。这些输出以Token衡量，每次生成都涉及真实计算，消耗电力、芯片运算、数据传输和散热资源。

当AI从实验室走向大规模应用，生产智能需要完整工业体系：电力供能，芯片计算，数据中心整合计算、网络、存储和散热，模型生成智能，应用转化为成果。这套系统持续运转，生产数字智能。这就是黄仁勋提出的AI工厂。

它与传统工厂的共性在于需投入基础设施、组织流程、管理能源与产能，并提升效率。区别在于传统工厂生产实体产品，而AI工厂的核心产出是可调用的数字智能。黄仁勋将其归纳为五层架构，从能源和计算基础设施延伸到模型和应用。

按照此逻辑，AI工厂是智能生产的基础设施。GPU是核心部件，但远非全部。电力供应、散热、数据传输、软件调度和模型运行效率，每环都影响产出。英伟达在柏林发布的DSX POD（模块化AI工厂单元）正是围绕这些环节设计。

它以模块化容器为载体，在工厂内完成计算系统、网络、布线、供电和液冷等集成与测试，再运往具备配套条件的场地部署。据英伟达数据，部署周期可从约6个月缩短至最快14天，产品计划2027年初交付。简单说，就是把数据中心现场需逐项组装的设备提前在工厂集成，运到后接通配套即可快速使用。

这项发布的关键在于将AI基础设施的交付效率提上议程。过去，建设大型数据中心需协调设备供应、施工、组装和调试，即便土建完成，也未必能立即投入AI生产。DSX POD试图将复杂工程前置到工厂，以标准化集成系统减少现场不确定性。

当算力成为需持续变现的基础设施，建设速度只是开端，真正重要的是何时能开始生产。黄仁勋多次提到Token，即模型生成的基本单位。对AI工厂而言，基础设施建成不意味着创造价值，只有模型运行、客户使用、Token持续产生，投入资本才进入生产环节。

这意味着AI基础设施竞争正从单纯追求芯片性能，延伸到部署速度、资源利用率和单位产出成本。即使算力性能提升，若部署迟缓、设备闲置，庞大资本支出也难以转化为收入。同时，能源和散热正成为现实约束。黄仁勋介绍DSX在供配电、液冷和数字孪生仿真等方面的布局，希望建设前验证数据中心性能、功耗和制冷方案。英伟达的意图明确：将分散在芯片、机架、数据中心和运营环节的优化整合进统一参考架构。

这套打法对欧洲有特殊意义。黄仁勋在柏林强调，欧洲应主动建设自身AI经济，并称过去一年英伟达已在欧洲初创企业投入近100亿美元，建立超12000家合作伙伴关系。从施耐德、西门子等工业公司到Mistral AI等模型企业，欧洲具备制造、工程和产业基础，但仍需补足AI基础设施与模型生态。对英伟达而言，这既是扩大产业合作，也是推动计算平台进入更多区域市场。所谓建设本地AI经济，最终需落实到算力部署、模型开发和行业应用中。

智能体开始工作，安全与工具成新战场

如果说AI工厂解决智能来源，那么智能体需回答智能如何工作。过去两年，行业竞争围绕大模型能力展开。模型能理解和生成文本，完成问答、编程等任务，但要独立处理复杂工作，还需拆解目标、制定计划、调用工具、获取知识，并根据反馈调整行动。随着智能体发展，AI使用方式正从单轮交互走向连续执行。

黄仁勋将完整智能体拆分为五部分：模型、运行框架、安全沙箱、知识和工具。模型负责推理，框架协调任务，知识提供业务上下文，工具执行操作，安全沙箱限制访问和影响范围。这意味着智能体价值越来越取决于能否接入真实业务，而非仅给出漂亮答案。

例如，制造企业中，智能体可能需同时读取供应商交付通知、查询订单数据库、检索工程文档，判断供货延迟影响哪些订单，并提出替代方案。单有通用大模型不够，企业还需连接结构化数据、非结构化文档、专业软件和业务规则。这也是黄仁勋强调CUDA-X工具库的原因。英伟达通过CUDA及加速库支持科学计算、工程仿真、图像处理和数据分析，积累大量行业算法与工程能力。当智能体承担复杂任务时，这些工具仍有价值，甚至可能获得更多调用机会。

黄仁勋由此提出，每家工具公司都可能转型为AI和智能体公司。未来的工程软件、网络安全、医疗服务企业，可把专业知识封装进智能体，让AI直接使用工具工作。这给模型竞争带来新问题：通用模型决定基础能力，企业数据、工具和工作流决定能否解决具体问题。开源与闭源模型可同时进入同一系统，企业根据任务选择模型，再利用专有数据和行业工具构建智能体。

同时，智能体权限越大，风险也越大。能读写文件、访问网络、操作数据库的AI，一旦判断失误或遭恶意指令诱导，后果远超普通聊天机器人。为此，英伟达推出OpenShell安全运行环境，结合BlueField-4数据处理器上的Sentry安全框架，试图在模型外建立权限控制、隔离和运行监控机制。企业可规定智能体访问哪些文件、连接哪些网络地址、调用哪些工具，并对不符合策略的操作拦截。这条路线的意义在于把安全控制从模型行为承诺推进到系统工程层面。面对能自主规划和持续执行任务的系统，仅要求模型遵守规则不可靠，还需外部机制限制权限，并保留可检查的运行记录。

不过，安全架构推出不意味着智能体可无条件进入生产环境。权限策略是否合理、企业数据是否准确、异常操作能否及时发现，以及责任如何划分，仍需企业在具体业务中解决。智能体正从演示走向部署，但产业化门槛也随之变化。模型回答得好只能证明具备能力；在真实业务中持续完成任务才是更重要考验。

物理AI的下一个关口：从样机走向规模化

演讲第三条主线是英伟达反复强调的物理AI。与处理数字信息的AI不同，物理AI需感知现实环境，理解物体和空间关系，并在真实世界中采取行动。机器人、自动驾驶汽车、智能工厂和医疗设备都可能成为其载体。但物理世界复杂性远高于数字环境。机器人需处理传感器噪声、物体差异、动作误差和环境变化，还需满足实时性与安全性要求。让模型学会现实世界技能，仅靠语言模型训练不够。

黄仁勋的方案是让三类计算机协同工作。第一类用于训练模型，第二类借助Omniverse等数字孪生和仿真工具训练、测试技能，第三类部署在机器人或自动驾驶汽车上负责实际运行。这三者构成从训练、模拟到执行的技术链。机器人可先在虚拟环境进行大量试验，再将验证策略部署到真实设备，减少现实试错成本。演讲中那群小鸭机器人是这套路径的展示：通过RTX Spark本地开发，结合云端训练和数字孪生仿真，最终让机器人在现实环境完成动作。

自动驾驶领域也呈现类似思路。黄仁勋介绍英伟达Hyperion平台，希望通过标准化计算架构和传感器配置，连接不同汽车制造商与网约车平台。英伟达还展示与Agile Robots合作开发的参考机器人，希望通过预先集成的计算和软件系统，降低机器人研发起步门槛。机器人行业要形成规模效应，需逐渐摆脱每个项目从零搭建的研发模式。过去，机器人企业常围绕不同机型、执行器、传感器和任务重新开发系统。产品形态越分散，软件、数据与工程经验越难复用。标准化参考架构可让更多企业共享底层能力，把研发资源集中到具体任务和应用场景，形成更快迭代速度。

欧洲制造业基础为这条路线提供潜在落点。黄仁勋特别提到欧洲在机械、电子和精密制造方面的优势。汽车、工业设备和医疗领域拥有大量真实需求，积累丰富工程知识。若这些知识能与AI模型、仿真平台和机器人系统结合，物理AI就有机会从实验室进入产业流程。不过，标准化平台只能降低开发门槛，无法自动解决规模化落地所有问题。机器人能否在长尾环境稳定工作，虚拟训练技能能否迁移到现实场景，设备维护、部署和改造成本能否被客户接受，都需长期验证。

这也是演讲中看似可爱的小鸭机器人所提醒的现实。让机器人完成预设动作，与让它在复杂环境中长期执行任务，仍有很大距离。物理AI的竞争不限于模型和算力，还涉及硬件可靠性、数据积累、系统集成，以及真实场景中的持续反馈。回看整场柏林GTC，黄仁勋描绘的是一条越来越完整的产业链：AI工厂生产智能，模型与智能体将智能转化为任务能力，专业工具和企业知识提供执行条件，安全运行环境划定边界，数字孪生与机器人将能力带入物理世界。

这条路线有利于英伟达继续扩大平台覆盖范围。从芯片到机架，从软件库到智能体，再到机器人参考架构，英伟达试图把更多环节纳入其技术生态。同时，产业需回答更实际的问题：这些系统究竟能创造多少可持续生产力，是否足以支撑持续增长的基础设施投入。AI的下一阶段，竞争者需证明的不仅是模型能做什么，还包括能否稳定、低成本地做，以及能否在规模化应用中持续产生回报。黄仁勋在柏林给出了英伟达的答案。接下来，真正的考验在工厂、企业和现实世界里。本文来自微信公众号“光锥智能”（ID：guangzhui-tech），作者：罗镇昊，36氪经授权发布。爱游戏登录