Speaker A
大家好，这里是最佳拍档，我是大飞。
最佳拍档解读英伟达柏林GTC 2026大会：黄仁勋提出“AI不是软件，是制造业”，涵盖五层AI工厂、DSX Pod、OpenShell智能体安全、Hyperion自动驾驶标准及MicroDuck机器人。
Key Takeaways
- AI本质上是制造业：需要工厂级的基础设施、能源与冷却系统以及全栈软件来持续产出token。
- 英伟达的竞争优势来自全栈极致协同设计，而非单一芯片性能。
- 智能体的规模化落地依赖于沙箱隔离、凭证保护与策略控制等安全基础设施。
- 欧洲是英伟达的重要增长市场，AI经济正在向欧洲各行业深度渗透。
What the video covers
- 视频以“五层蛋糕”框架开篇：能源、芯片、AI工厂、模型、应用，每一层都在创造就业与增长。
- 黄仁勋预测未来电信基站将形成约100GW的分布式AI网络，AI基础设施不再只集中在超大规模数据中心。
- 英伟达将自身定义为“算法公司”，通过芯片、系统、软件、算法四层协同设计实现远超摩尔定律的性能提升，十年性能提升约一百万倍。
- DSX Pod可将AI工厂从交付到产出token的时间从四五个月压缩到约一个月；DSX MaxLPS可在性能不变下节省30%电力；闭环液冷每天可为2GW工厂节约约5400万升水。
- OpenShell为智能体提供策略层、凭证层、隔离层三重安全机制，智能体本身不持有密钥；可选的Sentry硬件层运行于BlueField-4 DPU上，可毫秒级切断异常行为。
- 超过100家机构支持OpenShell，包括Anthropic、微软、甲骨文、CrowdStrike、Palo Alto Networks。
- 开放模型方面，Nemotron Embed、Nemotron 3 Omni与Kumo组成的检索与预测链路，演示了从供应商短缺通知到替代零件文档检索的全流程。
- CUDA-X库覆盖350多个领域，黄仁勋将cuDNN类比为AI行业的SQL。
- Hyperion为Robotaxi提供标准化传感器与计算架构，吸引大众、沃尔沃、奔驰、捷豹路虎等加入。
- 英伟达在欧洲深耕33年，过去一年在欧洲投入接近100亿美元；现场演示了MicroDuck机器人从云端训练到真机部署的全流程。
Full Transcript — Download SRT & Markdown
Speaker A
计算机堆在一起就是AI工厂 再往上，工厂跑着模型 源源不断地产出token 也就是数字智能 最后token嵌入到各行各业的应用里 这五层，每一层都在创造就业和增长 施耐德和西门子能源在能源层已经做到了全球领先 Mistral这些欧洲公司在模型层站稳了脚跟 Nebius这种初创公司在AI工厂层快速崛起 黄仁勋还提出了一个预测 未来全球每一家电信公司都会拥有超过10万个站点 加起来就是大约100GW的分布式电信基站和数据中心 它们会演变成一个去中心化的AI网络 也就是说 AI基础设施不会只集中在少数超大规模数据中心里 那英伟达在这个五层蛋糕里做什么呢？ 多数人第一时间可能想到的都是GPU 但是今天的英伟达已经不只是做GPU了 从GPU、CPU、网络、存储、交换芯片 到系统软件、CUDA-X库、模型和工具 几乎每一层都有自己的产品 黄仁勋给公司下了个定义 我们是一家算法公司 通过开发芯片来加速那些算法 他提到了极致的协同设计 翻译过来就是每一次架构升级 不只是换一块更快的芯片 而是芯片架构、系统形态、系统软件、算法 四层一起重做 新算法逼着他们改架构 新架构又把算法推得更远 就这样滚起来 这就是为什么摩尔定律只能做到100倍 而英伟达做到了一百万倍 六代架构 从2016年的Pascal到现在的Vera Rubin 每一代都在推进 Blackwell比Hopper快了大约30倍 两年之后
Speaker A
十年前，黄仁勋（Jensen Huang）把一台重得要两个人才能抬上楼的机器，亲手送到了OpenAI的办公室。这台机器就是DGX-1，也是英伟达历史上第一台AI超级计算机。128GB的内存，1 petaflop的算力。
Speaker A
他算了一笔账 一座年收入预期400亿美元的AI工厂 投产延迟三个月 就是100亿美元的收入损失 DSX Pod可以把从交付到产出token的时间 从四五个月压缩到大约一个月 电和水也省了 配套的DSX MaxLPS是一个动态控制回路 可以根据工作负载实时调整供电 在保持性能不变的前提下节省30%的电力 冷却系统方面 Vera Rubin支持最高45°C冷却液温度的闭环液冷 在适宜的气候地区还可以使用室外干冷器散热 完全不蒸发水 如果按照2GW的规模计算 每天能节约5400万升水 相当于18万户家庭的日用水量 当然，光靠硬件还不够 还得有软件来让工厂运转起来 黄仁勋说，AI工厂本身就是个奇迹 把它点亮、通上电、让它开始生产token 需要极其庞大的软件体系 英伟达提供了整套全栈软件 从底层的系统软件 到上层的CUDA-X库 接下来他把话题转到了智能体上 过去这一年 AI发生了一次真正的转变 就是智能体开始具备了生产力 年初的时候 OpenClaw引入了开源智能体的概念 开启了全球的智能体规模化浪潮 智能体开始思考、推理、迭代、使用工具 消耗的token一飞冲天 GPU的需求也真的爆发了 然后他做了一个结构性的定义 智能体由五个要素组成
Speaker A
而在上周柏林GTC的舞台上，他单手举起了一台同样128GB、同样1 petaflop的笔记本。
Speaker A
因为大语言模型内部的安全屏障是靠不住的 OpenShell的具体机制分为三层 首先是策略层 你可以用YAML定义每个智能体可以访问哪些文件、连接哪些网络端点 OpenShell在系统调用级别执行这些策略 其次是凭证层 智能体本身并不持有任何密钥 OpenShell在沙箱外部运行一个独立进程supervisor 来保管所有的凭证安全 只有当请求被策略批准后 supervisor才会把凭证注入到那条请求中 一个被攻陷的智能体无法泄露密钥 因为它从来没有拥有过密钥 第三是隔离层 每个智能体运行在独立的沙箱中 没有直接的网络访问权限 所有出站请求都必须经过supervisor检查 他把OpenShell比作早期互联网的浏览器沙箱 早期互联网病毒横行 直到浏览器严格限制了网站能做的事 如今OpenShell对智能体做的就是同一件事 在OpenShell之上 还有一个可选的硬件加固层叫Sentry 运行在BlueField-4 DPU上 跟主机CPU完全隔离 它的工作方式是 智能体的所有数据流量都经过Sentry 如果智能体的行为偏离预设策略 Sentry会在毫秒级别内更新策略、切断智能体与模型的连接 并且将智能体隔离 OpenShell发布之后 几乎所有主要阵营都表态支持 Anthropic、微软、甲骨文、CrowdStrike、Palo Alto Networks等超过100家机构都加入了 Anthropic和英伟达已经宣布合作推出Claude OpenShell agents 接下来是开放模型策略
Speaker A
十年，AI性能涨了一百万倍。如果按照之前摩尔定律的速度，十年顶多翻一百倍。而差出来的这一万倍，就是我们今天这期视频要聊的东西。
Speaker A
Nemotron Embed负责将查询请求 匹配到向量数据库中的知识 Nemotron 3 Omni是一个多源搜索和排序系统 从多个不同来源中找到查询相关的数据 汇总后按相关性排序 Kumo则针对结构化数据库做预测 黄仁勋用供应链场景做了演示 假设你收到了一个供应商短缺的通知 这是非结构化数据 而订单信息在SQL数据库里 这是结构化数据 Kumo可以预测哪些订单会受影响、延迟多久 然后用向量数据库搜索 找到替代零件的技术文档 四个工具分别对应了这条链路上的四个环节 然后是CUDA-X库 黄仁勋反复用了一个类比 再聪明的科学家也需要实验室 再好的工程师也需要仿真器和求解器 所以智能体也一样 CUDA-X是英伟达积累了二十多年的加速计算库集合 覆盖流体力学、粒子物理、量子化学、图像处理、数据处理、光线追踪等350多个领域 他还把cuDNN比作AI行业的SQL 认为cuDNN对AI产业的意义 相当于SQL对全球数据库产业的意义 就像OpenGL和DirectX催生了实时计算机图形产业一样 cuDNN催生了AI计算产业 在演讲中 黄仁勋演示了三个智能体配上工具后的实际效果 制药公司Purple Sciences的Lila Iris智能体 用BioNeMo做蛋白质设计和RNA优化 自主跑了数百万次的虚拟筛选 将最优候选物送到自主机器人实验室制造和测试 整个B细胞淋巴瘤疗法的实验设计 都是由智能体完成的
Speaker A
柏林的这次GTC大会，是英伟达第一次把主场搬到欧洲。大家可能不知道的是，英伟达在欧洲已经深耕了33年。早年差点让公司活不下去的RIVA 128芯片，就是在法国造的。当年MediaMarkt是他们最大的工作站客户，ELSA则把英伟达带入图形工作站市场。奥迪还是第一个采用英伟达车载计算的车企。
Speaker A
动态调整放射方向 这些都不是执行的预设程序 而是感知到变化之后、进行推理、再用工具行动 自动驾驶是目前体量最大、最临近落地的物理AI应用 黄仁勋观察到的一个趋势是 每一家汽车制造商都想让自己的车辆加入网约车车队 未来Uber、Bolt、Grab、Lyft等平台上都会有Robotaxi 但是它们不会只来自一个品牌 构建自动驾驶系统是极其昂贵的 尤其是软件部分 英伟达因此决定做一个标准化的架构 Hyperion Hyperion的标准配置包括14个摄像头、9个雷达、3个激光雷达和大量超声波传感器 由两套英伟达 GPU系统驱动 英伟达同时在开发自动驾驶软件 目标是打造一套Robotaxi能力 接入各大网约车平台 全球每年大约有1万亿英里的出行里程 Robotaxi每英里收费一到两美元 规模巨大但是高度碎片化 而Hyperion要做的是创建一个虚拟车队标准 任何品牌都可以加入 在这次演讲里 四个新的Hyperion合作伙伴和车型选择加入 包括大众VW厢式车、沃尔沃车队、下一代奔驰 以及捷豹路虎的全新车型 再往下是人形机器人 黄仁勋说 机器人行业的核心难题是碎片化 不同任务需要不同的机器人配置 每种配置的量都不大 无法形成技术飞轮 手机和PC之所以进化快 是因为有标准化的配置 标准化带来规模，规模驱动技术迭代 而人形机器人有可能成为那个标准化的配置 它不一定适合所有任务 但是可能适用于很多任务 成为产量最大的机器人构型
Speaker A
过去一年，他们在欧洲砸了接近100亿美元。光演讲前一周就宣布了对14家欧洲初创公司的投资。施耐德、西门子能源都在跟英伟达合作AI。欧莱雅、Revolut、Spotify、保时捷、汇丰，一长串的欧洲巨头都在往AI经济里扎。
Speaker A
统一内存最高128GB 前面说过了 2016年DGX-1有同样的算力和内存 要两个人抬上楼 现在这台电脑单手就能举起来 对于需要更强算力的用户 英伟达还提供搭载RTX Spark的DGX Station 20 petaflops算力、754GB内存 运行Windows，预计年底上市 演讲最后的现场演示 把这三台物理AI计算机串在了一起 其实这场演讲开场的时候 黄仁勋就放了一段他和一只机器鸭子的小影片 当时台下有人喊了一句，鸭子太小了 他笑着回应说正在做大的 结果到了最后 真的搬了四只活的MicroDuck走上了舞台 MicroDuck由法国初创公司Pollen Robotics制造 开发者用Hermes agent、Nemotron和GPT-6 Astra模型 配合FreeCAD、Blender和Isaac Sim工具 在一台RTX Spark上完成了从3D建模到物理仿真的全流程 训练在云端进行 数千只虚拟MicroDuck并行训练 摔一跤就是一课 训练好的策略下载回RTX Spark 评估通过后部署到真机上 然后四只真实的MicroDuck走上了舞台 黄仁勋像个老父亲一样 先让它们走两步，叮嘱了一句别绊倒 又问它们你们能坐下吗？ 鸭子们应声坐了下来
Speaker A
大会开场依然是黄仁勋的主题演讲。这场演讲的核心判断，其实就一句话：AI不是软件，是制造业。
Speaker A
欧洲的每一家公司 都会成为AI公司，这毫无疑问 然后他还放了一首欧洲歌唱大赛风格的歌 把整场发布都编成了调侃，歌里写道 OpenShell守大门、BlueField像施瓦辛格一样护卫沙箱、机器人在模拟器里上大学还不用还学生贷款 感谢收看，我们下期再见
Topics:英伟达黄仁勋GTC柏林2026AI工厂OpenShellDSX PodHyperionMicroDuck智能体安全Robotaxi
