黄仁勋算了一笔经济账，英伟达决定用“预制工厂”抢回数据中心工期

近期股市AI板块震荡剧烈，英伟达（NVDA.O）CEO黄仁勋在欧洲的访问持续一周后，北京时间10月21日在柏林的GTC演讲成为最受瞩目的部分。外界关注英伟达会推出什么新产品或技术、能否刺激AI基础设施建设继续进行。

答案揭晓：英伟达要用一个叫做DSX POD AI的工厂参考设计，像集装箱一样放到数据中心，不用花费数月时间安装，让数据中心更快开始赚钱。

这是英伟达重点针对欧洲市场的产品，也面向全球其他市场。另一个重要信息黄仁勋并未在演讲中重点提及，但英伟达很快发了新闻稿，宣布扩大供应链产能。

黄仁勋演讲结束后，美股10月21日盘前，英伟达涨超1%。

让计算节点预安装好

英伟达将计算系统的集成度进一步拔高，这次推出的是一款预安装好的参考设计产品。

Vera Rubin DSX POD几乎是在供应链已集成好的系统，含约1000万个零部件，重约2.8万公斤，内部包含长20公里的铜缆、3500根线缆和17公里长的Scale-Out（横向扩展）网络。在交付前，它已完成接线和测试，装进集装箱，可通过公路运输。

黄仁勋说，原来英伟达做NVLink72，把整机架放到供应链里装配，已是在规模化制造超级计算机。但即便如此，当这些机架系统运到站点，现场装配时间长依然可达6个月，通常也要4~5个月。“仅Scale-Out用Spectrum-X接线就长达17公里，这是个疯狂的数字。”他解释，DSX POD交付后则不需要布线，可以一个月左右完成装配，短的话14天。

“这会加快欧洲建设基础设施的速度。”英伟达超大规模与高性能计算副总裁Ian Buck（伊恩·巴克）向第一财经等媒体解释，这款产品按全球部署设计，近期面临的机会点是欧洲等地AI工厂部署。它面向吉瓦级数据中心之外百兆瓦级数据中心的需求，用于快速补上产能。

黄仁勋算了一笔经济账：每吉瓦数据中心的建造成本约500亿美元，预期每年带来数百亿美元收入。假设每年产生400亿美元收入，若因装配晚了三个月，将少100 亿美元收入。加快装配速度可以减少躺在数据中心里的闲置算力，这是对全球供应链和建设数据中心方式的重构。

英伟达还回应了外界关于数据中心用电、用水量大的担忧。

黄仁勋发布了全栈AI工厂参考架构DSX。该架构为封闭式循环液冷，用45度温水冷却GPU，不通过蒸发来冷却。据介绍，在2吉瓦规模下，每天可省下5400万升水，相当于18万户家庭的日用水量。

英伟达还推出新技术以动态分配电力，降低数据中心总用电量。Ian Buck称，在用电尖峰或电网需回收电力时，DSX数据中心可以自动把电让出来，“想象球赛中场休息时，全英国的人同时按下烧水壶，电网瞬间多出1吉瓦负荷。今天可能还要人工管理，电网打电话请求数据中心调配，而DSX Flex技术可以实现自动化。”

“我们必须把数据中心看成电网运营商的合作伙伴，而不是电网耗电大户。”Ian Buck告诉第一财经等媒体，这套机制正在多地生态伙伴、云服务商中落地，这是英伟达扩大AI工厂规模的重要一环。业界也在探索电网与数据中心反向供电，Meta近期提出的方案意在分配、优化用电，与英伟达的思路有相似之处。

黄仁勋此次柏林演讲还回应了另一个备受关注的问题，即AI安全。此前业界关于AI安全的恐慌，一度成为AI板块个股下跌的背景。

“在讲怎么让智能体有用之前，最重要的是必须确保智能体安全。”黄仁勋称。英伟达推出OpenShell安全运行时系统。Anthropic则与英伟达合作，打造Claude模型的OpenShell智能体。

英伟达企业AI副总裁Justin Boitano（贾斯汀·博伊塔诺）向媒体进一步解释，目前大部分关于安全的讨论都集中在AI模型，包括模型对齐和模型护栏，但模型本身无法被训练到理解每家企业、每个政策。智能体系统的安全与治理不能只依赖模型，控制必须贯穿整个智能体栈。将智能体工具执行放在OpenShell沙箱里，可以让智能体只拿到需要的那部分权限。

面向智能体应用，英伟达此次还推出Kumo开源模型和Agent Knowledge Foundation（智能体知识底座）。

扩大供应链产能

黄仁勋演讲时，英伟达发了一份新闻稿，宣布与供应链合作以扩大产能。扩产的消息，意味着在近期股市AI板块震荡的背景下，英伟达仍押注需求扩大。

英伟达宣布，三星电机加入英伟达的基板供应链，计划通过IBIDEN、三星电机和欣兴电子的合作，未来三年推动基板产能提升2.5倍；先进封装方面，英伟达和Amkor计划扩大在韩国的先进封装能力，到2028年底Amkor将把先进封装产能提高300%以上；测试方面，京元电子将在美国建设新厂，英伟达为其提供11亿美元的产能预留预付款，英伟达预计半导体测试总产能到2027年将翻倍。

CPO（光电共封装）产能也在扩大。黄仁勋展示了Spectrum-X，称这是全球首个量产的CPO产品。他现场比划，激光如何穿过光学器件连到芯片上。英伟达称，合作伙伴矽品精密的目标是到2027年中把用于CPO的光引擎产能提高15倍，到2028年底再翻一倍。

扩大产能的同时，黄仁勋还重点谈到物理AI，包括电信基站、自动驾驶和机器人。他预测，未来每一家电信运营商的网络，未来都会演变成一个分布式AI网络。AI将改变做电信的方式，极大提升频谱效率。他还透露，上周英伟达与诺基亚在T-Mobile网络上打通了第一通商用电话，一旦做到这一点，就可以在上面叠加AI。

出货量最大的物理AI应用则是自动驾驶。“每家车企都希望把自己的车纳入出租车车队。今天有Uber、Bolt、Grab等，还会有 Robotaxi（自动驾驶出租车）接入，但不会只来自一个品牌。”黄仁勋称，假设全世界每年出行距离约1万亿英里，按每英里经济价值1到2美元计算，其中相当一部分将会跑在Robotaxi上，这是一个巨大的机会，但极其碎片化。

英伟达的方案是建立行业标准并与生态合作，造一支所有人都能接入的巨型虚拟车队，依托多层的方案和技术。Bolt和Lucid、梅赛德斯-奔驰、大众商用车等厂商已在使用英伟达面向L4级自动驾驶的标准平台Hyperion。

机器人方面，英伟达宣布与机器人公司Agile合作推出人形机器人参考平台Agile ONE SN，预计明年第一季度交付，用于推进前沿人形研究与开发。

在接受采访时，机器人与边缘计算副总裁Deepu Talla（‌迪普·塔拉）表示，就像自动驾驶汽车走到技术拐点一样，同类物理AI技术也开始在边缘场景被采用，例如局部移动与导航、自主移动机器人、在非结构化环境里作业的巡检机器人。算力部署则呈现混合的状态，可能用到边缘算力、工厂本地算力和云算力等，预计物理AI的部署会开始起飞，欧洲部署已非常激进。