NVIDIA GTC Berlin 2026：黄仁勋发布 DSX POD、Agile ONE SN 人形机器人等多项 AI 基础设施进展
GTC Berlin 2026: Live Updates From NVIDIA CEO Jensen Huang’s Keynote
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中介绍在欧洲近 100 亿美元的生态投入与 12,000+ 合作伙伴，宣布 Vera Rubin 已全面投产，并推出 DSX POD 模块化 AI 工厂参考设计，现场公用设施就绪后部署时间可从 6 个月缩短至 14 天，冷却用水最多减少 100%、同等 AI 输出功耗降低最多 30%。其他发布包括基于 OpenShell 的安全智能体参考架构、Agent Knowledge Foundation 知识层、31 自由度参考人形机器人 Agile ONE SN（预计明年上市），以及上周发布的 RTX Spark 笔记本（1 petaflop、128GB 内存）。演讲还披露与 T-Mobile 和 Nokia 完成 NVIDIA 首个商用 AI 电话通话，Lucid、梅赛德斯-奔驰、大众商用车、Einride、Volvo Cars 等车企加入 Hyperion 自动驾驶生态。
AI 生成摘要 · 以原文为准
官方主题演讲实录，涵盖 Vera Rubin、DSX POD、Agile ONE SN 等多项发布，可据此梳理 NVIDIA 在欧洲的 AI 基础设施布局。
Tempodrom 于 1980 年在柏林墙附近的一个帐篷里创立，此后几经迁址，最终于 2001 年落户 Anhalter Bahnhof 附近。自此，它的永久场馆举办了众多音乐会、庆典和政治活动。
今天，这里上演的是另一种盛会。
GTC 柏林站为期三天，在附近的 STATION-Berlin 举行超过 100 场关于智能体 AI、机器人、物理 AI、开放模型和加速计算的会议。记者、分析师和合作伙伴齐聚于此，共同见证重头戏：NVIDIA 创始人兼 CEO 黄仁勋的主题演讲。
黄仁勋登台
黄仁勋以一个问题开场：欧莱雅、Revolut、Spotify、默克、沃达丰、Zara、保时捷、雀巢和汇丰银行有什么共同点？他说，它们都是欧洲公司，而且都在与 NVIDIA 合作开展 AI 业务。
这场主题演讲正值 NVIDIA 为期一周的欧洲之行之后——巴黎、伦敦、斯德哥尔摩、都柏林——公司承诺向欧洲技术生态系统投入近 100 亿美元，并与 12,000 多家合作伙伴展开合作。“在计算机行业历经数十年的发展之后，我们现在正处于一场新工业革命的开端，”黄仁勋说。
AI 是一块五层蛋糕，黄仁勋解释道。能源为先进计算机供电，这些计算机是 AI 工厂的组成部分；AI 工厂从其上运行的模型中生成 token 和数字智能，随后这些智能被集成到每一个应用中。
“在 AI 模型出现之前很久，基础设施就必须存在，”他说，并以类似的方式指出，互联网首先需要网络，电力首先需要电网。
“要参与 AI 经济，你不能只做 AI 的消费者；你要做 AI 的生产者，”黄仁勋说。“我们可以在欧洲做到这一切，事实上，我们已经开始了。”
AI 工厂迎来新形态
黄仁勋将 NVIDIA 的全栈 AI 工厂——涵盖硬件、系统软件、CUDA-X 库和模型——定位为构建和运营 AI 基础设施的广阔平台。
“这如今代表了创建 AI 工厂所需的全部技术广度，”黄仁勋说。“这就是 NVIDIA 今天所打造的东西，也是我们让欧洲能够参与 AI 生态系统、AI 经济的基础。”
他表示，全面投产的 Vera Rubin 将 NVIDIA 的计算平台从模型和大语言模型扩展到处理整个 AI 智能体。他还展示了 NVIDIA 最新的几款机架级硬件产品。
接下来，黄仁勋宣布推出 NVIDIA DSX POD，这是一套由合作伙伴在模块化集装箱内构建的完整 NVIDIA Vera Rubin AI 工厂的参考设计，交付前已完成集成和验证。借助 DSX POD，一旦现场公用设施就绪，现场部署时间可从六个月缩短至仅 14 天。
“这是对全球供应链的一次彻底变革，”黄仁勋说。“这将改变人们安装和建造数据中心的方式，希望如此一来，速度能得到提升。”
NVIDIA DSX AI 工厂平台使企业能够将冷却用水消耗减少高达 100%，并以最多节省 30% 的电力产生同等的 AI 输出。
智能体是新的计算平台 —— 而安全性是一个工程问题
黄仁勋表示，智能体会思考、推理、迭代并使用工具，随着其变得更加有用，token 消耗也随之增长。
他描述智能体由五个要素构成：一个模型、一个协调其工作和记忆的框架（harness）、一个隔离框架的沙箱、知识和工具。在这种框架下，智能体不仅仅是一个回答问题的模型；它能够利用知识并通过工具采取行动。
“最重要的是确保智能体的安全，”黄仁勋说。自主智能体可以访问文件、资源、网络和工具，因此其权限应尽可能最小，并应受到监控。
NVIDIA 的解决方案是全新的 NVIDIA OpenShell 安全 AI 智能体参考架构，这是一套构建于 NVIDIA OpenShell 之上的全栈设计 —— 一个开源的、受策略控制的运行时，具备内核级沙箱隔离，位于智能体与其可影响的系统之间。
这意味着权限、策略执行和监控必须动态调整。“每一次智能体启动时，权限都是不同的，”黄仁勋说。
开放模型将专业知识转化为优势
黄仁勋展示了 NVIDIA 的开放模型，作为构建满足特定需求的 AI 的起点。
NVIDIA 前沿的开放模型可供各行业使用：用于语言的 Nemotron、用于世界基础模型的 Cosmos、用于人形机器人技术的 GR00T、用于自动驾驶汽车的 Alpamayo、用于量子-经典计算的 Ising，以及用于物理 AI 的 Earth-2。
“我们就是前沿，”黄仁勋说。“因此在所有这些不同领域，我们都为你提供所有模型，并且我们持续不断地投入。我们已为此奋斗了十年，并将永远继续下去。”
NVIDIA 提供模型、数据以及用于复现这些模型的脚本，企业可以在自己的数据上对模型进行后训练，以应对特定用例 —— 将专有数据转化为他所称的“主权智能”。
“你可以从一个开放模型开始，比如性能极其出色的 Nemotron，然后用自己的数据进行后训练以适配你的用例，当然就能实现超级智能，”黄仁勋说。“这是非常明智的做法，而且所有技术如今都已具备。”
NVIDIA 为智能体提供知识层
随后，黄仁勋介绍了 NVIDIA Agent Knowledge Foundation，这是一套模型和库，用于将智能体连接到企业数据，无论是文档中的非结构化信息还是数据库中的结构化数据。
他重点介绍了用于解析文档、嵌入查询和重排序相关信息的 Nemotron 工具，以及用于从结构化数据进行预测的全新 NVIDIA Kumo 模型。
黄仁勋说：“归根结底，让这些智能体成为超级智能体的，是你让它们能够访问公司的知识。”
NVIDIA CUDA-X —— 面向智能体的加速工具
黄仁勋随后将 NVIDIA CUDA-X 描述为一组应用于科学、工程、研究和创意工作的加速库。
NVIDIA 的加速计算平台上已有超过 1100 万开发者在其之上进行构建。
黄仁勋说，这些库可以加速模拟器、求解器和数据处理引擎——正是智能体在完成有用工作时可能用到的工具。
“CUDA-X 工具赋予了智能体赖以谋生的工具，”黄仁勋说。
智能体走进实验室、工厂和工程领域
一段视频展示了 NVIDIA Agent Toolkit 在三个行业案例中将企业知识、模型和工具汇聚到一起：
在 Lila Sciences，智能体帮助设计一种潜在的 B 细胞淋巴瘤疗法，利用虚拟实验来指导自动化实验室中的工作。
在西门子位于埃尔朗根的工厂，智能体帮助为新产品做好投产准备，在变更落地到工厂之前先在数字孪生中测试方案。
而在达索系统（Dassault Systèmes），工程智能体对车辆设计进行自适应调整，利用仿真发现问题并优化设计。
视频播放完后，黄仁勋说：“而[这一切]知识和工具都属于你。那是你的专业能力，所以现在这一切都成为可能。”
电信运营商：分布式 AI 基础设施
黄仁勋表示，AI 正在改变电信行业，提升频谱效率，并将蜂窝基站转变为分布式 AI 基础设施。
他列举了 10 万个站点和约 100 吉瓦的分布式数据中心，并表示经过近八年的努力，NVIDIA 已与诺基亚合作在 T-Mobile 的网络上完成了首次商用电话通话。
“现在 CUDA 会打电话了，”黄仁勋说。“AI 将彻底革新我们开展电信业务的方式。它将极大地提升我们的频谱效率。”
AI 走进治疗室
医疗健康与生命科学领域的领导者正在基于 NVIDIA 技术进行构建，以推进药物研发并扩大患者护理服务。
例如，NVIDIA 与西门子医疗（Siemens Healthineers）正在开发 AI 赋能的放射治疗。
Nemotron 智能体协调治疗计划，Isaac for Healthcare 平台和 Omniverse 库创建设备和患者解剖结构的数字孪生，用于模拟肿瘤靶向。Holoscan 与 IGX Thor 相连接实时成像和传感器数据，在患者移动时实现实时的自适应照射。
黄仁勋将自适应放射治疗描述为一种物理 AI 应用：随着治疗过程中患者身体和肿瘤的变化，系统必须追踪这些变化并调整放射靶向。
“肿瘤的形状在变化。你在治疗期间，患者的身体也在变化，”黄仁勋说。“这台机器人，这套自适应放射治疗系统，必须感知不断变化的环境，理解肿瘤的位置，精准地进行分割，并相应地引导放射治疗。”
前路展望：移动出行领袖加入 NVIDIA 汽车生态
黄仁勋表示，NVIDIA Hyperion 计算平台正被设计应用到更多车队中，自动驾驶软件将无人出租车与网约车服务连接起来。
Bolt 与 Lucid、梅赛德斯-奔驰、大众商用车和 Einride 正在 NVIDIA Hyperion 计算平台上展示精选的自主移动用例，演示 3 级和 4 级车辆以及未来无人出租车队的潜在应用。
此外，沃尔沃汽车将采用 Hyperion 和 NVIDIA Alpamayo Stack 软件以实现安全的自动驾驶。NVIDIA 还推出了新的 AI 和安全技术，帮助开发者大规模构建、验证和部署自动驾驶汽车。
黄仁勋宣布，大众的厢式车、捷豹路虎、沃尔沃和梅赛德斯-奔驰的下一代车型都将兼容 Hyperion，他说：“欢迎来到 Hyperion。”
面向机器人研究人员的参考人形机器人
黄仁勋随后发布了 Agile ONE SN，一款基于 Isaac GR00T 构建的参考人形机器人——拥有 31 个自由度的机体，预计明年上市，旨在将研究人员的准备时间从数周缩短到数天。
该平台是模块化的：研究人员可以使用完整的工作流程，也可以选用其中的部分组件。
“这是一个绝佳的起点，”黄仁勋说。
它构建于 NVIDIA 的开放物理 AI 技术栈之上——Isaac Capture 用于数据采集、GR00T 模型用于机器人智能、Isaac Lab 用于基于仿真的训练、Isaac OS 用于运行时——以及 NVIDIA 的开放物理 AI 数据集。包括 Agility Robotics、Figure、KUKA 和 NEURA Robotics 在内的合作伙伴已经在同一平台上进行开发。
个人 AI 迎来新机器
黄仁勋最后谈到了RTX Spark 笔记本电脑，它们于上周发布，将 RTX 图形技术和 NVIDIA 全栈 AI 平台汇聚在纤薄的高端 Windows PC 中，用于加速创作、沉浸式游戏和强大的本地 AI。
他将这款机器 1 petaflop 的性能和 128GB 内存与他 2016 年交付给 OpenAI 的 DGX-1 进行了比较——然后把尺寸上的差异作为笑点：
“2016 年，我把 1 petaflop 和 128GB……交付给了一家名叫 OpenAI 的小公司，”黄仁勋一边说，一边向观众举起这台紧凑的机器，“这是 1 petaflop 和 128GB。唯一的区别当然是，我可以这样单手拿着它，而 DGX-1 需要两个人才抬得楼梯上去。”
黄仁勋随后播放了一段视频，展示一个智能体帮助训练 Hugging Face 的 Microduck：它先设置课程并在 Isaac Sim 中模拟该机器人，将训练任务发送到云端，然后把学到的策略带回 RTX Spark 进行评估，最后部署到实体机器人上。
四只 Microduck 登台加入黄仁勋，按照指令坐下、站起，甚至还小睡了一会儿。他解释说，它们是在 RTX Spark 上创建的，在云端训练，并在仿真中学习技能。
“你们是在 RTX Spark 上创建的……[我们]在云端的一大堆 NVIDIA 超级计算机上训练了你们，而你们就在这台 RTX Spark 和数字孪生体上学到了技能，”黄仁勋对它们说。
完整产品阵容
在 Microducks 们的簇拥下，黄仁勋回顾了主题演讲的要点：欧洲正在构建其 AI 经济，AI 工厂正在演进以运行智能体，而物理 AI 是下一个前沿。
“就是这样，”黄仁勋说。“每个人都可以构建智能体。欧洲的每家公司都将成为 AI 公司……我们将在欧洲打造一个蓬勃发展的 AI 经济。”
最后，黄仁勋还带来了另一个惊喜：一段欧洲歌唱大赛风格的音乐送别，将主题演讲的核心内容变成了诙谐的回顾。
歌词从 OpenShell 的防护机制——“No credentials. Access dismissed”和“Sentry on BlueField never clocks off”——一路唱到物理 AI，把机器人训练比作“没有助学贷款的机器人大学”。
点睛之句是：“You can’t spell fungible without fun。”一段萨克斯独奏引出了激昂的“We are Europa”大合唱。
“让我们携手共建欧洲的 AI 经济，让 AI 投入应用，”黄仁勋在演讲结束时说。“祝大家在 GTC 愉快。”
请在在线新闻资料包中浏览 NVIDIA GTC 柏林站博客和新闻稿。
来源：NVIDIA Blog · blogs.nvidia.com