AI经济的新范式：从消费者到生产者

黄仁勋在演讲开篇回顾了NVIDIA与欧洲长达33年的渊源，从早期的NV1芯片在欧洲制造到如今成为汽车设计工作站的标准配置。他指出，当前欧洲众多知名企业如莱雅、Spotify、默克等都在与NVIDIA合作推进AI。他强调，AI不仅仅是软件技术，而是一种制造业。为了理解这一转变，他提出了一个“五层蛋糕”模型：底层是能源驱动的先进电脑（AI工厂），中间层生成token（数字智慧）和模型，上层整合进应用。在这个框架下，参与AI经济的关键在于从单纯的消费者转变为生产者。正如黄仁勋所言：

“要参与这个 AI 经济，你不会只想当 AI 的消费者，你会想当 AI 的生产者。”

这种转变标志着新工业革命的起点，AI将像电力一样全方位影响所有产业。欧洲正在通过投资初创企业和建立合作伙伴关系（已有超过12,00个伙伴）来加速这一进程，构建包含能源、基础设施、模型和应用在内的完整生态体系。

Vera Rubin架构与极致协同设计

NVIDIA通过“极限协同设计”在过去十年将AI效能提升了一百万倍。这一成就超越了摩尔定律（通常认为十年提升100倍），得益于从芯片到系统软件的全栈创新。随着Blackwell之后，Vera Rubin架构已全面量产。黄仁勋展示了全新的Vera电脑，这是全球第一台百分之百液冷、无线材连接的AI计算机。与过去Grace Blackwell节点组装需两小时且布线复杂不同，Vera电脑组装不到五分钟，可靠性大幅提升。该系统配备两颗GPU和强大的CPU（每个时钟周期执行八条指令），并拥有全球首个LPDDR内存系统，专为代理式工作负载设计。

在连接性方面，NVLink交换器托盘能将72颗GPU连成一颗巨大的虚拟GPU。每颗GPU提供20 petaflops的算力，整个系统形成强大的处理核心。此外，NVIDIA还推出了全球首个共同封装光学（CPO）元件Spectrum-X交换器，利用硅光子技术直接将光信号接入芯片，实现了512个端口、每端口200Gbps的极高数据传输速率，解决了传统PCB传输瓶颈。黄仁勋指出：

“Vera Rubin 又比 Blackwell 快 30 倍，只花了两年时间。”

DSX Pod：加速AI工厂部署的基础设施创新

面对庞大的基础设施需求，NVIDIA推出了全端AI工厂参考架构DSX（Datacenter System eXtreme）。该架构整合了运算、网络、存储及供电散热，并通过数字孪生技术在动工前进行虚拟验证。DSX在可持续性方面表现卓越：采用闭路液冷设计，冷却液温度可达摄氏45度；在2吉瓦规模下，每天可节省5,400万公升水。为了进一步缩短部署时间，NVIDIA宣布推出DSX Pod。这是一个出厂即整合的系统，由七座液冷运算机柜组成，通过17公里Spectrum-X线缆连接。DSX Pod将现场部署时间从数月缩短至数天，并采用800伏特直流电接入以提高供电效率。黄仁勋总结道：

“有了 DSX Pod，AI 工厂能以光速建成，每瓦更多智慧。”

这一举措旨在解决电力限制和部署周期长的痛点，确保AI工厂能快速产出token。通过整合PTC、达梭系统、施耐德电机等合作伙伴的技术，DSX实现了从设计到运营的全方位优化。Vera Rubin不仅处理大型语言模型，还通过代理框架（Agent Framework）支持感知、推理和工具使用，标志着AI从被动生成走向主动代理的新阶段。

供应链重构：从现场组装到预验证出货

英伟达通过重新定义超级电脑的制造与交付流程，大幅提升了部署效率并减少了资本闲置。早在2016年推出的全球首台AI超级电脑仅为单一GPU节点，而三年前发布的Grace Blackwell NVLink 72则实现了机柜级集成。这种转变不仅是硬件升级，更是对软件、运作方式及供应链的重塑。通过将组装环节前置到供应链中完成，英伟达实现了超级电脑的大规模制造。这意味着设备在出货前已完成验证和烧机测试，现场只需极少的布线工作。原本需要数月甚至数月的组装时间被大幅压缩。

这一变革对数据中心运营具有巨大的经济意义。一座GW级数据中心的造价高达500亿美元，若其每年能创造400亿美元的营收，那么延迟三个月上线将导致高达100亿美元的收入损失。通过供应链预组装，从设备进场到开始产出Token的时间可从4-5个月缩短至约1个月。这种速度提升直接减少了闲置算力和资本支出，让基础设施更快产生价值。英伟达将这种大型机柜系统称为DSX Pod，标志着运算规模的空前扩展。

通用架构与全端AI工厂：独特的市场渗透策略

英伟达的核心竞争力源于其唯一通用的加速运算架构以及构建全端完整AI工厂的能力。该架构不局限于单一算法如Transformer，而是支持所有可并行化的运算，涵盖流体、粒子、量子化学、影像处理及结构化向量数据等广泛领域。25年来架构的一致性使得英伟达能够服务众多产业，其安装基础和软件生态系因此变得无所不在且历久弥新。

不同于大多数公司试图自行设计芯片，英伟达结合CUDA与全端AI工厂理念，服务于云端服务商（CSP）、AI原生公司、Neocloud以及全球企业的OEM/ODM伙伴。这种策略让英伟达能够进入原本难以触及的市场，并与Anthropic、Meta等前沿实验室合作。更重要的是，英伟达致力于让欧洲及全球各地区的终端产业——如汽车、医疗和金融——都转变为AI公司。通过提供灵活、耐用且高效的底层基础设施，英伟达确保了从数据处理到推理代理的每一步都能被加速，从而支撑起整个AI经济的繁荣。

AI代理的安全沙箱：OpenShell与Sentry的防御机制

随着AI从内容生成转向生产力工具，开源AI代理（Agent）概念的兴起引发了Token消耗量的激增。代理具备思考、推理和使用工具的能力，但也因此带来了安全风险。为确保自主系统的安全，英伟达推出了OpenShell安全执行环境。正如演讲所言："希望不等于安全，安全不该只是愿景而是技术与工程。"

OpenShell采用沙箱隔离与硬件层级监控相结合的策略。每个代理运行在独立沙箱中，无法直接连接网络，所有对外请求需经沙箱外的Supervisor依据政策检查。密钥由Supervisor保管，仅在送往核准端点时添加。NVIDIA Sentry部署在BlueField 4上，提供主机外的防护层。若代理试图执行非预期操作，Sentry会在毫秒内切断连接并更新策略。OpenShell以Apache 2.0授权开源，支持从边缘到云端的动态权限管理。Anthropic已与英伟达合作打造Claude OpenShell代理，标志着这一安全框架被主流大厂采纳。

从开源模型到专家工具：构建超级代理的知识基础

打造强大的AI代理需要三个核心要素：安全的执行环境、灵活的模型以及专业的工具库。英伟达提供Nemotron等开源大语言模型，并开放完整配方与数据，允许企业利用专有数据进行微调后训练（Post-training），从而将通用模型转化为具备行业前沿能力的定制AI。例如，A21协助Alice、Baseten与CodeRabbit合作，均通过微调Nemotron达到了前沿性能。

然而，让代理真正有用的关键在于其访问公司知识及专业工具的能力。英伟达构建了"代理知识基础"，包含Nemotron Parse（解析非结构化文件）、Embed（向量检索）和Rerank（相关性排序），以及Kumo用于预测结构化数据中的事件。CUDA-X函式库则提供了流体动力学、量子化学等专家级工具。这些工具让代理不仅能推理，还能执行实际工作。正如黄仁勋所言："CUDA-X函式库是我们公司最珍贵的资产……它们就是演算法。而大家都知道，演算法是美的。"通过结合BioNeMo、Cosmos等模型与CUDA-X工具，英伟达正在赋能实验室助理（如Lila Sciences）、工厂代理（西门子）及虚拟协作伙伴（达梭），实现从数字世界到实体世界的全面自动化。

AI代理的五大核心构件与行业变革

AI 代理并非凭空产生，而是整合了模型、Harness（协调器）、知识基础、工具和安全执行环境这五大构件。其中，模型负责感知与推理，Harness 协调整体工作流，知识基础提供企业专属的结构化与非结构化数据脉络。工具让代理能进行模拟与行动，而 NVIDIA Open Shell 则管控其安全执行环境。这种架构使得任何公司都能利用 NVIDIA Agent Toolkit 将专业知识转化为定制化的超级代理。黄仁勋强调，AI 的到来不会终结工具软件，反而会让每一家工具公司都转型为 Agent 公司。

"事实正好相反 AI 确实来了 但我们打造的工具，使用者只会比以前更多"

这一趋势在 Cadence、CrowdStrike 和达梭系统等企业软件巨头中已清晰可见。通过开放模型与 CUDA-X 加速工具的整合，代理能够更擅长使用其原生工具，从而优化工作流程。这种转变意味着企业不再仅仅是提供软件许可，而是提供经过优化的、能自主执行任务的智能体。这种基于五大构件的标准化架构，极大地降低了构建复杂 AI 代理的难度，为各行各业的智能化奠定了坚实基础。

实体AI：从电信基站到Robotaxi的标准化生态

实体 AI（Physical AI）是理解并推理物理世界的下一代浪潮，其应用远超机器人范畴。电信基站被视为天然的实体 AI 应用场景，通过无线电波感知世界并利用波束成形进行互动。AI 将大幅提升频谱效率，其运算需求对比传统方式有数量级的差异。西方世界约有十万个基站站点，总功率约一百吉瓦，未来将转化为分散式的 AI 基础设施。NVIDIA 与 Nokia 合作打通了 T-Mobile 网络的首通商用电话，标志着 CUDA 也能用于传统通话，为叠加 AI 能力铺平道路。

在交通领域，NVIDIA 推出了 Hyperion 标准架构，整合了14颗摄影机、9组雷达和3组光达等传感器。这一架构已成为行业事实标准，福斯、JLR（捷豹路虎）、Volvo 和宾士等品牌的新车型均将加入这一 Hyperion 网络。通过打造统一的感知与计算标准，NVIDIA 旨在连接全球叫车服务（如 Uber、Bolt），形成巨大的虚拟车队生态。这种标准化不仅降低了自动驾驶软件的开发成本，更通过规模效应加速了技术的迭代与落地。

人形机器人：标准化配置驱动技术飞轮

人形机器人被视为下一个可能具有最大产量的机器人形态。其难点在于任务多样性，若为每种任务定制配置，将阻碍技术飞轮的转动。标准化配置是驱动产量、降低成本并加速迭代的关键。人形机器人具备通用性，配合 AI 的快速学习能力，中小企业无需编写复杂代码，只需通过示范教学即可让机器人适应多种任务。欧洲在机电整合与精密制造方面的优势，使其在人形机器人产业中占据重要地位。

构建实体 AI 系统需要三台“电脑”：第一台用于训练模型；第二台是 Omniverse 数位孪生世界，用于让 AI 在虚拟环境中学习技能并验证物理交互；第三台则是部署在实体设备（如机器人或自动驾驶汽车）上的边缘计算单元。以 NVIDIA 与 Agile Robotics 合作的 Agile 1 参考机器人为例，它预装了整合好的软硬件，旨在成为加速机器人技术发展的起点。这种从训练、仿真到部署的完整闭环，确保了 AI 模型能安全、高效地迁移至物理世界。

RTX Spark：个人电脑成为AI代理的执行终端

NVIDIA 重新定义了个人电脑，将其从工具转变为拥有五要素的 AI 代理伙伴。通过四年秘密研发，NVIDIA 推出了搭载 N1X 晶片的 RTX Spark PC。这款设备拥有 1 petaflops 的计算能力和 128 GB 内存，其算力相当于四年前交付给 OpenAI 的 DGX-1 超级计算机（同样为 1 petaflops、128 GB），但体积仅可手持，而 DGX-1 需两人搬运。此外，还有搭载 20 petaflops 算力和 754 GB 内存的 DGX Station，支持运行 CATIA、Autodesk 等专业软件。

在演示中，黄仁勋展示了如何利用 RTX Spark 训练 Hugging Face 的机器人 Microduck。整个过程横跨三台电脑：本地 RTX Spark 负责规划与初步建模（使用 Nemotron、FreeCAD、Blender），云端超级计算机进行大规模平行训练（Isaac Lab），最后将验证后的策略部署回本地或实体机器人。这一流程证明了个人电脑已具备从头构建和执行复杂 AI 代理的能力。随着 RTX Spark PC、DGX Station 等产品的上市，企业和个人用户可以在本地安全地运行由五大构件组成的 AI 代理，真正实现了“在欧洲打造 AI 经济”的愿景。

"这台我可以这样拿着，DGX-1要两个人才擡得上楼。这就是全新的 RTX Spark PC"

"这些 AI 工厂不再只是跑模型，而是执行一整个 AI 代理"

"没有国家或地区像欧洲这样投入机电整合、电子以及机械系统，达到这种精密与工艺水准"

欧洲 AI 经济的新愿景

黄仁勋在演讲结尾向欧洲的合作伙伴发出号召，提出了“MicroDuck”这一概念（注：此处为字幕原文转录），旨在团结新朋友共同构建欧洲的 AI 经济体系。他强调的核心目标是让人工智能真正投入实际工作，从单纯的消费端转向生产端。

“MicroDuck，我的新朋友们 让我们携手打造欧洲的 AI 经济，让 AI 投入工作”

这一愿景不仅关乎技术部署，更涉及经济结构的转型。通过整合欧洲的资源与创新力量，旨在建立一个可持续的 AI 生态系统。黄仁勋指出，AI 不应仅被视为一种消费工具，而应成为推动生产力提升的核心引擎。这种转变要求企业、政府和研究机构紧密合作，共同应对挑战并抓住机遇。

演讲结语与致谢

在正式内容的最后，黄仁勋向所有参会者致以祝福，祝愿大家拥有一个精彩的 GTC（GPU Technology Conference）盛会。这一简短的结语体现了 NVIDIA 对全球开发者社区和科技行业的重视，也标志着本次主题演讲在积极、充满希望的氛围中结束。

“好了，各位，祝大家有个很棒的 GTC！”

这一环节虽然简短，但强化了社区凝聚力。通过直接的致谢和祝福，黄仁勋拉近了与听众的距离，强调了 GTC 作为全球 AI 技术交流重要平台的地位。这种互动不仅是对过去成就的认可，也是对未来合作的期许。

视频制作说明与创作者寄语

作为视频的结尾部分，旁白介绍了本片的编辑背景。该视频由宝博制作，开头和结尾的 AI 语音使用了其本人声音授权训练的技术。中文字幕则由 AI 辅助翻译完成，确保了内容的准确性和可读性。

“这支影片开头和结尾的旁白 是用我本人声音授权训练的 AI 语音”

这一说明展示了技术应用的透明度。创作者明确指出了 AI 技术在视频制作中的具体应用环节，包括语音合成和字幕翻译。这不仅是对观众的负责，也反映了当前内容创作中 AI 工具的普及趋势。

“我是宝博，我们下次见”

最后，创作者以个人身份向观众告别，建立了长期连接。通过署名和预告下次见面，增强了观众的归属感和期待感。这种个人化的结尾方式在科技类视频中较为常见，有助于提升用户粘性和品牌忠诚度。

结论

NVIDIA通过Vera Rubin架构与DSX Pod等全栈创新，确立了从芯片到基础设施的通用加速优势。其核心逻辑在于将AI定义为制造业，通过供应链预组装与标准化生态（如Hyperion、人形机器人规范），将部署周期从数月压缩至数天，显著降低资本闲置风险。OpenShell与五大构件架构则解决了代理式AI的安全落地难题，使个人电脑也能执行复杂任务。

这一范式转变要求企业从AI消费者转型为生产者。虽然通用架构与全端整合构建了极高壁垒，但其成功依赖于能源、基础设施及合作伙伴的深度协同。实体AI的规模化仍需依赖标准化配置驱动的技术飞轮，而非单一硬件性能的提升。