黄仁勋 GTC Berlin 2026 主题演讲：发布 DSX POD、OpenShell 与 Agile ONE SN
GTC Berlin 2026: Live Updates From NVIDIA CEO Jensen Huang’s Keynote
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中宣布多项新品，并称公司已在欧洲投入近 100 亿美元、与 12000 多家合作伙伴协作。他发布 NVIDIA DSX POD 参考设计，用模块化集装箱交付完整 Vera Rubin AI 工厂，站点公用设施就绪后现场部署可从六个月缩短到 14 天；DSX AI Factory Platform 称可将冷却用水减少最多 100%、以最多 30% 更少电力产出同等 AI 输出。
黄仁勋在 GTC Berlin 集中发布 AI 工厂、智能体安全运行时与人形机器人参考平台，可据此观察 NVIDIA 在欧洲的落地路径。
1980年，Tempodrom 在柏林墙附近的一顶帐篷里创立，此后几经搬迁，最终于2001年落户安哈尔特火车站附近。自那以后，这座永久场馆举办了音乐会、晚宴和政治活动。
如今，这里上演着另一种景象。
GTC Berlin 为期三天，在附近的 STATION-Berlin 举行，超过100场会议正在进行，涵盖智能体 AI、机器人技术、物理 AI、开放模型和加速计算。在这里，记者、分析师和合作伙伴齐聚一堂，参加重头戏：NVIDIA 创始人兼 CEO 黄仁勋的主题演讲。
黄仁勋登台
黄仁勋以一个提问开场：欧莱雅、Revolut、Spotify、默克、沃达丰、Zara、保时捷、雀巢和汇丰有什么共同点？他说，它们都是欧洲公司，而且都在与 NVIDIA 合作开展 AI 工作。
此次主题演讲之前，NVIDIA 刚刚完成为期一周的欧洲之行——巴黎、伦敦、斯德哥尔摩、都柏林——公司承诺向欧洲技术生态投入近 100亿美元，并与 12,000多家合作伙伴携手。“在计算机行业数十年的发展之后，我们现在正处于一场新工业革命的起点，”黄仁勋说。
AI 是一个五层蛋糕，黄仁勋解释道。能源驱动先进计算机，这些计算机是 AI 工厂的一部分，AI 工厂从其上运行的模型生成 token 和数字智能，这些模型随后被集成到每一个应用中。
“早在 AI 模型出现之前，基础设施就必须存在，”他说，并指出类似地，互联网首先需要网络，电力首先需要电网。
“要成为这一 AI 经济的一部分，你不想只是消费 AI；你想生产 AI，”黄仁勋说。“我们可以在欧洲完成这一切，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——描述为构建和运营 AI 基础设施的广泛平台。
“这代表了创建 AI 工厂所需的技术广度，”黄仁勋说。“这就是 NVIDIA 今天所构建的，也是我们能够让欧洲成为 AI 生态系统和 AI 经济一部分的基础。”
他表示，已全面投产的 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，黄仁勋发布了 NVIDIA DSX POD，这是一种完整的 NVIDIA Vera Rubin AI 工厂参考设计，由合作伙伴在模块化集装箱内建造，在交付前完成集成和验证。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。
“这是全球供应链的彻底变革，”黄仁勋说。“这将改变人们安装和建设数据中心的方式，希望因此速度能够提升。”
NVIDIA DSX AI Factory 平台使企业能够将冷却用水量最多减少 100%，并以最多降低 30% 的功耗产生相同的 AI 输出。
智能体是新的计算平台——而安全是一个工程问题
黄仁勋表示，智能体会思考、推理、迭代并使用工具，随着它们变得更有用，会推动 token 消耗量增长。
他将智能体描述为由五个要素组成：模型、负责编排其工作与记忆的 harness、隔离 harness 的沙箱、知识以及工具。按照这一框架，智能体不只是回答问题的模型；它可以调用知识并通过工具采取行动。
“最重要的是确保智能体是安全的，”黄仁勋说。自主智能体可以访问文件、资源、网络和工具，因此其权限应保持最小化，并应受到监控。
NVIDIA 的答案是全新的 NVIDIA OpenShell 安全 AI 智能体参考架构，这是一个基于 NVIDIA OpenShell 构建的全栈设计——OpenShell 是一个开源、策略控制的运行时，具备内核级沙箱，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。“每次启动智能体时，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，作为构建针对特定需求定制 AI 的起点。
NVIDIA 的前沿开放模型可供各行业使用：Nemotron 用于语言，Cosmos 用于世界基础模型，GR00T 用于人形机器人，Alpamayo 用于自动驾驶汽车，Ising 用于量子-经典计算，Earth-2 用于物理 AI。
“我们就是前沿，”黄仁勋说。“因此，在所有这些不同领域，我们为你提供所有模型，并且我们持续投入。我们已经为此工作了十年，并将永远继续下去。”
NVIDIA 提供模型、数据和用于复现它们的脚本，企业可以针对特定用例在自己的数据上对模型进行后训练——将他所说的“主权智能”建立在专有数据之上。
“你可以从一个开放模型开始，比如 Nemotron 这样极其出色的模型，然后用你自己的数据针对你的用例进行后训练，当然就能实现超级智能，”黄仁勋说。“这是一件非常明智的事情，而且所有技术今天都已存在。”
NVIDIA 为智能体提供知识层
随后，黄仁勋介绍了 NVIDIA Agent Knowledge Foundation，这是一组用于将智能体连接到企业数据的模型和库，无论数据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、嵌入查询和对相关信息进行重排序的 Nemotron 工具，以及用于从结构化数据进行预测的新 NVIDIA Kumo 模型。
“归根结底，让这些超级智能体、这些智能体成为超级智能体的关键在于，你让它们能够访问你公司的知识，”黄仁勋说。
NVIDIA CUDA-X — 面向智能体的加速工具
黄仁勋随后将NVIDIA CUDA-X描述为一组加速库的集合，广泛应用于科学、工程、研究和创意工作。
NVIDIA 的加速计算平台已拥有超过 1100 万名开发者在其上构建应用。
黄仁勋表示，这些库可以加速模拟器、求解器和数据处理引擎——这些正是智能体可能用来完成有用工作的工具。
“CUDA-X 工具赋予了智能体行业所需的工具，”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在三个行业示例中将公司知识、模型和工具整合在一起：
在 Lila Sciences，智能体帮助设计一种潜在的 B 细胞淋巴瘤疗法，利用虚拟实验指导自动化实验室中的工作。
在西门子埃尔朗根工厂，智能体帮助为新产品做好生产准备，在变更到达工厂车间之前于数字孪生中测试方案。
在达索系统，工程智能体调整车辆设计，利用仿真识别问题并优化设计。
“而[所有这一切]知识和工具都属于你，”黄仁勋在视频播放后说。“那是你的专业知识，所以这一切现在都可以实现了。”
电信运营商作为分布式 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，并将基站转变为分布式 AI 基础设施。
他提到 10 万个站点和约 100 吉瓦的分布式数据中心，并表示NVIDIA 与诺基亚合作，在 T-Mobile 网络上打通了首个商用电话，这历经近八年的努力。
“现在 CUDA 能打电话了，”黄仁勋说。“AI 将彻底改变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
医疗健康和生命科学领域的领导者正在基于 NVIDIA 技术构建应用，以推进药物发现并扩大患者护理。
例如，NVIDIA 与西门子医疗正在开发 AI 赋能的放射治疗。
Nemotron 智能体协调治疗规划，Isaac for Healthcare 平台和 Omniverse 库创建设备和患者解剖结构的数字孪生，以模拟肿瘤靶向。Holoscan 与 IGX Thor 连接实时成像和传感器数据，以便在患者移动时实现实时自适应照射。
黄仁勋将自适应放疗描述为一种物理 AI 应用：随着患者身体和肿瘤在治疗过程中发生变化，系统必须跟踪这些变化并调整放射靶向。
“肿瘤的形状在变化。你在接受治疗时，身体也在变化，”黄仁勋说。“机器人，这个放射自适应放疗系统，必须感知变化的环境，了解肿瘤的位置，精准地将其分割，并相应地引导放疗。”
未来之路：出行领域领军者加入 NVIDIA 汽车生态
黄仁勋表示，NVIDIA Hyperion 计算平台正被设计应用于更多车队，其自动驾驶软件将 Robotaxi 与网约车服务连接起来。
Bolt 与 Lucid、Mercedes-Benz、Volkswagen Commercial Vehicles 和 Einride 正在 NVIDIA Hyperion 计算平台上展示部分自动驾驶出行用例，演示 L3 和 L4 级车辆以及未来 Robotaxi 车队的潜在应用。
此外，Volvo Cars 正采用 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 与安全技术，帮助开发者大规模构建、验证和部署自动驾驶车辆。
黄仁勋宣布，Volkswagen 的厢式车、JLR、Volvo 和 Mercedes-Benz 的下一代车型都将兼容 Hyperion，并表示：“欢迎来到 Hyperion。”
面向机器人研究者的参考人形机器人
随后，黄仁勋发布了 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，旨在将研究者的搭建时间从数周缩短至数天。
该平台采用模块化设计：研究者可以使用完整工作流，也可以只选用部分组件。
“这是一个很好的起点，”黄仁勋说。
它建立在 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、用于仿真训练的 Isaac Lab、用于运行时环境的 Isaac OS——以及 NVIDIA 开放的物理 AI 数据集。包括 Agility Robotics、Figure、KUKA 和 NEURA Robotics 在内的合作伙伴已在该平台上进行开发。
个人 AI 迎来新机器
黄仁勋最后谈到了RTX Spark 笔记本电脑，该产品于上周发布，将 RTX 图形与 NVIDIA 全栈 AI 平台整合于轻薄的 premium Windows PC 中，用于加速创作、沉浸式游戏和强大的本地 AI。
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——随后以体积差异作为笑点：
“2016 年，我将 1 petaflop 和 128GB……交付给了一家名为 OpenAI 的小公司，”黄仁勋说着，在观众面前举起这台小巧的机器。“这是 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 需要两个人才能抬上楼。”
随后，黄仁勋播放了一段视频，展示一个智能体帮助训练 Hugging Face 的 Microduck：它在 Isaac Sim 中搭建课程并对机器人进行仿真，将训练任务发送到云端，然后将学到的策略带回 RTX Spark 进行评估，最后部署到实体机器人上。
四只 Microduck 一同登上舞台，来到黄仁勋身边，按指令坐下、站起，甚至小睡片刻。他解释说，它们是在 RTX Spark 上创建的，在云端训练，并在仿真中学会了各项技能。
“你是在 RTX Spark 上被创造出来的……[我们]在云端用一大堆 NVIDIA 超级计算机训练了你，而你的技能正是在 RTX Spark 和数字孪生上学会的，”黄仁勋对它们说。
完整阵容
在 Microducks 的簇拥下，黄仁勋回顾了主题演讲：欧洲正在构建其 AI 经济，AI 工厂正演进为运行智能体，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……我们将在欧洲拥有一个蓬勃发展的 AI 经济。”
最后，黄仁勋还带来了一个惊喜：一场欧洲歌唱大赛风格的音乐送别，将主题演讲的主题变成了一场滑稽的回顾。
歌词从 OpenShell 的护栏——“没有凭证。访问被拒绝”和“BlueField 上的哨兵从不打烊”——一路唱到物理 AI，其中机器人训练被比作“没有学生贷款的机器人大学”。
点睛之笔：“没有 fun，就拼不出 fungible。”一段萨克斯独奏引出了激昂的“We are Europa”合唱。
“让我们携手共建欧洲的 AI 经济，让 AI 投入工作，”黄仁勋在结束演讲时说道。“祝 GTC 愉快。”
在在线新闻资料包中浏览 NVIDIA GTC 柏林博客和新闻稿。
来源：NVIDIA Blog · blogs.nvidia.com