夜讀 | 黃仁勛GTC柏林演講說了些什麼？模塊化AI工廠、企業級智能體和機器人是下一個方向！

財聯社10月21日訊（編輯 牛佔林）當地時間周二，英偉達首席執行官黃仁勛在GTC柏林大會上發表主題演講，展示公司在AI基礎設施、智能體、開放模型、工業機器人和自動駕駛等領域的最新佈局。從模塊化AI工廠到企業級智能體，再到面向人形機器人的開放技術平臺，英偉達正將競爭優勢從GPU芯片延伸至硬件、軟件、模型和行業應用構成的全棧生態。

黃仁勛表示，計算機產業正處於一場新工業革命的起點。隨着AI從內容生成工具向能夠自主推理、調用工具和執行任務的智能體演進，企業不僅需要使用AI，還需要具備生產和部署AI的能力。

AI工廠加速落地，基礎設施建設邁向標準化

黃仁勛將AI產業比作一個由五層構成的體系：能源、加速計算、AI工廠、AI模型，以及嵌入各類應用的數字智能。他指出，AI模型出現之前，基礎設施必須先行到位。隨着AI應用擴張，電力供應、數據中心建設和算力部署效率正成為產業發展的關鍵因素。

為加快基礎設施建設，英偉達宣佈推出DSX POD參考設計，用於建設基於Vera Rubin平臺的完整AI工廠。合作伙伴可在模塊化集裝箱內完成系統集成與驗證。英偉達表示，在現場公用設施準備就緒后，該方案有望將部署周期從約六個月縮短至14天。

英偉達還稱，其DSX AI工廠平臺能夠將冷卻用水量降至近零，並在實現相同AI產出的情況下減少最多30%的能耗。

通過標準化硬件、軟件和基礎設施設計，英偉達希望降低數據中心建設的複雜度，加快算力投入使用。公司表示，已與歐萊雅、Spotify、沃達豐、保時捷、雀巢和匯豐銀行等歐洲企業開展AI合作，並計劃向歐洲技術生態投入近100億美元，與超過1.2萬家合作伙伴協作。

黃仁勛強調，歐洲不應只消費AI服務，還應具備生產AI的能力。這也體現出英偉達希望通過本地算力基礎設施和行業應用，進一步擴大在歐洲市場的影響力。

智能體成為新計算平臺

智能體是此次演講的另一項重點。與主要負責回答問題的聊天機器人不同，智能體能夠進行推理、調用工具、訪問知識庫並執行工作流程。隨着其承擔的任務越來越複雜，Token(詞元)消耗也有望進一步增長。

但智能體執行能力的增強也帶來安全風險。由於可能訪問企業文件、網絡和業務系統，權限管理不當可能造成數據泄露或其他問題。

針對這一挑戰，英偉達推出OpenShell安全智能體參考架構，通過開源運行環境、內核級沙箱和策略控制機制，限制智能體能夠訪問的資源，並監測其行為。黃仁勛表示，智能體的權限應根據具體任務動態調整。

英偉達還發布Agent Knowledge Foundation，幫助智能體接入企業文檔、數據庫等內部信息，並提供文檔解析、信息檢索和結構化數據預測等工具。

黃仁勛認為，企業專有知識是提升智能體能力的關鍵。企業可以基於英偉達的開放模型，利用自身數據進行后訓練，使模型適配特定業務需求。他將這一過程稱為打造「主權智能」。

在模型層面，英偉達展示了覆蓋多個專業領域的開放模型，包括用於語言任務的Nemotron、用於世界基礎模型的Cosmos、面向人形機器人的GR00T，以及用於自動駕駛的Alpamayo等。

與此同時，英偉達繼續強化CUDA-X加速計算庫的作用。公司表示，其加速計算平臺已有超過1100萬名開發者。相關工具能夠幫助智能體調用模擬器、計算求解器和數據處理引擎，將AI能力轉化為實際工作成果。

從芯片到模型、軟件和開發工具，英偉達正試圖通過全棧生態提高客户黏性，擴大其在AI產業鏈中的價值份額。

AI應用從數字世界走向現實產業

物理AI是此次大會的另一條主線。英偉達展示了智能體在工業設計、實驗室和工廠中的應用：在Lila Sciences平臺，智能體協助設計潛在的淋巴瘤治療方案；在西門子工廠，智能體通過數字孿生測試新產品的生產計劃；在達索系統的工程設計場景中，智能體則藉助仿真識別車輛設計問題並優化方案。

醫療領域，英偉達與西門子醫療正在開發AI驅動的自適應放射治療方案。系統通過數字孿生模擬設備和患者解剖結構，並結合實時成像與傳感器數據，在患者身體和腫瘤發生變化時調整放射治療目標。

在自動駕駛領域，沃爾沃汽車正在採用英偉達Hyperion計算平臺及Alpamayo軟件棧。黃仁勛還宣佈，大眾商用車、捷豹路虎、沃爾沃和梅賽德斯-奔馳的下一代車型將兼容Hyperion平臺，相關應用涉及L3、L4級自動駕駛及未來Robotaxi車隊。

機器人方面，英偉達推出基於Isaac GR00T的Agile ONE SN參考人形機器人平臺，擁有31個自由度，預計於2027年推出。該平臺結合開放模型、仿真訓練工具和運行系統，旨在降低機器人研發門檻。Agility Robotics、Figure、庫卡和NEURA Robotics等企業也在使用英偉達的相關技術。

這些佈局表明，英偉達希望將加速計算的應用範圍從數據中心擴展至工廠、醫院、汽車和機器人等現實場景。公司無需直接製造所有終端設備，也可以通過提供計算平臺、模型和軟件工具參與相關產業的發展。