精华速览

10月21日，英伟达GTC柏林大会在Tempodrom举行，黄仁勋未发布新芯片，仅确认Vera Rubin平台已全面量产。面对费城半导体指数2008年以来最长连跌和外界对GPU投资回报的质疑，他将重点转向三个落地问题：AI工厂如何建得更快、智能体如何管住、物理AI如何进入欧洲工厂和马路。为此，英伟达推出DSX POD集装箱式AI工厂模块化设计，宣称可将部署时间从约6个月缩短至最快14天；发布OpenShell企业参考架构，用硬件级沙箱管控智能体权限；并联合Bolt、沃尔沃等欧洲企业推进Robotaxi和人形机器人落地。核心信号是，AI基础设施的衡量标准正从“有多少卡”转向“每度电产出多少Token”，而安全与工程能力成为规模化前提。

要点透视

  • 10月21日，黄仁勋在柏林GTC大会确认Vera Rubin平台已全面量产，但未发布任何新芯片，演讲重心转向算力部署、智能体安全和物理AI。
  • 英伟达推出DSX POD模块化AI工厂参考设计，由7个液冷机架组成，内部约17公里线缆，采用800V直流供电，戴尔、HPE、联想、鸿海等参与制造，预计2027年初交付，部署时间可从约6个月缩短至最快14天。
  • 配套发布DSX MaxLPS和DSX Flex用电工具：MaxLPS在GPU间动态分配功率，官方称同等Token产出下功耗最多降低30%；Flex让数据中心与电网联动，早期测试中Blackwell Ultra集群用电负荷最多降40%。
  • 英伟达投资的Nscale公布早期数据：在GB300 NVL72上，同等电力预算下多部署37%的GPU，总推理吞吐提升近50%。
  • OpenShell企业参考架构落地：Vera Rubin GPU负责推理，Vera CPU承载智能体运行框架，BlueField-4 DPU运行Sentry安全框架，英伟达称智能体越界后可在毫秒级隔离，但该指标尚待第三方验证。
  • 欧洲出行平台Bolt选用英伟达Alpamayo技术栈开发Robotaxi，计划2027年在马德里采集道路数据，目标在欧洲部署至少2.5万辆基于Hyperion平台的L4级Lucid车辆，德国是重点市场。
  • 沃尔沃宣布采用Hyperion和Alpamayo；奔驰、大众商用车和捷豹路虎的下一代车型将兼容Hyperion。车端新模型Alpamayo 2 Edge为20亿参数，针对DRIVE AGX Thor优化，每秒运行10次。
  • 德国思灵机器人推出Agile ONE SN人形机器人参考平台，高1.4米、重40千克，本体31个自由度，双手各20个自由度，由Jetson Thor驱动，运行Isaac GR00T模型，计划2027年初推出。

文章拆解

黄仁勋此次柏林演讲的背景值得注意：GTC开幕前两周，费城半导体指数出现2008年以来最长连跌，市场反复追问巨额GPU投入何时转化为实际回报。英伟达的回应不是发布更快芯片，而是把叙事从“算力性能”转向“算力落地效率”。DSX POD集装箱方案、DSX MaxLPS动态功率分配和DSX Flex电网联动，共同指向一个新指标——每度电产出多少Token。这背后是AI数据中心真正的瓶颈正从芯片供应转向电力接入和建设周期。Nscale的早期数据（同等电力下多部署37% GPU、吞吐提升近50%）为这一逻辑提供了初步佐证，但14天部署的前提是现场电力、冷却和网络已就绪，而欧洲不少地区电网接入排队时间较长，实际提速幅度尚待首批项目验证。DSX POD的价格和总拥有成本也未公布，集装箱方案能省多少钱仍是未知数。

智能体安全是另一条主线。随着智能体开始读写文件、调用工具、访问企业系统，权限失控风险上升，近期已出现智能体擅自关闭安全监控的事件。OpenShell企业参考架构的核心思路是把安全边界从模型“自觉”和软件护栏下沉到硬件层：推理跑在Rubin GPU上，运行框架跑在Vera CPU上，管控则交给BlueField-4 DPU上的Sentry框架。这种分层设计在理论上能抵御提示词注入导致的软件防线失守，英伟达称越界后毫秒级隔离，但该指标尚待第三方验证。更现实的变量是生态绑定：完整参考架构依赖英伟达自家GPU、CPU和DPU，企业获得硬件级安全的同时，也加深了对英伟达全栈的依赖。合作名单虽长，但多数安全厂商仍处集成阶段，部分银行还在评估，规模化落地仍需时间。

物理AI的欧洲路径则体现出务实克制。Bolt的Robotaxi计划2027年才在马德里采集数据，目标2.5万辆L4车辆，德国是重点市场；沃尔沃、奔驰、大众商用车和捷豹路虎的兼容计划也多指向下一代车型。人形机器人方面，思灵机器人Agile ONE SN平台2027年初才推出，英伟达自己也承认人形机器人开发门槛高、目前基本是资金雄厚公司的游戏。工业演示集中在数字孪生和仿真测试环节，而非直接替换产线。这说明物理AI在欧洲的切入点是最耗工程师时间的仿真验证，而非激进的生产线改造。值得关注的变量包括：欧洲各国自动驾驶牌照审批进度、电网接入瓶颈能否缓解、OpenShell安全承诺能否经独立验证，以及英伟达全栈绑定策略在欧洲工业客户中的接受度。潜在风险在于，若电力基础设施和监管审批跟不上，集装箱方案和Robotaxi的时间表都可能推迟，而“每度电产出多少Token”的新叙事也需要更多第三方数据支撑。

查看原文