NVIDIA GTC Berlin 2026 发布会

GTC Berlin 上的焦点产品不是芯片——而是一个集装箱。DSX POD 将七个液冷 Vera Rubin NVL72 机架、约17公里的 Spectrum-X 线缆以及所有相关网络、冷却和管理硬件打包进一个经过工厂测试、可运输的单元，提供约25 EFLOPs 的人工智能推理能力 ^[2]。NVIDIA 表示，这种封装方式将集成、布线和液冷工作从现场转移到工厂制造，可将已准备就绪场地的部署时间从大约六个月缩短至最短14天 ^[1]。Lambda 的早期概念验证使用基于 NVIDIA HGX B200 系统的 DSX MaxLPS，报告集群令牌吞吐量提升24%，相同令牌输出功耗降低最多30%，这些数据被 NVIDIA 用来宣传速度经济性，而不仅仅是原始算力 ^[1]。全球集装箱交付计划于2027年初启动，合作伙伴名单包括 Crusoe、戴尔科技、HPE、联想、富士康的 Ingrasys 等，看起来 NVIDIA 正在为自己组装预制数据中心的供应链，而不再仅依赖超大规模企业 ^[1]。Crusoe 正将 Vera Rubin DSX 参考设计和 Omniverse DSX 蓝图直接纳入其千兆瓦级人工智能工厂建设中 ^[3]。综合来看，DSX POD 不像是一次产品发布，更像是一种声明：NVIDIA 希望人们根据人工智能工厂从空地到产生收入的令牌速度来评判它，而不仅仅是每颗芯片的 FLOPs。

NVIDIA 在 GTC Berlin 上的另一大赌注是，自主人工智能代理需要由其进程外部进行监管，而不是信任其自我报告。OpenShell 参考架构在整个执行过程中将每个代理工作负载视为不可信，仅在需要时才授予对数据和工具的访问权限 ^[4]。执行由 BlueField-4 DPU 上的 NVIDIA Sentry 监控系统完成，该系统在硅基层面执行策略，可在检测到威胁或违规后毫秒内隔离行为异常的代理 ^[4]。这种以硬件为先的立场与黄仁勋本人的观点一致：自主代理的唯一安全起点是零信任，而人工智能安全本身需要被加速，而不是事后附加。该架构适用于红帽、SUSE 和 Canonical 的 Linux 与 Kubernetes 发行版，红帽企业 Linux 现在支持 Vera CPU 和 Vera Rubin 平台 ^[5]，SUSE 将其自身集成定位为为企业代理式人工智能提供主权控制 ^[6]。采用名单才是真正的信号：来自八家不同模型开发商的代理——包括 Anthropic、Google、Meta、OpenAI 和 Perplexity——可在 OpenShell 内运行，ServiceNow 和 SAP 正在其基础上构建，BBVA 和桑坦德银行等银行也据称正在评估该平台 ^[7]。ServiceNow 甚至未等待发布——其 Arc 个人企业代理已进入通用可用阶段，运行于 OpenShell 运行时中，并通过其超级智能控制塔进行治理，BlueField-4 策略撤销作为执行后盾 ^[8]。如果这种采用趋势持续，NVIDIA 已将自己定位为一波它自身并不构建的企业代理之下的默认信任层。

黄仁勋向欧洲企业提出的愿景宏大：欧洲每家公司都将成为人工智能公司，建立在能源、算力、人工智能工厂、模型和应用的五层堆栈之上，并由 NVIDIA 向欧洲生态系统承诺的近100亿美元和超过12,000家区域合作伙伴支持 ^[9]。这一框架同时招致了多方面的反对。Forrester 分析师 Paul Miller 认为，任何持续严重依赖 NVIDIA（一家非欧洲公司）的事物都不太可能满足最纯粹的欧洲技术主权定义，这与主题演讲自身的品牌定位相悖 ^[10]。抗议者在主题演讲期间打断，指控 NVIDIA 芯片出现在俄罗斯无人机中，提醒人们该公司全球硬件足迹存在双重用途和声誉风险，这是主权叙事无法解决的 ^[11]。这种怀疑声在会场外也有所回响：社区讨论中报告称，NVIDIA 在几家新云服务商（neoclouds）在其云服务中加入竞争对手 AMD 和 TPU 芯片后，拒绝了它们参加 GTC Berlin 的资格，另一条讨论线则提及黄仁勋本人曾公开尖锐批评德国的技术地位。这些都未影响投资者对主题演讲的接受度——分析师 Gene Munster 称 NVIDIA 仍被低估，并指出 DSX POD 的部署速度是一个真正的投资回报故事 ^[12]——但这表明主权人工智能叙事正在实时受到挑战，而非被全盘接受。

在主题演讲最响亮的头条之下，NVIDIA 静默地扩展了代理系统实际运行的检索基础设施。Nemotron 3.5 系列增加了开源、可商用的 Embed、Rerank 和 Parse 模型，旨在实现代理式文档、图表和表格检索 ^[13]。Nemotron 3.5 Embed 8B BF16 在 ViDoRe v3.1 基准测试中取得61.17 nDCG@10 分数，截至2026年10月20日，在密集检索模型中排名第一，而其精简的1B版本保留了95.4%的分数——这对于无法在推理规模运行8B模型的团队而言，是一个有意义的效率权衡 ^[13]。Nemotron 3.5 Rerank 侧重于成本而非原始准确性，将代理每次查询的令牌成本降低约14%，而 Nemotron 3.5 Parse 在单个 H100 上每秒可处理多达16.1页，同时在参数低于10亿的解析模型中排名第一 ^[13]。该系列更面向消费者的部分是 Nemotron 3.5 Super VL，这是一个结合文本与视觉理解的多模态模型，使代理能够从网页、PDF、表格和图表中提取并采取行动 ^[15]，其压缩版兄弟 Nemotron 3.5 Bolt 是一种混合 Mamba-Transformer 的专家混合模型，总参数740亿，激活参数90亿，由1200亿参数的 Super VL 精炼而来，可适配24GB内存，用于 RTX 和 DGX Spark 硬件上的本地代理使用 ^[14]。这些模型虽不如 DSX POD 或 OpenShell 抢眼，但它们是让 NVIDIA 的代理安全与代理基础设施故事真正可运行的模型。

GTC Berlin 上较安静的故事是 NVIDIA 的云与电信合作伙伴锁定 Vera Rubin 的速度之快。谷歌云在主题演讲当天就为其首个客户推出了首个由 Vera Rubin NVL72 驱动的 A5X 实例，计划于2026年11月全面上市，并制定了在多个站点扩展至96万台 Rubin GPU 的路线图 ^[16]。首个命名客户是总部位于伦敦的强化学习实验室 Ineffable Intelligence，由 AlphaGo 创始人 David Silver 创立，他表示 Vera Rubin 的计算性能和连接性让他的团队能够进一步扩大研究规模 ^[16]。在电信方面，NVIDIA 与诺基亚、T-Mobile 合作，在商业现网完成了所谓全球首个 AI-RAN 通话，这是双方合作约八年的成果 ^[17]。在全球范围内，近20家电信运营商已承诺与 NVIDIA 和诺基亚开展 AI-RAN 工作，时间点恰在 NVIDIA 对诺基亚投资10亿美元一年后，诺基亚正将 Nemotron 集成到其自主网络套件中 ^[17]。这两项公告都没有获得 DSX POD 或 OpenShell 那样的舞台时间，但都显示出相同模式：NVIDIA 的合作伙伴在大多数企业甚至尚未见到硬件之前，就已经接入 Rubin 时代的基础架构。