NVIDIA CEO Jensen Huang 在 GTC Berlin 2026 演讲中发布 DSX POD 等 AI 技术

Tempodrom 于 1980 年在柏林墙附近的一顶帐篷中创立，几经搬迁后，于 2001 年落户 Anhalter Bahnhof 附近。此后，其永久场馆举办过音乐会、庆典和政治活动。

如今，这里上演着另一种盛况。

GTC Berlin 为期三天，在附近的 STATION-Berlin，围绕智能体 AI、机器人、物理 AI、开放模型和加速计算举行的 100 多场会议正在进行。记者、分析师和合作伙伴齐聚于此，参加此次大会的重头戏：NVIDIA 创始人兼首席执行官 Jensen Huang 的主题演讲。 

Huang 登台

Huang 开场提出了一个问题：L’Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé 和 HSBC 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 项目。 

此次主题演讲正值 NVIDIA 为期一周的欧洲之行结束之后——行程包括巴黎、伦敦、斯德哥尔摩和都柏林。公司承诺将近 向欧洲科技生态系统投入 100 亿美元，并与 12,000 多家合作伙伴携手合作。Huang 表示：“经过计算机行业数十年的发展，我们如今正处于一场新工业革命的开端。”

阅读 NVIDIA 在欧洲的全部公告

AI 是一块五层蛋糕，Huang 解释道。能源为先进计算机提供动力，这些计算机构成 AI 工厂的一部分；AI 工厂利用其上运行的模型生成 token 和数字智能，而这些成果随后会融入每个应用中。 

他说：“在 AI 模型出现很久之前，基础设施就必须先建成。”他指出，这与互联网首先需要网络、电力首先需要电网的道理相似。

Huang 表示：“要参与 AI 经济，就不能只消费 AI，还要生产 AI。我们可以在欧洲完成这一切，而且事实上已经开始了。”

AI 工厂迎来全新形态

Huang 将 NVIDIA 全栈 AI 工厂——涵盖硬件、系统软件、CUDA-X 库和模型——定位为用于构建和运营 AI 基础设施的广泛平台。 

Huang 表示：“这代表了构建 AI 工厂所需技术的广度。这就是 NVIDIA 如今打造的产品，也是我们助力欧洲融入 AI 生态系统和 AI 经济的基础。” 

他表示，全面投产的 Vera Rubin 将 NVIDIA 计算平台的能力从模型和大型语言模型扩展到处理整个 AI 智能体。他还展示了 NVIDIA 的几款最新机架级硬件产品。

随后，Huang 宣布推出 NVIDIA DSX POD，这是一种参考设计，由合作伙伴在模块化集装箱内建造完整的 NVIDIA Vera Rubin AI 工厂，并在交付前完成集成与验证。借助 DSX POD，只要场地公用设施准备就绪，现场部署时间便可从六个月缩短至仅 14 天。 

Huang 表示：“这将彻底改变全球供应链。这会改变人们安装和建设数据中心的方式，并有望因此提高建设速度。”

借助 NVIDIA DSX AI Factory Platform，企业可将冷却用水量最多减少 100%，并以最多减少 30% 的功耗生成相同的 AI 输出。

智能体是新的计算平台——安全是一个工程问题

Huang 表示，智能体会思考、推理、迭代并使用工具；随着它们变得更有用，令牌消耗量也随之增加。 

他将智能体描述为由五个要素构成：模型、编排其工作和记忆的框架、用于隔离该框架的沙箱、知识和工具。按照这种定义，智能体不只是回答问题的模型；它还可以利用知识并通过工具采取行动。

“最重要的是确保智能体安全，”Huang 表示。自主智能体可以访问文件、资源、网络和工具，因此应尽可能限制其权限，并对其进行监控。

NVIDIA 的解决方案是全新的 NVIDIA OpenShell Reference Architecture for Safe AI Agents，这是一种全栈设计，基于 NVIDIA OpenShell 构建——这是一种开源、受策略控制的运行时，采用内核级沙箱，位于智能体与其可能影响的系统之间。

这意味着，权限、策略执行和监控必须动态调整。Huang 表示：“每次启动智能体时，其权限都不一样。”

开放模型将专业知识转化为优势

Huang 介绍了 NVIDIA 的开放模型，称其可作为构建满足特定需求的 AI 的起点。 

NVIDIA 的前沿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。 

“我们处于前沿，”Huang 表示。“因此，在所有这些不同领域，我们都为大家提供模型，并且持续推进相关工作。我们已经为此努力了十年，还将永远继续下去。”

NVIDIA 提供模型以及用于复现模型的数据和脚本，企业可以利用自己的数据对模型进行后训练，以满足特定用例的需求——将专有数据转化为他所说的“自主智能”。

“你可以从一个开放模型开始，比如非常出色的 Nemotron，再用自己的数据针对用例对其进行后训练，当然就能实现超智能，”Huang 表示。“这是非常合理的做法，而且如今所有相关技术都已具备。”

NVIDIA 为智能体提供知识层

随后，Huang 介绍了 NVIDIA Agent Knowledge Foundation，这是一套用于将智能体连接到企业数据的模型和库，数据既可以是文档中的非结构化信息，也可以是数据库中的结构化数据。 

他重点介绍了 Nemotron 工具，这些工具可用于解析文档、嵌入查询并对相关信息重新排序；此外还介绍了全新的 NVIDIA Kumo 模型，可用于基于结构化数据进行预测。

“归根结底，让这些超级智能体、让这些智能体成为超级智能体的关键，在于赋予它们访问公司知识的权限，”Huang 说。

NVIDIA CUDA-X — 加速智能体的工具

随后，Huang 将 NVIDIA CUDA-X 描述为一系列加速库，应用于科学、工程、研究和创意工作等领域。 

NVIDIA 的加速计算平台已有超过 1100 万名开发者在其上进行开发。 

Huang 表示，这些库可以加速模拟器、求解器和数据处理引擎——智能体可能会调用这些工具来完成有用的工作。

“CUDA-X 工具为智能体提供了行业所需的工具，”Huang 说。 

智能体进驻实验室、工厂和工程领域

一段视频展示了 NVIDIA Agent Toolkit 如何在三个行业案例中整合企业知识、模型和工具： 

在 Lila Sciences，智能体利用虚拟实验指导自动化实验室的工作，帮助设计一种潜在的 B 细胞淋巴瘤疗法。 

在 Siemens 的埃尔朗根工厂，智能体帮助为新产品投产做准备，并在数字孪生中测试生产计划，确保变更落地到工厂车间之前完成验证。 

在 Dassault Systèmes，工程智能体则利用仿真识别问题并优化设计，从而调整车辆设计。

视频播放结束后，Huang 说：“而且，[这一切]知识和工具都属于你。那是你的专业知识，因此现在这一切都能实现。” 

电信运营商成为分布式 AI 基础设施

Huang 表示，AI 正在改变电信行业，提高频谱效率，并将蜂窝基站转变为分布式 AI 基础设施。 

他提到 100,000 个站点和约 100 千兆瓦的分布式数据中心，并表示 NVIDIA 历经近八年努力，已与 Nokia 在 T-Mobile 网络上完成首个商业电话呼叫。

“现在 CUDA 能打电话了，”Huang 说。“AI 将彻底改变电信行业的运作方式。它将大幅提高我们的频谱效率。” 

AI 走进治疗室

医疗保健和生命科学领域的领导者正在基于 NVIDIA 技术进行开发，以推动药物发现并扩大患者护理范围。

例如，NVIDIA 和 Siemens Healthineers 正在开发 AI 赋能的放射治疗技术。 

Nemotron 智能体负责协调治疗计划；Isaac for Healthcare 平台和 Omniverse 库则创建设备与患者解剖结构的数字孪生，以模拟肿瘤定位。Holoscan 与 IGX Thor 将实时成像和传感器数据连接起来，从而在患者移动时实现实时自适应治疗。

Huang 将自适应放射治疗描述为一种物理 AI 应用：治疗过程中，随着患者身体和肿瘤发生变化，系统必须跟踪这些变化并调整辐射照射目标。

“肿瘤的形状正在变化。在接受治疗期间，身体也在变化，”Huang 说。“机器人，也就是这套自适应放射治疗系统，必须感知不断变化的环境，了解肿瘤的位置，精准地勾画出肿瘤区域，并据此调整放射治疗方向。” 

前路：出行领域领军者加入 NVIDIA 汽车生态系统

Huang 表示，NVIDIA Hyperion 计算平台正被集成到更多车队中，自动驾驶软件则将 robotaxi 接入网约车服务。 

Bolt 与 Lucid、Mercedes-Benz、Volkswagen Commercial Vehicles 和 Einride 正在展示基于 NVIDIA Hyperion 计算平台的部分自动驾驶出行应用案例，展现其在 L3、L4 级车辆以及未来 robotaxi 车队中的潜在应用。

此外，Volvo Cars 正在采用 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。

Huang 宣布，Volkswagen 的厢式车、JLR、Volvo 和 Mercedes-Benz 的下一代车型将兼容 Hyperion，并表示：“欢迎加入 Hyperion。”

面向机器人研究人员的参考人形机器人

随后，Huang 宣布了 Agile ONE SN，这是一款基于 Isaac GR00T 构建的参考人形机器人，拥有 31 个自由度，预计明年上市，旨在将研究人员的环境搭建时间从数周缩短至数天。 

该平台采用模块化设计：研究人员可以使用完整工作流程，也可以选用其中的特定组件。
Huang 表示：“这是一个很好的起点。” 

它构建于 NVIDIA 开放的物理 AI 技术栈之上——用于数据采集的 Isaac Capture、用于机器人智能的 GR00T 模型、用于基于仿真的训练的 Isaac Lab、用于运行时的 Isaac OS，以及 NVIDIA 开放的物理 AI 数据集。Agility Robotics、Figure、KUKA 和 NEURA Robotics 等合作伙伴已经在这一平台上开展开发。

个人 AI 迎来新设备

Huang 最后谈到了RTX Spark 笔记本电脑。它们于上周上市，在轻薄高端的 Windows PC 中融合了 RTX 图形处理和 NVIDIA 全栈 AI 平台，可加速创作、带来沉浸式游戏体验，并提供强大的本地 AI 能力。 

他将其 1 petaflop 的性能和 128GB 内存与 2016 年交付给 OpenAI 的 DGX-1 相比较——随后以两者的体积差异作结：

Huang 举起面向观众的这台小巧设备，说：“2016 年，我把 1 petaflop 和 128GB……交给了一家名叫 OpenAI 的小公司。这台设备也是 1 petaflop 和 128GB。当然，唯一的区别是，我可以这样把它拿在手里，而 DGX-1 得由两个人抬上楼。”

随后，Huang 播放了一段视频，展示一个智能体如何帮助训练 Hugging Face 的 Microduck：它搭建了训练场地，并在 Isaac Sim 中模拟机器人，将训练任务发送到云端，再把学到的策略带回 RTX Spark 进行评估，之后部署到实体机器人上。

四只 Microduck 组成的小队登上舞台，按指令坐下、站起，甚至打起了盹。Huang 解释说，它们是在 RTX Spark 上创建的，在云端训练，并通过仿真学会了这些技能。

Huang 对它们说：“你们是在 RTX Spark 上创建的……我们在云端用一大批 NVIDIA 超级计算机对你们进行了训练，而你们就在这里的 RTX Spark 和数字孪生中学会了这些技能。”

完整阵容

Microducks 围在 Huang 身边时，他回顾了主题演讲的要点：欧洲正在构建自己的 AI 经济，AI 工厂正不断演进以运行智能体，而物理 AI 是下一个前沿领域。

“就是这样，”Huang 说。“每个人都能构建智能体。欧洲的每家公司都将成为 AI 公司……我们将在欧洲这里拥有蓬勃发展的 AI 经济。”

最后，Huang 还带来了一份惊喜：一场 Eurovision 风格的音乐告别演出，以诙谐的方式回顾了主题演讲的内容。 

歌词从 OpenShell 的防护措施——“没有凭证。拒绝访问”和“BlueField 上的哨兵从不下班”——一路唱到物理 AI，并将机器人训练比作“让机器人上大学，却不用背学生贷款”。 

包袱是：“没有乐趣，就拼不出 fungible（可替代的）。”一段萨克斯独奏之后，响起了振奋人心的“我们是 Europa”合唱。

“让我们携手构建欧洲的 AI 经济，让 AI 发挥作用，”Huang 在结束演讲时说。“祝 GTC 圆满成功。”

在在线媒体资料包中查看 NVIDIA GTC Berlin 博客和新闻稿。

阅读 NVIDIA 在欧洲发布的所有公告