“我們不能只是消費AI，而是應該生產AI。”
芯東西10月21日報導，今日，輝達GTC大會首次登陸德國柏林，輝達創始人兼CEO黃仁勳（Jensen Huang）進行了一場資訊量爆棚的主題演講，系統介紹輝達全端AI工廠架構，發佈DSX全端AI工廠參考架構與DSX POD計算集裝箱，還一口氣推出Nemotron檢索模型、Kumo結構化資料預測模型等多款開源模型。
在黃仁勳看來，AI絕非一般的軟體技術，而是一個製造業——能源驅動電腦，電腦組成AI工廠，AI工廠生產token，token來自模型，模型再整合進每一個應用，“我們不能只是消費AI，而是應該生產AI。”
圍繞AI的高效生產，黃仁勳的演講覆蓋AI基礎設施、企業智能體、開源模型、物理AI等核心戰場，涉及五大重點：
1、Vera Rubin平台：已實現全面量產，整機100%液冷，組裝一個節點的耗時從2小時縮短到5分鐘，72顆GPU可互連成一整顆巨型GPU。
2、DSX POD：把7個Vera Rubin機架連同線纜在工廠內預裝成一個集裝箱，運到現場即插即用，AI工廠的部署時間從4-5個月壓縮到約1個月。
3、OpenShell安全智能體參考架構：讓每個智能體在獨立沙箱中運行，按系統呼叫粒度管控權限，一旦發現越權行為可毫秒級切斷其與AI模型的連接。
4、開源模型與智能體工具包：幫智能體讀懂企業文件和資料庫的工具包Agent Knowledge Foundation、負責檢索的Nemotron Retriever模型系列、能預測業務走勢的Kumo模型系列等。
5、Agile ONE SN人形機器人參考設計：這款機器人計算硬體和軟體出廠前預裝完畢，開箱即可運行，大幅降低機器人研發門檻，機器人本體將於2027年初提供。
以下就是這場GTC大會的重磅發佈與主題演講乾貨：
01.
AI工廠：把算力做成預製菜
投產只要1個月
黃仁勳系統地介紹了輝達的全端AI工廠架構，強調輝達是唯一一家建構完整AI工廠的公司，涵蓋設計、部署和營運所需的一切。
支撐輝達AI工廠的硬體底座，是剛剛全面量產的Vera Rubin平台。黃仁勳現場對比了代際差異：Grace Blackwell平台組裝一個節點要2小時，線纜遍佈，僅實現80%液冷；而Vera Rubin平台實現100%液冷，組裝一個節點不到5分鐘。
NVLink交換托盤把72顆GPU連成一整顆巨型GPU，而旁邊的Vera CPU每時鐘周期可執行8條指令，搭載全球首個LPDDR記憶體子系統，片上互聯為全球最快，專為智能體會話的啟動與處理設計。
Spectrum-X則是全球首個共封裝光學（CPO）乙太網路交換機。光可以通過輝達與台積電聯合發明的COUPE工藝直接接入晶片，無需經過PCB和獨立光模組。這一方案提供512連接埠，單連接埠速率達200Gb/s，已全面量產。
有了技術，怎樣更快地把AI工廠部署到全球各地？對此，輝達打造了全端AI工廠參考架構DSX，覆蓋計算、網路、記憶體、軟體、電力和冷卻，從設計到營運作為一體協同最佳化。
DSX的第一步發生在動工之前：整座工廠先在數字孿生裡完成性能、功耗、用水和規模的虛擬驗證。
針對電力，MaxLPS端到端控制回路可以動態把電力引導至與負載需求匹配的地方，同樣的AI產出少用30%的電力。DSX Flex則可以靈活調節需求，提升電網可靠性，在電網需求激增時減少耗電，同時保持AI運行。
冷卻方面，Vera Rubin系統採用了閉式循環液冷，合適氣候下，冷卻液溫度可達45°C，實現高溫液冷。通過室外乾冷器，這套冷卻系統可以直接向空氣釋放熱量，不蒸發一滴水，在2GW規模下，每天節水5400萬升，相當於18萬戶家庭的日用水量。
為進一步提升建設效率，輝達發佈了DSX POD，這是一種已完成組裝、測試、管路預裝、預建構和預驗證的算力集裝箱，也是AI工廠的基礎建構單元，設計目標是加快歐洲基礎設施部署，大幅縮短從部署到生成首個token的時間。
集裝箱內部包含7個NVIDIA Vera Rubin NVL72液冷機架、1000萬個零部件，重約28000公斤，大致相當於20輛城市公車，可通過公路運往歐洲各地。
機架之間由20公里NVLink銅互連和3500根線纜相連，另有17公里Spectrum-X橫向擴展網路，全部在工廠內完成安裝、組裝和測試。
冷卻與電力方面，DSX POD用乾冷器替代傳統蒸發冷卻，場地就緒後以800V直流為機架供電。
集裝箱運抵現場後只需彼此連接，完成驗證和最終老化測試。黃仁勳在演講中說，採用這一方案後，建設方可以將算力從到場到投產的時間，從4-5個月壓縮到約1個月。
另據輝達新聞稿披露，借助DSX POD計算單元，合作夥伴可將AI基礎設施的部署時間從6個月縮短至最短14天。
黃仁勳算了一筆帳：一座1GW資料中心投資500億美元，年收入約400億美元，延遲3個月投產就意味著100億美元營收損失。如果能將這一過程壓縮，閒置的算力和資本開支隨之大幅減少。黃仁勳稱：“這是世界供應鏈的徹底轉型，將改變人們安裝和建設資料中心的方式。”
02.
企業AI：四大維度給Agent打地基
新自研模型系列亮相
如今，智能體已經是AI領域最炙手可熱的賽道之一，並且正在進入越來越多的企業級場景。
黃仁勳把智能體拆成五個要素：模型、執行框架（Harness）、沙箱、知識和工具，而輝達在其中的四個層面都提供了方案。
1、沙箱：給智能體裝上安全約束
在談怎麼用好智能體之前，黃仁勳先談了安全問題。他認為，業內阻止智能體濫用權限的方式，主要是通過“客客氣氣地求它”，也就是通過提示詞對智能體進行叮囑，但“安全不應該是一種願望，而是技術和工程。”
為此，輝達打造了OpenShell安全智能體參考架構：企業為每個智能體編寫策略，OpenShell在系統呼叫粒度上強制執行，覆蓋檔案訪問和網路連線。
OpenShell中，每個智能體運行在獨立沙箱中，外部的Harness可以由OpenShell統一收納。策略變更則需要經形式化驗證對照權限上限，智能體不會獲得超出預期的訪問權。
該架構在Vera Rubin上運行、搭載Vera CPU，並通過BlueField-4提供硬體隔離的安全監控：智能體的推理流量會經過BlueField-4上的Sentry安全軟體架構，一旦智能體計畫越權，Sentry會立即更新策略，切斷其與模型的連接並將其隔離。
2、模型：閉源、開源、定製，一個都不能少
談完安全，黃仁勳把話題轉向模型。他判斷：未來企業不會只用一個模型跑所有東西，最好的模型不管閉源、開源還是定製，統統都要用；而當工作涉及太多專有知識和獨門手藝時，企業會想持續增強屬於自己的智能，未來每家公司都會同時使用閉源模型和定製化的開源模型。
輝達在開源模型上已經投入了十年，並且不僅是開放權重，還包括配套資料和完整復現指令碼。這可以讓使用者知道模型的出處和權重分佈。
這些模型覆蓋多個領域：Nemotron是語言模型，Cosmos是世界基礎模型，GR00T面向機器人領域，Alpamayo面向自動駕駛，此外還有量子計算模型Ising和Earth-2物理AI模型。
黃仁勳說道：“這些開源模型未必個個都是前沿中的前沿，語言模型尤其如此。但借助定製化和生態夥伴，企業完全可以把它們打造成前沿模型，進而把自己的專有資料變成主權智能。”
現場他舉了一連串實證：AI21幫助客戶把Nemotron微調後超出了前沿能力；Base10幫CodeRabbit用自有資料後訓練Nemotron，達到前沿水平；Trajectory與Harvey用Nemotron後訓練出自己的前沿能力；Scale AI與Skydance做著同樣的事。
黃仁勳稱，從一個像Nemotron這樣較好的開源模型出發，用自己的資料做後訓練，針對你的場景達到超級智能，這是非常理性的做法。
3、知識：把企業知識喂給模型
模型有了，接下來是讓智能體接通企業的知識。輝達推出了Agent Knowledge Foundation，一套用於檢索企業資料的模型組合與軟體庫。
檢索鏈路由三款Nemotron Retriever模型組成：文件解析Nemotron Parse負責文件解析，可處理PDF等非結構化文件；文字嵌入模型Nemotron Embed把查詢與向量資料庫中的知識關聯起來；檢索重排序模型Nemotron Re-rank在多源召回結果中按相關度重排，找出最貼切的答案。
針對結構化資料，輝達此次發佈了結構化資料預測模型系列Kumo，讓企業資料庫也能預測接下來會發生什麼。該模型系列共有四款：面向表格資料的Kumo Tabular、面向關係型資料的Kumo Relational、面向時間序列的Kumo Time Series和面向預測任務的Kumo Forecast。
4、工具：CUDA-X已成皇冠上的明珠
在工具層，輝達的CUDA-X庫已經被用於支撐科學發現、工程、研究、設計與創意藝術等多個領域，黃仁勳說這些庫是輝達皇冠上的明珠。
黃仁勳強調，智能體時代非但不會終結SaaS工具軟體，反而會讓工具公司迎來史上最多的使用者，每一家工具公司都有機會變成AI公司、變成智能體公司，Cadence、CrowdStrike、達索系統、IQVIA等都已加入智能體的開發行列。
利用CUDA-X，同一台電腦可以運行流體動力學、粒子物理、量子化學、資料處理、光線追蹤等所有工具，較CPU原生運行提速一到兩個數量級。而在這些不同的行業，使用到的元件都類似：開放模型、CUDA-X加速工具、OpenShell安全執行階段，由輝達智能體工具包（Agent Toolkit）整合在一起。
03.
物理AI：聯手Agile推出機器人參考設計
物理AI是AI的下一波浪潮，黃仁勳稱，其中量級最大、落地最近的物理AI應用是汽車，而下一個重大產業，是人形機器人。
機器人的研發難點在於任務多樣、形態定製化，行業面臨碎片化，無法形成有效的飛輪。手機、PC的飛速進化都靠標準化形態，而人形機器人形態適配的場景足夠廣，黃仁勳認為其大機率會成為出貨量最大的機器人形態。
為此，輝達與Agile合作，基於輝達Isaac GR00T建構了Agile ONE SN人形機器人參考設計，把硬體與軟體整合一體，預裝電腦與軟體，開箱即可運行，覆蓋從資料採集到部署的全流程，將設定時間從數周縮短至數天，2027年初可提供。
醫療領域，西門子醫療正聯手輝達重新定義個性化放射治療：輝達AI模型最佳化治療計畫，CUDA加速劑量計算，Isaac for Healthcare模擬在精準靶向腫瘤的同時保護健康組織，Holoscan與IGX Thor即時響應患者的呼吸與動作，實現動態治療調整。
汽車領域，沃爾沃、大眾、Bolt正在輝達的自動駕駛平台Hyperion上建構自動駕駛汽車和Robotaxi車隊。
輝達還打造了專為物理智能汽車設計的全端安全系統NVIDIA Halos，已獲全球80%汽車製造商採用，Uber與Bolt計畫基於Halos和Hyperion建構超過20萬輛自動駕駛計程車。
同時，全新的Halos SAFE綜合自動駕駛安全評估框架現已向所有OEM和獨立軟體供應商開放。
04.
結語：不止晶片與軟體
輝達要把方案也打包給客戶
輝達，正在加速走向全端化。通過參考設計，輝達打入了多個行業腹地，覆蓋AI基礎設施建設、機器人等領域。
可以看到，輝達已經不僅僅滿足於提供晶片和軟體，而是把“怎麼做”的具體方案也一併給出，參與到行業的技術路線定義中去。
這套打法也折射出AI落地路徑的變化。對於行業來說，一套能直接運轉的完整方案，可能比單個模型或某塊晶片更有吸引力。(芯東西)