十年算力飞跃与AI制造业定义

十年前，黄仁勋亲手将一台重达两人才能抬动的DGX-1送给了OpenAI，这台机器拥有128GB内存和1 petaflop算力。而在柏林GTC大会上，他单手举起了一台同样配置（128GB内存、1 petaflop算力）的笔记本电脑。十年间AI性能提升了一百万倍，远超摩尔定律预测的一百倍。这一万倍的差距源于英伟达的极致协同设计：芯片架构、系统形态、软件与算法四层同步迭代，而非单纯更换更快的芯片。

黄仁勋提出核心判断：AI不是软件，是制造业。他将产业划分为五层蛋糕：底层能源驱动计算机；计算机堆叠形成AI工厂；工厂运行模型产出Token（数字智能）；最后嵌入行业应用。每一层都在创造就业与增长。英伟达已不仅是GPU厂商，而是通过芯片加速算法的“算法公司”。其产品线覆盖从底层硬件到上层CUDA-X库及模型工具的全栈生态。

“我们是一家算法公司，通过开发芯片来加速那些算法。”

硬件革新：Vera Rubin与DSX Pod预制化

英伟达展示了代号为Vera Rubin的新一代计算机，其架构与以往截然不同：无线缆、100%液冷。组装时间从Grace Blackwell节点的2小时压缩至不到5分钟，单GPU算力达20 petaflops。通过NVLink交换机连接72块GPU构成巨型计算机。网络层面推出Spectrum-X共封装光学以太网交换机，采用CuPy工艺将硅光子直接封装至芯片，跳过电路板瓶颈，实现512端口、每端口200Gbps的带宽。

为解决AI工厂建设周期长的问题，英伟达发布DSX Pod。这是一套预制化基础设施，包含7个液冷机架、17公里Spectrum-X线缆及Vera Rubin NVL72单元，在工厂完成布线测试后以集装箱形式运抵现场。DSX Pod将交付到产出Token的时间从4-5个月压缩至约1个月，避免了一座年收入预期400亿美元工厂因延迟投产造成的百亿美元损失。

“一座1GW容量的AI工厂造价大约500亿美元，投产延迟三个月就是100亿美元的收入损失。”

软件栈与智能体架构：OpenShell安全沙箱

AI工厂的高效运转依赖全栈软件。黄仁勋定义了智能体的五个核心要素：模型（大脑）、Agent Harness（外骨骼，协调工作流与记忆）、沙箱（安全隔离环境）、知识（企业数据理解）和工具（CUDA-X库执行计算）。未来将是混合模型时代，公司需根据任务选择闭源、开源或定制模型。

针对智能体权限滥用风险，英伟达发布OpenShell开源安全运行时环境。其核心机制分为三层：策略层通过YAML定义文件与网络访问权限，在系统调用级别执行；凭证层由外部Supervisor进程保管密钥，智能体本身不持有任何密钥；隔离层确保每个智能体在独立沙箱运行，出站请求需经Supervisor检查。Sentry硬件加固层基于BlueField-4 DPU，可在毫秒级切断偏离策略的智能体连接。目前已有Anthropic、微软等超100家机构支持。

“OpenShell在系统调用级别执行这些策略……一个被攻陷的智能体无法泄露密钥，因为它从来没有拥有过密钥。”

开放模型策略与Agent Knowledge Foundation

英伟达采取独特的开放模型策略，不仅提供权重，还公开训练数据和完整复现脚本。Nemotron系列语言模型通过合作伙伴的后训练和微调达到前沿水平，如AI21、Code Rabbit等案例所示。客户只需基于好的开源模型进行后训练，即可生产针对自身业务的“主权智能”。

为了让智能体真正理解企业数据，英伟达推出Agent Knowledge Foundation工具链。包括：Nemotron Parse从PDF等非结构化文档提取信息；Nemotron Embed将查询匹配至向量数据库；Nemotron 3 Omni进行多源搜索与排序；Kumo针对结构化SQL数据库做预测。在供应链场景中，系统能结合非结构化的短缺通知与结构化的订单数据，自动预测影响并寻找替代零件。

“他们提供的开放模型不只包括权重，还包括训练数据和完整的复现脚本。”

物理AI浪潮：电信、自动驾驶与人形机器人

黄仁勋指出物理AI是下一波浪潮，即AI理解、推理并与物理世界交互。在电信领域，英伟达利用光线追踪技术提升无线通信频谱效率百万倍。全球约10万个电信站点将演变为去中心化AI网络，英伟达与Nokia已在T-Mobile完成首次商用通话。CUDA现在能打电话了。

在自动驾驶领域，英伟达发布标准化架构Hyperion。标准配置包括14个摄像头、9个雷达、3个激光雷达及大量超声波传感器，由双GPU系统驱动。Hyperion旨在创建虚拟车队标准，允许大众、沃尔沃、奔驰等品牌接入网约车平台。在人形机器人方面，针对行业碎片化难题，英伟达与Agile Robots合作推出参考机型Agile One。构建物理AI系统需三台计算机：云端训练、Omniverse数字孪生验证技能、机器人本体执行。

“构建物理AI系统需要三台计算机，第一台在云端训练……第二台是Omniverse数字孪生平台……第三台是机器人本体上的计算机。”

个人智能体与MicroDuck演示

演讲回归起点PC，发布搭载N1X芯片的RTX Spark个人电脑。其FP4 AI算力最高达1 petaflops，统一内存最高128GB。相比十年前需两人抬的DGX-1，如今可单手举起。针对更强需求，还提供搭载RTX Spark、算力20 petaflops、内存754GB的DGX Station，预计年底上市。

结尾演示中，四只由法国Pollen Robotics制造的MicroDuck机器人走上舞台。开发者使用Hermes agent、Nemotron及GPT-6 Astra模型，配合FreeCAD和Isaac Sim工具，在RTX Spark上完成3D建模到物理仿真全流程。训练在云端并行进行数千只虚拟鸭子摔跌学习，策略下载回RTX Spark评估后部署真机。黄仁勋通过指令让鸭子行走、坐下、翻跟头，生动展示了从云端训练到边缘部署的物理AI闭环。

“你们诞生于RTX Spark，在云端一堆超级计算机上训练，又在数字孪生里学会了本事。”

结论

黄仁勋在GTC柏林2026上确立了AI即制造业的核心叙事，强调英伟达已从单一GPU供应商转型为覆盖能源、算力基础设施、模型层及应用层的全栈算法公司。通过Vera Rubin硬件革新与DSX Pod预制化解决算力供给瓶颈，利用OpenShell和Agent Knowledge Foundation构建安全且懂业务的企业级智能体生态。在物理AI领域，英伟达通过Hyperion标准化自动驾驶和Omniverse+本体计算机架构推动人形机器人落地。最终，英伟达为企业提供的路径是：选用基础模型 -> 私有数据后训练 -> Agent Knowledge Foundation注入知识 -> CUDA-X赋予工具能力 -> OpenShell保障安全，从而将专业能力转化为“主权智能”。