GTC 柏林开幕前两周，费城半导体指数刚走完 2008 年以来最长的一轮连跌，市场反复在算同一笔账：巨额 GPU 投入什么时候变成回报。10 月 21 日，黄仁勋站上柏林 Tempodrom 的舞台，没有发布新芯片，只确认 Vera Rubin 平台已全面量产，然后把时间留给了三个更落地的问题。
集装箱就是 AI 工厂
过去建一座 AI 数据中心更像土木工程，服务器、网络、供电、液冷在现场逐一安装调试，大集群从进场到点亮常常要半年。英伟达给出的答案是 DSX POD：7 个液冷机架、内部约 17 公里线缆、800V 直流供电，在工厂集成测试完再装进集装箱运走。戴尔、HPE、联想、施耐德、维谛以及鸿海、广达、纬创等参与制造，预计 2027 年初交付；官方称在电力与场地就绪时，部署可从约 6 个月压到最快 14 天。
真正卡脖子的已经不只是芯片，而是电。DSX MaxLPS 在 GPU 之间动态分配功率，官方称同样产出下功耗最多降 30%；DSX Flex 让数据中心与电网联动，早期测试里一个 Blackwell Ultra 集群负荷最多降 40%。英伟达投资的 Nscale 给出的数据是，GB300 NVL72 在同等电力预算下多部署 37% 的 GPU，推理吞吐提升近 50%。衡量 AI 工厂的指标，正从"有多少卡"变成"每度电产出多少 Token"。当然，14 天的前提是电和场地已经到位，而欧洲不少地区电网接入本身就要排队；DSX POD 的价格和总拥有成本也还没公布。
给智能体装硬件刹车
OpenShell 这次给的是企业级落地方案：Rubin 负责推理，Vera 承载智能体运行框架与工具调用，OpenShell 划定隔离与权限边界，BlueField-4 DPU 上跑 Sentry。黄仁勋的概括是"在 Rubin 上思考，在 Vera 上行动，在 BlueField 上被管住"。
安全边界不再只靠模型自觉或软件护栏——跑在 DPU 上的管控独立于智能体本身，官方称越界可在毫秒级隔离，但这一点仍待第三方验证。完整架构建立在英伟达自家的 GPU、CPU、DPU 之上，企业获得硬件级安全的同时，也意味着和全栈绑得更紧。
物理 AI 先啃仿真
最具体的一单来自出行平台 Bolt：选用 Alpamayo 技术栈开发 Robotaxi，计划获批后 2027 年先在马德里采集道路数据，目标是在欧洲部署至少 2.5 万辆具备 L4 能力的 Lucid 车辆。车端新模型 Alpamayo 2 Edge 是 20 亿参数，针对 DRIVE AGX Thor 优化，每秒运行 10 次。
工业侧同样务实：西门子埃尔朗根工厂让智能体先在数字孪生里验证新品投产方案，达索则演示把高尔夫的车门设计迁到途观上、仿真发现振动问题后继续迭代，最后交给工程师拍板。物理 AI 在欧洲先进最耗工程师时间的仿真与测试环节，而不是急着替换产线。
演讲尾声，四只 Microduck 机器鸭上台，有一只没跟上节奏绊了一下又自己爬起来。这大概也是整场演讲的注脚：每往前一步，都得有人把电、安全和工程这些不那么性感的问题一件件解决掉。
原文链接：http://www.geekpark.net/news/372763
来源：极客公园
