10月16日，柏林亞歷山大廣場的一家Saturn電器商店迎來了一位特殊客人。穿著黑色皮夾克的黃仁勳出現在店內，受到科技愛好者的熱烈歡迎。《商報》把現場形容得如同搖滾明星到訪，而這位明星，是全球最有價值的晶片公司輝達的創始人。

三天後，黃仁勳又出現在柏林，這次站在他身邊的是德國總理梅爾茨。德國政府正在一座改造後的老發電廠舉行招商峰會，希望向全球投資者證明，德國依然值得投資。

黃仁勳在台上給德國開出了一張藥方：利用人工智慧改造製造業，否則就可能逐漸失去原有市場。他還說了一句很適合德國工業界的話：“電子永遠無法取代原子。”

汽車仍然需要工廠製造，機器仍然需要工程師設計。德國不必拋棄自己最擅長的東西，但得學會用新技術把它們做得更好。

梅爾茨顯然願意聽聽這位美國科技巨頭的建議。10月19日，德國政府正式宣佈，聯邦經濟與能源部、聯邦研究、技術與航天部已經與輝達簽署合作意向聲明，共同推動工業人工智慧的發展。

對近年來飽受經濟停滯困擾的德國來說，這是一次難得的機會。只是輝達如此積極地幫助德國工業升級，當然也有自己的打算。

一、德國還有一張牌沒有打完

過去幾年，人工智慧領域最受關注的企業大多來自美國和中國。OpenAI、Google、微軟以及中國的科技企業不斷推出新模型，德國在這場競爭中顯得有些安靜。

不過，德國政府並不打算沿著同一條路追趕。

過去的人工智慧主要處理文字、圖片和語音。現在，科技公司開始把它引向現實世界，讓機器人學習抓取物體，讓汽車識別複雜路況，甚至幫助工廠自主調整生產流程。這一方向通常被稱為物理人工智慧（Physical AI）。

德國在這裡還有一些別人不容易複製的優勢。

一家汽車企業可能擁有大量生產與測試資料，一家機械製造商則可能掌握幾十年積累的精密加工經驗。還有數以千計的德國中小企業，專門生產某一類裝置或零部件，技術知識藏在工程師的經驗、機器參數和實際生產過程中。

這些東西很少出現在網際網路上，卻可能成為下一代工業人工智慧需要學習的材料。

黃仁勳在柏林特別看重這一點。他把德國工程師長期積累的專業知識稱為一種天然資源，並提出一個建議：德國可以進口先進技術，但不要把自己的資料和知識一併送出去。

由一家美國科技公司的老闆說出這番話，倒是頗有意味。

根據德國政府10月19日公佈的合作意向聲明，新計畫將利用德國的工業資料、製造經驗和工程技術，開發能夠應用於現實生產環境的人工智慧模型。合作還將依託德國工業4.0平台（Plattform Industrie 4.0），希望讓大型企業、研究機構和中小企業都參與進來。

此前，《商報》已經披露，德國政府準備與輝達建立更大規模的合作，潛在參與者包括西門子、奧迪和德國人工智慧企業Black Forest Labs。報導還提到，政府可能投入數億歐元，用於購買計算能力和訓練模型。

不過，截至10月19日晚，正式公佈的仍然是一份合作意向聲明，具體投資金額和完整參與企業名單尚未全部確認。

這項合作能帶來多大變化，目前還不能下結論。但在德國工業界，已經有人先動手了。

二、埃朗根工廠，已經開始嘗試了

10月19日，梅爾茨在柏林迎接黃仁勳的同時，西門子在巴伐利亞州埃朗根展示了與輝達共同開發的工業人工智慧技術。

展示地點不是實驗室，而是西門子生產工業電子裝置的工廠。

這裡有一項工作頗為繁瑣。工廠準備生產新型號的電路板時，工程師需要訓練視覺檢測系統，確保機器能夠識別製造過程中出現的錯誤。按照傳統做法，部分檢測準備工作必須等到實際產品或樣品出現後才能進行。

西門子與輝達現在嘗試提前完成這些工作。

工程師先在電腦裡建立產品模型，再生成用於訓練檢測系統的虛擬圖像。即使新產品還沒有正式投產，檢測程序也可以開始學習識別正常和異常情況，減少等待實物樣品的時間。

西門子10月19日公佈的資料相當醒目：在特定的電路板生產準備場景中，相關技術最多可以減少85%的工程工作量，並將產品推向市場所需時間縮短最多40%。

這些數字來自西門子自身的技術展示，不能直接理解成整個工廠的生產效率提高了85%。但它們至少表明，人工智慧已經開始影響實際生產中的具體工作。

另一項應用涉及生產計畫。

接到新訂單後，工廠需要考慮裝置、材料、交貨時間等多方面因素。有了人工智慧，管理人員可以讓系統提出不同安排，並先在虛擬工廠裡測試結果。西門子預計，這種方式在適合的場景下，最多可節省20%的相關成本。

西門子與輝達的合作其實已經持續多年。

2022年，雙方宣佈共同發展工業元宇宙，希望為真實機器和生產線建立能夠模擬運行的數字孿生（Digital Twin）。今年1月，兩家公司又將合作擴大至所謂工業人工智慧作業系統，試圖把設計、模擬和製造進一步連接起來。

埃朗根工廠就是其中一個重要試驗場。

西門子有工業軟體、自動化裝置和真實生產經驗，輝達則提供計算晶片、人工智慧模型和模擬工具。兩家公司各有所長，合作也從最初的技術展示逐漸走進了車間。

當然，這距離人工智慧完全自主經營一座工廠還有很長的路。但如果新技術能讓工程師少做一些重複工作，讓生產線少停幾次機，對製造企業來說，就已經有價值。

三、德國自己的AI，用的卻是美國晶片

工業人工智慧想要發展起來，還需要大量計算能力。德國在這方面已經開始補課。

今年2月，德國電信（Deutsche Telekom）在慕尼黑正式啟用了工業人工智慧雲（Industrial AI Cloud）。這項價值約10億歐元的合作工程，配備了約1萬塊輝達Blackwell系列圖形處理器，能夠為企業和研究機構提供大規模人工智慧算力。

德國電信強調，這些設施位於德國境內，由歐洲企業營運，客戶不必把所有資料都交給海外雲平台處理。

這座資料中心已經承擔了一項具有代表性的工作。

德國正在開發自己的開放基礎模型項目SOOFI，全稱為Sovereign Open Source Foundation Models，獲得德國聯邦經濟與能源部約2000萬歐元資助。參與項目的研究機構，希望開發能夠由德國和歐洲企業自主使用、調整和部署的人工智慧模型。

今年春天，項目團隊在德國電信的計算設施上，使用最多512塊輝達B200處理器訓練了Soofi S模型。

值得注意的是，SOOFI並非簡單下載一套輝達模型，再改成德國名字。它參考了輝達公開的Nemotron模型架構，但模型參數由項目團隊從頭訓練。項目未來計畫逐步開放模型及相關技術成果，目前部分版本仍處於測試階段。

德國研究機構確實完成了一項屬於自己的訓練工作，使用的也是位於德國的資料中心。只不過，提供關鍵計算能力的晶片依然來自輝達。

在德國政府看來，這並不妨礙項目具有實際意義。企業能夠控制自己的資料，研究機構能夠開發自己的模型，資料中心也不必全部由外國雲服務商營運。

可一旦涉及底層計算裝置和開發軟體，情況就複雜了。

輝達的優勢從來不只是晶片性能。它經營多年的CUDA計算平台，以及大量配套軟體和工具，已經成為人工智慧開發者廣泛使用的技術環境。許多模型和程序都是圍繞這套系統最佳化的。

如果一家企業長期使用輝達的軟硬體，日後即使想更換晶片供應商，也可能需要重新調整原有程序。

德國電信的資料中心解決了計算設施在那裡、由誰營運的問題，卻沒有讓德國擺脫進口人工智慧晶片的現實。

這也是德國建設自主人工智慧體系時繞不開的一道難題。

四、黃仁勳想要的，不只是德國的晶片訂單

理解這次合作，還得看看輝達自己的變化。

根據公司今年8月公佈的財報，截至7月26日的一個季度，輝達營收達到962億美元，其中資料中心業務貢獻890億美元，佔比約92.5%。

十幾年前，很多消費者認識輝達，是因為電腦顯示卡。如今，它的大部分收入都來自人工智慧資料中心，最大的客戶也越來越集中於少數科技巨頭和雲服務商。

生意規模已經如此龐大，黃仁勳仍在積極尋找新的市場。

10月16日，他在柏林出席的正是RTX Spark電腦產品上市活動。新平台把處理器、圖形計算和人工智慧功能結合起來，部分機型最高支援128GB統一記憶體，讓開發人員可以直接在個人電腦上運行規模較大的人工智慧模型。

這些價格不菲的電腦，短期內很難成為普通消費者的主流選擇。對輝達而言，更重要的是把自己的技術帶進個人電腦，讓人工智慧不再只存在於大型資料中心。

而德國工業，則是一個更有吸引力的方向。

輝達已經擁有晶片、人工智慧模型、工業模擬工具和龐大的軟體生態。如果未來德國工廠越來越多地採用這些技術，公司獲得的就不只是一次性的裝置銷售，還可能包括長期的軟體、技術服務和平台業務。

這種佈局並非突然開始。

《法蘭克福匯報》報導，黃仁勳在柏林回顧了輝達與德國企業的合作歷史。2000年，輝達與德國遊戲開發企業Crytek建立合作關係；幾年後，又開始與奧迪開展汽車技術項目，最初涉及車載資訊娛樂系統，後來逐漸延伸到自動駕駛。

如今，輝達還在投資德國的機器人和人工智慧初創企業，試圖將自己的技術帶入更多行業。

從遊戲顯示卡到汽車電子，再到機器人和智能工廠，黃仁勳經營德國市場已經二十多年。隨著人工智慧進入製造業，這些合作關係的價值可能越來越大。

德國企業當然也能從中受益。對西門子這樣的工業集團來說，借助輝達成熟的技術，可以減少部分研發投入，加快新產品開發。雙方合作越深入，相關技術之間的聯絡也可能越緊密。

問題在於，未來德國工廠使用的人工智慧，究竟有多少關鍵環節能夠由德國企業自行掌握。

這不是一個新問題，卻因為輝達的業務擴張而變得更加具體。

五、德國花出去的錢，最後能留下什麼？

10月19日的合作聲明，把技術主權列為重要目標之一。

這個詞近年在德國政治界頻繁出現。政府希望企業能夠掌握自己的資料和人工智慧應用，同時儘可能減少對少數外國科技公司的依賴。

與輝達合作，似乎正好把這兩項目標放在了一起。

一方面，德國確實需要現成的計算晶片和軟體工具。要在短時間內發展有競爭力的工業人工智慧，從頭建立另一套完整的技術體系，成本高昂，也可能錯過市場機會。

另一方面，使用美國技術，並不必然意味著德國企業要放棄自己的資料或模型。

SOOFI已經證明，德國研究機構能夠利用進口晶片訓練本土模型。西門子在埃朗根的項目也表明，德國企業可以在現有工業技術基礎上，開發適合實際生產的人工智慧應用。

但合作要持續多久、成本有多高、今後能否更換技術供應商，都需要認真考慮。

《商報》此前報導，德國政府可能投入數億歐元支援新的工業人工智慧計畫，其中一部分資金將用於購買算力，推動模型訓練。德國政府10月19日的正式公告尚未確認具體金額，也沒有披露相關採購合同。

公共資金最終如何使用，將直接關係到項目的實際價值。

如果政府出資幫助研究機構訓練出可供德國企業廣泛使用的模型，這可能成為一項長期技術資產。但如果大量資金主要用於購買算力，而後續使用還需要持續支付高昂費用，企業就得仔細計算這筆帳。

德國政府尤其希望中小企業能夠分享人工智慧帶來的好處。這一點並不容易，因為許多製造企業雖然擁有專業資料，卻沒有足夠的技術人員和資金，從頭建設複雜的人工智慧系統。

它們需要的通常不是再聽一場精彩的科技演講，而是能夠買得起、用得上，並且確實能改善生產的工具。

梅爾茨希望借助輝達，讓德國工業重新獲得增長動力。黃仁勳則希望輝達的技術進入更多工廠、汽車和機器人系統。兩人的目標並不衝突，只是各自看重的東西有所不同。

柏林峰會上，黃仁勳勸德國珍惜自己的工業知識，不要輕易把它交出去。這番話說得很有道理。

如今，德國開始把這些知識帶入人工智慧時代。至於未來誰掌握技術、誰獲得長期收益，答案恐怕不在柏林的演講台上，而在埃朗根這樣的工廠裡。✍(德國派)