ARTICLE · 1253180

黄仁勋柏林最新演讲:AI不只是软件,而是新的制造业

发布时间：2026-10-26 13:53:24 最近访问：2026-10-26 13:53:25

导语：上周，GTC柏林大会。黄仁勋在柏林讲述的不是一款芯片，而是一套产业政策。他给欧洲的核心判断是：AI不只是软件，而是“新的制造业”；欧洲不该只做AI的消费者，而应成为AI的生产者。

｜AI不只是软件，而是“新的制造业”，

黄仁勋在柏林给AI下了一个新定义：AI不只是软件，而是“新的制造业”，是一场新工业变革的开端。

这个判断对欧洲的意义，不在于制造焦虑，而在于改变问题框架。过去两年，头部通用大模型仍以美国和中国的公司为主，欧洲有Mistral等公司，但生态规模有限。如果只把AI理解为“模型竞赛”，欧洲的讨论很容易滑向“是否落后”的表态。但若AI是制造业，问题就变成：能源、算力、模型、智能体、应用这五层产业链，欧洲在哪一层有条件形成不可替代性？

黄仁勋用“AI五层蛋糕”阐释这一结构：能源支撑AI工厂中的先进计算机，计算机运行模型，模型生成智能（Token），最终集成到应用中。他强调，正如互联网需要先建网络、电力需要先建电网，“早在AI模型出现之前，基础设施就必须先行建设”。

这句话的财经含义比新闻含义更重要：Token是AI工厂的产出品，单位Token成本决定欧洲制造业用AI的竞争力。欧洲未必要在每一层都争第一，但必须知道自己押注哪一层、用什么指标衡量进展。否则，“成为AI生产者”只是一句口号。

｜AI工厂的经济学是本系统账

黄仁勋给出的落地方案，是模块化AI工厂DSX POD。它将计算、网络、供电和液冷系统预集成在集装箱内，出厂前完成布线与验证，现场部署时间从传统的约6个月缩短至最快14天。

这是一个有意义的工程进步。AI工厂本质是重资产，建设周期长、资本开支大，预集成方案压低了设备到场和现场施工的时间成本。黄仁勋说得直白：“AI工厂在开始产出Token时创造价值，而不是在建设完成时。”配套的DSX平台通过动态功率管理，能在相同Token产出下最高降低30%的功耗，并支持液冷减少水耗，这直击欧洲能源成本高企和环保约束的痛点。

但财经分析必须把账算完整。部署时间不是投产时间，投产时间不是合规时间，合规时间也不是竞争力。对欧洲而言，一座AI工厂至少有四本账：

设备部署账：集装箱到场、预集成、现场安装，最快14天；

许可账：土地、规划、环评、并网许可，周期以月甚至年计；

通电账：电网接入、容量扩容、液冷与水资源配套，往往是真正瓶颈；

爬坡账：运维团队、负载导入、利用率提升、单位Token成本下降。

14天解决的是第一本账。欧洲AI工厂能否形成竞争力，取决于后三本账。

｜欧洲在智能体与物理AI应用优势明显

演讲中另一个被低估的观点，是智能体（Agentic AI）是新的计算平台。

与单纯回答问题的模型不同，智能体能调用知识、使用工具并采取行动。黄仁勋将其拆成五个要素：模型、框架（Harness）、沙盒、知识和工具。这意味着AI正从“聊天框”走向“执行层”：它不只告诉企业该做什么，而是进入业务流程去做。

这对欧洲的政策含义很直接：智能体是AI从“工具”变成“生产力”的关键形态，也是监管最该聚焦的应用层。欧洲拥有大量工业软件、汽车、机械和自动化场景，未必要在通用大模型上正面硬拼，而可以在行业智能体上寻找差异化位置。但前提是，底层算力和模型部署不能成为瓶颈。

演讲的另一重点，是物理AI——让机器不仅能处理数据，还能理解和在真实世界中行动。英伟达扩展了Isaac机器人开发平台，联合Agile Robots推出人形机器人参考平台Agile ONE SN；在自动驾驶领域发布Alpamayo 2 Edge车端模型和Halos SAFE安全评估框架，并深化与沃尔沃、奔驰等车企的合作。

这一部分最贴合欧洲的产业禀赋。欧洲在汽车、机械、工业自动化领域拥有全球级企业，物理AI恰好是软件能力与工业场景的结合点。黄仁勋的潜台词是：欧洲不必在通用大模型上与美国硬拼，而应把AI嵌入自己最强的制造业场景。这既是对欧洲的差异化定位建议，也是英伟达拓展工业客户的路线图。对欧洲而言，关键不是拒绝这条路线，而是在路线中保留多供应商、互操作和本土能力成长的空间。

｜监管应聚焦于具体应用，而非底层技术本身

在与德国总理默茨的对话中，黄仁勋说：“如果技术根本不存在，就无从监管”，并进一步指出“如果产业无法蓬勃发展，那就没什么可监管的”。他主张安全与能力应同步推进，监管应聚焦于具体应用，而非底层技术本身。

这句话容易被读成商业游说，但更有价值的读法是监管时序问题：监管对象、监管能力和产业基础之间存在先后关系。欧洲的监管传统强调“预防原则”，这在风险明确的应用场景中是优势；但在技术快速迭代、产业基础尚薄的领域，过早把合规成本压在底层技术层，可能抑制部署意愿。

欧洲能否把《人工智能法案》转化为制度产品——通过应用层监管、沙盒机制、标准输出和合规产业，形成“安全”与“产业”的正循环？这需要三个条件：

成本分担：合规成本不能只落在中小企业和基础设施层；

监管互认：跨境算力与AI服务需要可互认的合规框架；

应用聚焦：把监管资源集中在高风险应用，而非泛化到底层技术。

如果这三个条件成立，欧洲的监管就不是产业障碍，而可能成为标准竞争力。如果不成立，“管应用不管技术”就只是降低了基础设施层的合规成本。监管分析要问的是制度设计，而不是动机猜测。

｜能力输入不等于产业能力沉淀

黄仁勋透露，过去一年，英伟达在欧洲投资了近100亿美元，建立了超过1.2万个合作伙伴关系。同时，英伟达宣布与欣兴电子、三星电机等供应商合作扩大产能，涉及基板、先进封装、测试和光引擎等关键环节。从Kumo结构化数据模型、OpenShell企业级安全参考架构，到医疗蛋白质设计模型RFD4-Proteina和电信Aerial RAN，英伟达正把触角伸向行业应用。

这些动作说明，英伟达不只想向欧洲卖芯片，而是想在欧洲构建从供应链、开发者到行业应用的完整生态。对欧洲而言，这是能力输入，但不自动等于产业能力沉淀。两者之间隔着竞争政策和采购设计：

多供应商：公共采购和大型项目是否保留第二、第三供应商空间；

互操作：AI工厂的软件栈、模型格式和工具链是否保持开放；

开源与人才：开发者生态是否能在本地沉淀，而非只做部署运维；

供应链韧性：先进封装、基板、光引擎等环节的欧洲参与度是否提升。

这不是“要不要英伟达”的问题，而是如何在引入外部能力的同时，设计竞争、保留互操作、培育本土生态的问题。