欧洲算力缺口在前，Vera Rubin官宣全面投产

北京时间10月21日晚，英伟达GTC大会在德国柏林开幕，黄仁勋在主题演讲中亮出了新一代AI基础设施、企业智能体与机器人平台，把近半篇幅留给了工业生产与Physical AI（实体人工智能）。

他现场官宣，Vera Rubin已经进入全面生产阶段，英伟达的计算平台将从支撑大语言模型训练推理，扩展到运行完整的AI Agent。在他的逻辑里，模型只负责感知、推理、规划，要让AI真的落地干活，还需要调度框架、企业知识库、工具链，以及能限制权限的安全运行环境。

这次柏林GTC之前，黄仁勋已经走访了法国、英国、瑞典等多个欧洲国家。他透露，过去一年英伟达在欧洲技术生态投入近100亿美元，目前已经和超过1.2万家本地合作伙伴建立合作。

据美联社数据，目前欧洲仅拥有全球约5%的AI计算能力，如何加快数据中心建设、降低部署成本，是本次大会最核心的议题之一。

【编辑观察】：这波属于带着方案精准拓客——欧洲有明确的算力缺口和产业需求，英伟达直接把“缩短回本周期”的方案送到家门口，商业指向非常明确。

集装箱式AI工厂：部署从半年缩到14天

黄仁勋现场算了一笔建设账：一座功率为1吉瓦的AI工厂，覆盖土地、电力、计算硬件、网络、冷却系统的全链路建设成本约为500亿美元。对运营商来说，设备晚一天上线就晚一天产生收入，交付速度直接关系到投资回报周期。

为了压缩部署时间，英伟达本次正式发布DSX POD AI工厂参考设计：把Vera Rubin计算机柜、网络布线、液冷系统全部在工厂提前完成集成测试，再以集装箱的形式整体交付。

按照英伟达测算，只要场地供电等配套提前就绪，这套方案的现场部署时间可以从传统方案的约6个月，缩短到最快14天。戴尔、HPE、联想、施耐德电气等合作伙伴，计划在2027年初推出对应商用产品。

不过英伟达也明确给预期“降温”：缩短机房安装时间不代表解决所有建设难题，电力接入、场地施工、上游设备供应依然是独立约束。英伟达超大规模与高性能计算副总裁Ian Buck在会前采访中表示，超大规模数据中心依然具备规模效益，DSX POD近期的机会主要是服务数百兆瓦级项目、加快其部署节奏，并不会完全取代传统机房。

除了部署快，这套方案还兼顾了能耗优化：DSX MaxLPS技术可以根据不同工作负载动态分配电力，在保持相同Token产出的前提下，最高减少约30%的用电量；封闭式液冷配合适宜气候下的干式冷却，还能减少蒸发冷却带来的水资源消耗。

企业级Agent：安全权限成核心刚需

能自主执行任务的Agent，是本次大会的第二条核心主线。黄仁勋表示，传统大模型的核心能力是回答问题，而Agent可以主动调用工具、读取资料、反复迭代执行任务。对企业用户来说，关心的早已不只是模型的智商，更是Agent能访问哪些文件、能否调用内部系统、出现错误时能否立刻中止。

针对这一痛点，英伟达本次发布OpenShell参考架构：将Agent运行在受权限策略约束的隔离环境中，通过运行在BlueField-4处理器上的独立软件，对Agent行为做独立监控、强制执行安全规则。黄仁勋特别强调，Agent每次启动需要的权限都可能不同，安全控制不能只依赖模型本身。

这种安全焦虑并非英伟达独有。Gartner预测，到2027年，40%的企业会因为治理缺陷、实际运行故障，主动降低自主Agent的权限甚至停止使用相关服务。

除此之外，英伟达还推出了Agent Knowledge Foundation工具，帮助Agent检索企业内部文档、关联订单与供应商数据，甚至可以预测供应中断可能造成的业务影响。

Physical AI落地：人形平台推进，机器鸭成最大彩蛋

工业机器人的市场盘正在持续扩大。国际机器人联合会（IFR）9月发布的报告显示，2025年全球工厂新增工业机器人超过60万台，同比增长11%，在役总量已经达到约500万台。

但装机量增长不等于通用机器人时代到来。黄仁勋本次也展示了自动驾驶、自适应放射治疗等Physical AI落地场景——和按固定程序执行任务的传统自动化设备不同，这类系统需要根据实时环境变化自主判断、执行动作，对可靠性和安全性的要求高好几个等级。

英伟达机器人与边缘AI副总裁Deepu Talla在采访中明确了当前的落地边界：移动导航、巡检、刚性物体的抓取/放置/检测等任务，已经出现明确的商用机会；但涉及柔软材料、灵巧手、复杂操作的通用机器人，大部分研发工作还停留在实验室阶段，模型的准确性、可靠性、安全性是规模部署的前置条件。

为了填平仿真训练和真实部署之间的鸿沟，黄仁勋提出Physical AI需要三套计算系统协同工作：

  • 模型训练系统：负责基础模型的训练与能力迭代
  • 物理仿真系统：在虚拟空间模拟真实物理规则，完成机器人动作的训练与验证
  • 端侧实时系统：部署在机器人本体上，处理实时感知与动作执行

开发者不用一开始就在真实环境中反复试错，可以先在仿真环境跑通全流程，再把模型部署到实体设备上。

本次英伟达也更新了Isaac开放机器人开发平台，新增人形机器人参考平台、数据集、运行时框架与机器人学习工具，覆盖训练数据生成、模型训练、仿真测试到最终部署的全链路。

英伟达还和德国机器人公司Agile Robots合作推出了人形机器人参考平台Agile ONE SN，搭载Isaac GR00T模型与Jetson Thor计算平台：这款机器人身高1.4米、体重40公斤，本体具备31个自由度，双手各有20个自由度，计划2027年初面向研究人员和开发者开放。黄仁勋认为，统一的软硬件参考平台，可以帮开发者省去自行整合传感器、控制器、仿真工具的大量时间。

不过参考平台离规模商用还有很远的距离。Gartner今年1月预测，到2028年，真正把人形机器人投入制造、供应链生产运营的企业不足20家。灵巧操作能力、续航、系统集成、维护成本都是待解的难题，在部分仓储场景中，轮式多功能机器人的效率和成本优势反而比人形机器人更明显。

【编辑观察】：现阶段的人形参考平台更像给开发者准备的“通用样板间”，先把底层生态搭好降低开发门槛，真要进工厂算实际投入产出比，还要跨过多道技术和成本的坎。

本次Keynote最出圈的彩蛋，是四只身高约25厘米的机器鸭Microduck。它们排队走上舞台，跟着黄仁勋的指令完成行走、站立、坐下动作，萌翻全场。这款产品由Hugging Face旗下Pollen Robotics推出，采用开源设计，售价仅399美元，在海外发布后迅速爆火。

现场也演示了Microduck的完整开发流程：开发者在Isaac Sim中搭建仿真环境，通过云端训练机器人动作策略，再把训练好的策略直接部署到实体机器鸭上——这款萌系玩具本质上是英伟达整套Physical AI开发流程的迷你演示。

黄仁勋在演讲最后提到，如果能让机器人快速学会新任务，未来哪怕是没有专门机器人开发团队的中小企业，只需要给机器人演示一遍要完成的工作，机器人就能自主学习、适配岗位，这才是通用机器人真正的产业价值。