GTC Berlin 2026黄仁勋主题演讲更新涵盖AI工厂、安全智能体与物理AI
GTC Berlin 2026: Live Updates From NVIDIA CEO Jensen Huang’s Keynote
黄仁勋在GTC Berlin 2026主题演讲中宣布Vera Rubin AI工厂参考设计NVIDIA DSX POD，配套就绪后现场部署可从六个月缩至14天，冷却用水最多可减少100%，同等AI产出功耗最多可降30%。
Tempodrom 于1980年在柏林墙附近的一座帐篷中创立，几经搬迁，于2001年落户 Anhalter Bahnhof 附近。其永久场馆此后主办了音乐会、庆典和政治活动。
如今，这里上演的是另一种盛况。
GTC Berlin 为期三天，100多场关于智能体 AI、机器人、物理 AI、开放模型和加速计算的会议正在沿路的 STATION-Berlin 进行。在这里，记者、分析师和合作伙伴齐聚主活动：NVIDIA 创始人兼首席执行官 Jensen Huang 的主题演讲。
Huang 登台
Huang 以一个问题开场：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。
这场主题演讲紧随 NVIDIA 为期一周的欧洲之行——巴黎、伦敦、斯德哥尔摩、都柏林——公司承诺将近 $10 billion 投入欧洲各地的技术生态系统，并与 12,000+ 家合作伙伴合作。“经过计算机行业数十年的发展，我们现在正处于一场新工业革命的开端，”Huang 说。
AI 是一块五层蛋糕，Huang 解释道。能源为先进计算机提供动力，这些计算机是 AI 工厂的一部分；AI 工厂从运行于其上的模型生成 token 和数字智能，然后再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，并强调，与此类似，互联网首先需要网络，电力首先需要电网。
“要参与这场 AI 经济，你不想只是消费 AI，而是想生产 AI，”Huang 说。“我们完全可以在欧洲这里做到这一切，事实上，我们已经开始了。”
AI 工厂迎来新的形态规格
Huang 将 NVIDIA 的全栈 AI 工厂——涵盖硬件、系统软件、CUDA-X 库和模型——定位为一个用于构建和运营 AI 基础设施的广泛平台。
“这现在代表了创建 AI 工厂所需技术的广度，”Huang 说。“这就是 NVIDIA 今天所构建的，也是我们能够让欧洲参与 AI 生态系统、AI 经济的基础。”
他说，全面投产的 Vera Rubin 将 NVIDIA 的计算平台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 若干最新的机架级硬件产品。
接下来，Huang 发布了 NVIDIA DSX POD，这是一套参考设计，用于由合作伙伴在模块化集装箱内构建完整的 NVIDIA Vera Rubin AI 工厂，并在交付前完成集成与验证。借助 DSX POD，一旦现场公用设施就绪，现场部署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，”Huang 说。“这将改变人们安装和建设数据中心的方式，并有望因此提升速度。”
这款 NVIDIA DSX AI Factory Platform 使企业能够将冷却用水量减少高达 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，随着它们变得更加有用，将推动 token 消耗。
他将智能体描述为由五个要素组成：模型、编排其工作与记忆的 harness、隔离该 harness 的沙箱、知识以及工具。在这一框架下，智能体不只是一个回答问题的模型；它可以借助知识并通过工具采取行动。
“最重要的是确保智能体安全，”黄仁勋说。自主智能体可以访问文件、资源、网络和工具，因此其权限应当最小化，并且应当受到监控。
NVIDIA 给出的答案是全新的 面向安全 AI 智能体的 NVIDIA OpenShell 参考架构，这是一套构建于 NVIDIA OpenShell 之上的全栈设计——一个开源、由策略控制、具备内核级沙箱的运行时，位于智能体与其能够影响的系统之间。
这意味着权限、策略执行和监控必须动态调整。“每一次启动智能体时，权限都是不同的，”黄仁勋说。
开放模型将专长转化为优势
黄仁勋 介绍了 NVIDIA 的开放模型，将其作为构建针对特定需求的 AI 的起点。
NVIDIA 的前沿开放模型可供各行各业使用：Nemotron 用于语言，Cosmos 用于世界基础模型，GR00T 用于人形机器人，Alpamayo 用于自动驾驶车辆，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，我们都向你们提供全部模型，并且我们正持续推进这项工作。我们已经为此努力了十年，并将永远继续下去。”
NVIDIA 提供模型、数据以及用于复现它们的脚本，企业可以针对特定用例，用自己的数据对模型进行后训练——将专有数据转化为他所说的“主权智能”。
“你可以从一个开放模型开始，比如像 Nemotron 这样极其出色的模型，再用你自己的数据，针对你的用例进行后训练，当然就能达到超级智能，”黄仁勋说。“这是一件非常合理的事情，而且所有技术如今都已存在。”
NVIDIA 为智能体提供知识层
黄仁勋随后介绍了 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，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、嵌入查询以及重排序相关信息的 Nemotron 工具，以及新的 NVIDIA Kumo 模型，用于根据结构化数据做出预测。
“最终，让这些超级智能体、这些智能体成为超级智能体的，是你让它们能够访问你公司的知识，”Huang 说。
NVIDIA CUDA-X — 面向智能体的加速工具
Huang 随后将 NVIDIA CUDA-X 描述为一组广泛应用于科学、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 万名开发者在进行构建。
Huang 说，这些库可以加速仿真器、求解器和数据处理引擎——也就是智能体可能借以完成有用工作的那类工具。
“CUDA-X 工具为智能体提供了行业所需的专业工具，”Huang 说。
智能体走进实验室、工厂与工程领域
一段视频展示了 NVIDIA Agent Toolkit 在三个行业案例中将公司知识、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 Siemens 的 Erlangen 工厂，智能体帮助为新产品投产做准备，在变更落实到工厂车间之前，先在数字孪生中测试方案。
而在 Dassault Systèmes，工程智能体调整车辆设计，利用仿真发现问题并优化设计。
“而［所有这些］知识和工具都属于你们，”视频播放后 Huang 说。“那是你们的专业能力，因此现在这一切都可以做到了。”
电信运营商作为分布式 AI 基础设施
Huang 说，AI 正在改变电信业，提高频谱效率，并将基站转变为分布式 AI 基础设施。
他列举了 100,000 个站点以及约 100 吉瓦的分布式数据中心，并表示 NVIDIA 已与 Nokia 在 T-Mobile 网络上完成首次商业通话，历经近八年的工作。
“现在 CUDA 能打电话了，”Huang 说。“AI 将彻底改变我们开展电信业务的方式。它将极大地提高我们的频谱效率。”
AI 走进治疗室
医疗健康与生命科学领域的领军者正在基于 NVIDIA 技术进行构建，以推进药物发现并扩大患者护理。
例如，NVIDIA 与 Siemens Healthineers 正在开发由 AI 赋能的放射治疗。
Nemotron 智能体协调治疗计划，Isaac for Healthcare 平台与 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 连接实时影像和传感器数据，从而在患者移动时实现实时自适应照射。
Huang 将自适应放射治疗描述为一种物理 AI 应用：在治疗过程中，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，”Huang 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，了解肿瘤所在位置，将其完美分割，并据此引导放射治疗。”
未来之路：出行领域领导者加入 NVIDIA 汽车生态系统
黄仁勋表示，NVIDIA Hyperion 计算平台正被设计搭载于更多车队，自动驾驶软件将机器人出租车连接到网约车服务。
Bolt 携手 Lucid、Mercedes-Benz、Volkswagen Commercial Vehicles 和 Einride，正在 NVIDIA Hyperion 计算平台上展示精选的自动驾驶出行用例，演示 3 级和 4 级车辆以及未来机器人出租车车队的潜在应用。
此外，Volvo Cars 正在采用 Hyperion 和 NVIDIA Alpamayo Stack 软件，用于安全的自动驾驶。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汽车。
黄仁勋宣布，Volkswagen 的厢式货车、JLR、Volvo 以及 Mercedes-Benz 的下一代车型将兼容 Hyperion，并说道：“欢迎来到 Hyperion。”
面向机器人研究人员的参考人形机器人
黄仁勋随后宣布了 Agile ONE SN，这是一款基于 Isaac GR00T 打造的参考人形机器人——一具 31 自由度的机体，预计明年推出，旨在将研究人员的搭建时间从数周缩短到数天。
该平台采用模块化设计：研究人员可以使用完整工作流，也可以引入选定的组件。
“这是一个很好的起点，”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 在内的合作伙伴已在同一平台上开展构建。
个人 AI 迎来新机器
黄仁勋最后谈到了RTX Spark 笔记本电脑，这些笔记本于上周发布，在轻薄的高端 Windows PC 中汇集了 RTX 图形与 NVIDIA 的全栈 AI 平台，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 内存与他在 2016 年交付给 OpenAI 的 DGX-1 作了比较——然后把尺寸上的差异当作了笑点：
“2016 年，我把 1 petaflop 和 128GB……交付给了一家名叫 OpenAI 的小公司，”黄仁勋一边在观众面前举起这台小巧的机器一边说。“这就是 1 petaflop 和 128GB。当然，唯一的区别是，我可以这样拿着它，而 DGX-1 需要两个人才能抬上楼。”
黄仁勋随后展示了一段视频，其中一个智能体帮助训练 Hugging Face 的 Microduck：它设置了课程，并在 Isaac Sim 中仿真该机器人，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，然后部署到实体机器人上。
四只 Microduck 成群登上舞台，与黄仁勋会合，按提示坐下、站起，甚至打了个盹。他解释说，它们是在 RTX Spark 上创建的，在云端接受训练，并在仿真中学会了技能。
“你们是在 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们，而你们正是在 RTX Spark 和数字孪生这里学会了技能，”黄仁勋对它们说道。
完整阵容
Microducks围在他身边，黄仁勋回顾了主题演讲：欧洲正在建设其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。“每个人都能构建智能体。欧洲的每一家公司都将成为AI公司……我们将在欧洲拥有蓬勃发展的AI经济。”
作为收尾，黄仁勋还有一个惊喜：一场欧洲歌唱大赛风格的音乐送别，把主题演讲的主题变成了一段诙谐回顾。
歌词从OpenShell的护栏飞速掠过——“没有凭证。访问被驳回”以及“BlueField上的Sentry永不下班”——再到物理AI，机器人训练被比作“没有学生贷款的机器人大学”。
笑点是：“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。
“让我们共同努力，建设欧洲的AI经济，让AI投入工作，”黄仁勋在结束演讲时说。“祝大家GTC愉快。”
在在线新闻资料包中浏览NVIDIA GTC柏林的博客和新闻稿。
来源：NVIDIA Blog · blogs.nvidia.com