歐洲 AI，等來了黃仁勳

01

把 AI 工廠裝進集裝箱

過去兩年，建一座 AI 數據中心更像一場土木工程。服務器、網絡、供電和液冷要在現場逐一安裝、布線、調試，一個大型集羣從設備進場到真正點亮，拖上大半年是常態。而模型公司的迭代是按周算的，晚一個月拿到算力，可能就晚了一個版本。

英偉達在柏林給出的答案是 DSX POD。大屏上的標語很直白，「集裝箱就是 AI 工廠」。

它是一套完整 Vera Rubin AI 工廠的模塊化參考設計。一套 DSX POD 由 7 個液冷計算機架組成，內部約 17 公裏線纜互連，採用 800V 直流供電，計算、網絡、供電和液冷都在工廠裏集成、測試完畢，再裝進集裝箱運到現場。戴爾、HPE、聯想、施耐德電氣、維諦，以及鴻海、廣達、緯創等廠商參與制造，預計 2027 年初開始交付。

按照官方的說法，在現場電力、冷卻和網絡已經就緒的前提下，部署時間可以從約 6 個月縮短到最快 14 天。

只看建設速度，其實低估了這件事。黃仁勳把 AI 經濟比作五層蛋糕，最底下一層是能源。當算力規模越做越大，真正卡脖子的已經不只是芯片，而是電。

所以和 DSX POD 一起發布的，還有兩套用電工具。DSX MaxLPS 在 GPU 之間動態分配功率，官方稱在產出同樣多 Token 的情況下，功耗最多能降低 30%，換個角度說，同樣的電力額度裏能塞進更多 GPU。DSX Flex 則讓數據中心和電網聯動，按電價和供電狀況調整負載，在模擬電網事件的早期測試裏，一個 Blackwell Ultra 集羣的用電負荷最多降了 40%。冷卻改用閉環液冷加室外幹式冷卻器，減少冷卻塔的蒸發耗水。

英偉達投資的歐洲數據中心開發商 Nscale 給了一組早期數據，在 GB300 NVL72 上，同樣的電力預算下多部署了 37% 的 GPU，總推理吞吐提升近 50%。

這套邏輯的落點很清楚，衡量 AI 工廠的指標，正在從「有多少卡」變成「每度電產出多少 Token」。

當然也有官方沒說的部分。14 天的前提是電力和場地已經到位，而從公開信息來看，歐洲不少地區的電網接入本身就要排很久。DSX POD 的價格、總擁有成本也還沒有公布，集裝箱方案能幫客戶省下多少錢，要等首批項目交付後才見分曉。

02

給智能體裝上硬件剎車

如果說 DSX POD 解決的是「建得快」，OpenShell 企業參考架構要解決的是「用得放心」。

今年的智能體已經不只待在對話框裏，它們開始讀寫文件、調用工具、訪問企業系統。權限越大，風險越大，近期 AI 圈就出現過智能體擅自關閉安全監控的事件。

黃仁勳在臺上說得很直接，「最重要的是確保智能體是安全的」。智能體的權限要降到最低，並持續監控，而且「每次啓動智能體，權限都不一樣」，所以管控也得跟着動態調整。他把 OpenShell 稱爲英偉達做過最重要的事情之一。

OpenShell 本身在 6 月的 GTC 就已推出，是一個開源、按策略控制的運行時，用內核級沙箱把智能體和它能影響的系統隔開。這次發布的，是在英偉達全棧硬件上怎麼部署它的企業級方案。

分工是這樣的，Vera Rubin GPU 負責模型推理，Vera CPU 承載智能體的運行框架和工具調用，OpenShell 劃定隔離和權限邊界，BlueField-4 DPU 上則跑着英偉達的 Sentry 安全框架。黃仁勳的概括是，智能體在 Rubin 上思考，在 Vera 上行動，在 BlueField 上被管住。

這套設計的意義在於，安全邊界不再只依賴模型「自覺」或軟件層的護欄。模型遇到提示詞注入時，軟件防線可能失守，而跑在 DPU 上的管控獨立於智能體本身。英偉達稱，智能體一旦越界，Sentry 能在毫秒級把它隔離並叫停，這一點還有待第三方驗證。

合作名單相當長，Anthropic、OpenAI、微軟、谷歌雲、AWS、SAP、ServiceNow、CrowdStrike、Palo Alto、摩根大通都在大屏上。ServiceNow 已經可以用自家治理平臺制定權限、由 OpenShell 執行，並能快速撤銷智能體的訪問權。不過多數安全廠商仍處在集成階段，一些銀行還在評估。

另一面也要看到，完整的參考架構建立在英偉達自家的 GPU、CPU 和 DPU 之上。對企業來說，獲得硬件級安全的同時，也意味着和英偉達全棧綁得更緊。

03

物理 AI 在歐洲

把 GTC 放在柏林，很大程度上是衝着歐洲的工業底子來的。黃仁勳這次說，「Robotaxi 是機器人和物理 AI 第一個大衆市場應用。」

最具體的一單來自歐洲出行平臺 Bolt。它選用英偉達的 Alpamayo 技術棧開發 Robotaxi，計劃獲批後 2027 年先在馬德裏採集道路數據，目標是在歐洲部署至少 2.5 萬輛基於 Hyperion 平臺、具備 L4 能力的 Lucid 車輛，德國是重點市場之一。沃爾沃也宣布採用 Hyperion 和 Alpamayo，黃仁勳還提到，奔馳、大衆商用車和捷豹路虎的下一代車型將兼容 Hyperion。

車端的新模型是 Alpamayo 2 Edge，20 億參數，針對 DRIVE AGX Thor 芯片優化，每秒運行 10 次，負責理解路況和規劃運動。配套的 Halos SAFE 把仿真、軟硬件測試、道路測試和車隊監控串起來，幫車企積累可追溯的安全證據，這恰恰是自動駕駛在歐洲拿牌照繞不開的一環。

人形機器人這邊，德國思靈機器人推出了 Agile ONE SN 參考平臺。它高 1.4 米、重 40 千克，本體 31 個自由度，兩只五指靈巧手各有 20 個自由度，由 Jetson Thor 驅動，跑英偉達的 Isaac GR00T 模型，2027 年初推出。Agility Robotics、Figure、庫卡等公司在同一套平臺上開發。

英偉達對這個平臺的定位相當克制。它承認人形機器人的開發門檻依然很高，目前基本是資金雄厚的公司才玩得轉。Agile ONE SN 加上新的 Isaac OS、Isaac Lab 3.0 和仿真資產庫，目標是把研究人員搭建和配置的時間從幾周縮到幾天，但這並不等於機器人已經能在產線上穩定幹活。

工業現場的演示也是同樣的思路。西門子埃爾朗根工廠讓智能體先在數字孿生裏驗證新品投產方案，達索系統展示了智能體把大衆高爾夫的車門設計改到途觀上，仿真發現振動問題後繼續迭代，最後交給工程師拍板。物理 AI 在歐洲的切入點很務實，先進入最耗工程師時間的仿真和測試環節，而不是急着替換產線。

演講臨近結束，四只 Microduck 小機器鴨走上了舞臺。它們聽指令坐下、站起、趴下「睡午覺」，有一只沒跟上節奏，絆了一下又自己爬起來，黃仁勳連聲招呼它「集中精神，過來」，全場都笑了。他對這幾只小鴨子說，它們在 RTX Spark 上誕生，在雲端的英偉達超級計算機上訓練，又在數字孿生裏學會了技能。

這幾只搖搖晃晃的機器鴨，恰好是這場演講的縮影。AI 從芯片走到機房，從對話框走到工廠和馬路，每往前一步，都需要有人把電、安全和工程這些不那麼性感的問題，一件件解決掉。

*頭圖來源：AP

本文爲極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

相關閱讀

• 原創 一天蒸發1400億，「寧王」怎麼了？2026-10-23
• 尊界“剎車門”中，餘承東也學“乖”了2026-10-23
• 原創 靠收兒童手錶“合群稅”，段永平“門徒”拿走行業半數銷售額2026-10-23
• 具身智慧“三板斧”—2026-10-23
• 這項技術，有望讓人“復生”？2026-10-22