AREX Viewpoint Article
NVIDIA GTC Berlin 2026 Keynote With CEO Jensen Huang
导读
2026年10月21日，英伟达在柏林GTC大会的主题演讲上给出了一个具体数字：过去一年，公司已在欧洲投资近100亿美元，并累计建立超过12000个欧洲合作伙伴关系。据CGTN America报道，黄仁勋在同场演讲中把这轮增长中的AI经济形容为“一场新工业革命的开始”。这一表态把一个长期停留在政策文件里的词——主权AI——推到了基础设施落地的层面，也让外界重新审视欧洲在全球AI版图中的位置。
欧洲的焦虑并不新鲜：面对高企的成本和相对薄弱的本土云基础设施，欧洲担心自己只是AI的消费市场，而非生产者。据HPCwire报道，英伟达在GTC柏林2026围绕欧洲主权AI发布了一系列公告；据SDxCentral报道，其方案之一是把掌握网络与数据的电信运营商转变为主权AI工厂，德国电信与Orange已签约参与。英伟达官方新闻稿还提到，公司正与意大利的Domyn及当地政府合作提升该国的主权AI能力。由此，主权AI不再只是口号，而被拆解为算力、模型与部署的具体项目。
新闻给出的多是数字与签约，而这场主题演讲录像补上了判断框架。黄仁勋在演讲中把AI重新定义为“制造业”而非单纯的软件：能源驱动先进计算机，先进计算机构成AI工厂，AI工厂生成token即数字智能，数字智能再进入各行各业，形成“五层蛋糕”式的产业结构。这一框架的意义在于，它让“欧洲能否生产AI”变成一个可以逐层检验的问题，而不是一句笼统的政治宣示。
视频真正增加的信息，是欧洲从消费者转向生产者的路径。黄仁勋提出，未来企业会同时使用闭源前沿模型与可定制的开放模型，并用专有数据对开放模型做后训练，把通用能力提升到前沿水平，从而将数据资产转化为主权智能。对监管严格、重视数据治理的欧洲来说，这提供了一套可操作的判断标准：关键不在于引进了多少模型，而在于能否在本土完成从算力到模型再到应用的闭环。
仍需区分事实与立场。近100亿美元投资与逾12000个合作伙伴关系，是英伟达及其CEO在发布会上给出的数字，属于发布方的表述，而非独立机构对欧洲AI竞争力的核验；德国电信、Orange的签约以及各地AI工厂能否转化为持续算力与产出，也有待时间检验。也正因为相关报道集中在10月21日至23日这几天，这轮欧洲主权AI叙事正处在最需要被厘清的时点。
从这个意义上说，10月23日上线的这场主题演讲录像，价值不在于复述新闻，而在于它把“为什么是现在、欧洲该往哪一层走”讲成了一套可讨论的逻辑：从五层产业结构，到以开放模型加专有数据通向主权智能的路径，再到把AI视为新工业革命基础设施的判断。读者看完新闻再回到这场演讲，便能自己衡量：欧洲这轮布局，究竟是在消费AI，还是真正开始生产AI。
核心结论
- AI的本质是制造业，五层产业链重新定义了新工业革命的基础：黄仁勋将AI拆解为能源、先进计算机、AI工厂、数字智能token和行业应用五层结构，指出AI不是工具而是生产智能的基础设施。这一框架解释了为什么AI会像电力一样改造所有行业，也为理解NVIDIA的全栈布局提供了底层逻辑。
- 欧洲AI经济已从起步进入加速阶段，核心是从消费转向生产：黄仁勋用近100亿美元投资、超过12000个合作伙伴关系和覆盖五层产业体系的布局，说明欧洲主要企业已经深度参与AI生态。这一判断直接回应了欧洲对数字主权和战略自主的关切，具有强烈的传播价值。
- 极端协同设计让NVIDIA在十年内实现百万倍性能提升，摩尔定律已基本终结：从Pascal到Vera Rubin六代架构，NVIDIA通过跨越芯片、系统、软件和算法的全栈创新，将AI性能提升100万倍，远超同期摩尔定律的百倍水平。这解释了NVIDIA技术护城河的来源，也说明传统制程微缩路径已无法支撑持续突破。
- 智能体安全不能靠提示词请求，必须在系统调用层面强制执行策略：黄仁勋指出企业即将部署数十亿AI智能体，仅靠“请别这样做”无法阻止智能体滥用权限。Open Shell通过在系统调用、文件访问和网络连接层面强制执行策略，将安全从LLM护栏延伸到基础设施层，这是AI大规模企业部署的信任前提。
- 企业将混合使用闭源和开源模型，用专有数据训练主权智能：黄仁勋否定了单一模型统治未来的图景，认为企业会根据任务选择闭源前沿模型或可定制的开放模型。通过用专有数据后训练开放模型，企业可以将通用模型提升到前沿水平，把数据资产转化为可控制的主权智能。
观点拆解
1. AI的本质是制造业，而非单纯的软件技术
-
AI不是工具，而是生产智能的基础设施与工厂：黄仁勋明确指出，AI虽然运行在计算机上，但其运作方式已经发生根本变化：计算机不再只是被人使用的工具，而是成为生产“智能”的机器、基础设施和工厂。这一判断把AI从软件工具重新定义为一种制造业，是理解整个AI产业逻辑的底层框架。
“我们很早就观察到，AI实际上是一个制造业。AI不仅仅是软件技术。它当然是软件技术，但不仅仅是。”
“与其说它是我们使用的工具，不如说它现在是一套机器、一种基础设施、一座座工厂的一部分，这些工厂在生产智能，并融入每一个行业和应用。”
-
五层蛋糕框架揭示AI作为新工业革命的完整产业链：黄仁勋用“五层蛋糕”模型解释AI的产业结构：能源驱动先进计算机，先进计算机构成AI工厂，AI工厂生成token即数字智能，数字智能再集成到各个应用中。这个框架说明AI不是单一技术，而是一条从能源到应用的完整产业链，每一层都代表新的增长机会。
“一个简单的模型是把AI想象成一个五层蛋糕。能源驱动先进计算机，先进计算机是AI工厂的一部分，AI工厂从运行其上的模型中生成token，也就是数字智能，这些智能再集成到每一个应用中。”
“当你审视这个五层蛋糕时，你会认识到它实际上是一个新产业，因为每一层都有增长。”
-
AI将像电力一样成为新工业革命的基础：黄仁勋将AI与电力类比，认为AI将影响我们建造一切的方式以及我们能建造什么，每个人都会使用它，每家公司都会由它驱动，每个行业都会被改造。这一类比强化了AI作为通用基础技术的地位，也解释了为什么AI被视为新工业革命而非普通技术浪潮。
“一场新工业革命的发生，在于新技术影响了我们如何建造事物，以及我们能建造什么。我认为AI将在每一个方面影响我们建造的一切，并且实际上让我们能够建造新的事物。”
“每个人都会使用它，每家公司都会由它驱动，每个行业都会被改造，新的行业也会被创造出来。从这个意义上说，就像电力一样，它是一场新工业革命。”
2. 欧洲正在从AI消费者转向AI生产者，构建自己的AI经济
-
欧洲企业已大规模激活AI生态，从消费转向生产的基础已经形成：黄仁勋列举了欧莱雅、Spotify、保时捷、雀巢、汇丰等一系列欧洲头部企业，指出它们都在与NVIDIA合作推进AI。这说明欧洲主要产业力量已经进入AI生态，不再只是旁观者或消费者，而是正在成为AI经济的参与者。
“它们都是欧洲公司，而且它们都在与NVIDIA合作推进AI。”
“这里的每一个人都已经在AI生态系统中被激活，并朝着AI经济迈进。”
-
NVIDIA在欧洲的投资和伙伴关系规模表明，欧洲AI经济已从起步进入加速阶段：黄仁勋用具体数字说明欧洲AI经济正在快速扩张：仅过去一年就在欧洲投资近100亿美元，累计建立超过12000个合作伙伴关系，并在最近一周宣布投资14家初创公司。这些数据表明欧洲AI经济不是概念，而是正在落地的产业现实。
“仅在过去一年，我们就在欧洲投资了近100亿美元，覆盖初创公司、大型合作伙伴和小型合作伙伴，遍布整个欧洲。”
“自开始以来，我们现在在整个欧洲拥有超过12000个合作伙伴关系。”
-
欧洲AI经济覆盖五层产业体系，每一层都在创造增长和就业：黄仁勋明确提出欧洲不应只消费AI，而应生产AI，并指出欧洲正在构建自己的AI经济。他用"五层蛋糕"来描述这一体系，强调从基础设施到模型再到应用，每一层都有增长，正在以非凡速度创造就业和增长。
“你不想只是消费AI，你想生产AI。我们可以在欧洲做到这一切。事实上，我们已经开始了。欧洲正在构建自己的AI经济。”
“当你审视这个五层蛋糕时，你可以认识到，事实上，这是一个新产业，因为每一层都有增长。我们正在以非凡的速度创造就业和增长。”
“欧洲的AI经济正在起步，而且确实在加速。”
3. NVIDIA通过极端协同设计实现了超越摩尔定律的百万倍性能提升
-
六代架构十年间实现AI性能百万倍提升，远超同期摩尔定律的百倍水平：黄仁勋以Pascal到Vera Rubin的六代架构为线索，指出NVIDIA在过去十年将AI性能提升了100万倍，而同期摩尔定律只能带来约100倍提升。这一对比直接量化了NVIDIA技术迭代速度与传统半导体演进路径之间的巨大差距，是理解其行业领先地位的关键数据。
“在过去十年里，我们将AI性能提升了100万倍。”
“摩尔定律在十年间会带来什么？前五年提升10倍，后五年再提升10倍，十年总共提升100倍。”
-
极端协同设计是跨越芯片、系统、软件与算法的全栈创新方法论：黄仁勋将百万倍性能提升归因于NVIDIA的“极端协同设计”方法：不是只优化单一芯片，而是同时创新整个计算机、每一层软件栈、优化并创造新算法，并为这些算法专门设计加速架构。这种全栈联动的研发方式，使性能突破不再受制于单一环节的物理极限。
“在同一时期，由于NVIDIA的极端协同设计方式，我们在每一台计算机、每一层软件栈上进行创新，优化新算法、创造新算法，同时创造架构来加速它。”
“我们需要这些极端协同设计理念，从芯片到系统，从系统到系统软件，再到算法，直至整个AI工厂。”
-
摩尔定律已基本终结，极端协同设计成为持续突破性能的必要路径：黄仁勋明确指出摩尔定律已经“基本终结”，这意味着单纯依靠制程微缩来提升性能的传统路径不再可行。NVIDIA通过极端协同设计实现了“远超合理范围”的性能表现，并强调将继续沿用这一方法。这一判断为NVIDIA的技术路线提供了宏观逻辑支撑，也解释了其为何持续投入全栈系统级创新。
“每一代产品，正如我提到的，通过极端协同设计，我们都能实现远超合理范围、远超摩尔定律所决定的性能。而且如你所知，摩尔定律实际上已经基本终结。”
4. AI工厂正在从现场组装转向供应链内预制，DGX Pod将部署时间从数月压缩到数天
-
DGX Pod把AI工厂从“现场施工”变成“工厂预制”，部署周期从数月压缩到数天：黄仁勋在演讲中明确宣布NVIDIA DGX Pod，将完整的AI工厂平台集成到工厂制造、测试并装入可运输集装箱中。这意味着数据中心建设从传统的现场组装模式转向供应链内预制模式，一旦现场基础设施就绪，部署时间从几个月缩短到几天，直接回应了AI基础设施扩张的速度瓶颈。
“今天，我们发布NVIDIA DGX Pod，将这一全栈平台带入工厂制造的集成系统中。”
“一旦现场基础设施准备就绪，预计现场部署时间将从几个月缩短到几天。”
-
供应链内预制让NVIDIA能够规模化制造超级计算机，支撑全球数百个数据中心并行建设：黄仁勋回顾了从2016年首个AI超级计算机到Grace Blackwell NVLink-72机架级计算机的演进，指出关键转变在于把原本需要在现场组装的整个机架放到供应链内部完成。这种制造方式使NVIDIA能够以极快速度同时支持全球数百个数据中心的建设，说明预制模式不仅是效率提升，更是规模化扩张的前提。
“我们基本上实现了超级计算机的规模化制造。这正是我们能够行动如此迅速、并同时为全球数百个数据中心建设提供支持的原因。”
-
工厂内完成烧机与验证，交付时系统已完全可用，消除了现场数月的组装与调试：黄仁勋指出，即使机架级计算机已经大幅简化部署，系统到达客户现场后仍需要数月的组装工作，仅Spectrum-X的布线就长达17公里。DGX Pod的解决方案是把所有组装、运行验证、资格认证和烧机测试都放在供应链内完成，发货时系统已经完整可用，从而把现场风险和时间成本转移到可控的工厂环境中。
“即便如此，当你把这些系统运到你的场地时，仍然需要数月又数月的组装。”
“现在，假设我们把所有这些都放在供应链内部完成。把一切运行起来，把一切搭建起来，确保它完全运行，完成资格认证、烧机测试，到我们发货时，它已经是完全可用的。”
5. Agent安全不能靠“请别这样做”，Open Shell用系统调用级强制策略保障自主智能体安全
-
“请别这样做”不是安全策略，智能体安全必须靠技术与工程实现：黄仁勋指出，企业即将部署数十亿AI智能体，它们会推理、规划、调用工具并访问数据，但当前阻止智能体滥用权限的唯一手段只是用提示词“请求”它不要删除文件、不要推送代码或不要触碰SSH密钥。这种“请别这样做”的方法本质上是把希望当作安全，而安全不是愿望，而是需要技术和工程来保障的。
“今天，阻止一个智能体滥用这一切的唯一手段，只是客气地请求它。请不要删除任何东西。请不要推送到主分支。请不要碰我的SSH密钥。这就是“请别这样做”的方法，但希望不是安全。安全不是一种愿望，而是技术和工程。”
-
Open Shell在系统调用、文件访问和网络连接层面强制执行策略，将安全延伸到LLM护栏之外：Open Shell允许企业为每个智能体编写可触碰资源的策略，并在系统调用、文件访问和网络连接等基础设施层面强制执行。形式化验证会检查每一次策略变更是否超出权限上限，确保智能体不会获得超出预期的访问权限。黄仁勋用早期互联网浏览器限制网页行为的类比说明，对智能体的强制约束必须发生在智能体外部，而不是仅仅依赖LLM内部的护栏。
“你为每个智能体可以触碰什么编写策略，Open Shell在系统调用、文件访问和网络连接的粒度上强制执行它。形式化验证会对照你的权限上限检查每一次策略变更，因此智能体永远不会获得超出预期的访问权限。”
“强制执行发生在智能体外部，而不仅仅是在LLM护栏中，将智能体原生安全带入你的基础设施。”
-
智能体权限必须动态管理，Open Shell因应大规模部署时机而获全球主要公司采用：黄仁勋强调，智能体是自主系统，必须用极其安全的技术来开发和部署。由于每个智能体的能力级别、任务、使用者组合都不同，每次启动时所需权限也不同，因此权限授予、策略执行和监控都必须动态完成。Open Shell已被全球几乎所有主要公司采用，包括前沿实验室、操作系统公司、网络安全公司和平台公司，原因在于它恰好出现在全球大规模部署智能体的时间节点上。
“智能体是自主系统。我们必须创造极其安全的技术，以确保我们能够开发这些智能体并安全地部署它们。”
“Open Shell，世界上几乎所有主要公司——从前沿实验室到操作系统公司、网络安全公司、平台公司——都已经出来采用Open Shell。这真的很令人振奋。原因在于这项技术恰好在正确的时间出现，正值我们想要在全世界部署智能体的时候。”
“每一个能力级别、你交给智能体的每一个任务、每一个使用智能体的人，每一种组合都需要你向智能体提供不同级别的权限。而每一次智能体被启动时，权限都是不同的。因此，权限、策略执行、监控，所有这些都必须动态完成。”
6. 企业将同时使用闭源和开源模型，用专有数据把开放模型训练成主权智能
-
未来不会由单一模型统治，企业将混合使用闭源、开放和定制模型：黄仁勋明确否定了“一个模型做所有事”的未来图景。他认为企业会根据任务性质选择模型：通用工作交给通用人工智能，而涉及专有知识和专业能力的任务则需要持续增强自有智能。这意味着模型策略将从“选一个赢家”转向“组合多种模型”。
“未来不会只有一个模型来运行一切。我们会使用最好的模型，无论它们是闭源的、开放的还是定制的。”
“未来的每家公司都会同时使用闭源模型以及你可以定制的开放模型。”
-
开放模型的价值在于透明可复现，企业可以知道模型从何而来并建立信任：黄仁勋强调NVIDIA不仅提供开放权重，还提供训练数据和复现脚本。这种完全开放的策略让企业能够追溯模型的来源，从而在数据治理和合规要求严格的欧洲市场建立信任。开放不是简单地公开参数，而是公开整个“配方”。
“我们不仅给你开放权重，还给你完整的配方和数据来重建这些开放模型，这样你就能知道它从哪里来，并对它拥有完全的信任。”
-
用企业专有数据后训练开放模型，可以把通用模型提升到前沿水平并转化为主权智能：这是整个观点的核心落点：开放模型本身未必是最前沿的，但通过定制化和生态伙伴的协作，企业可以用自己的专有数据对Neumotron等开放模型进行后训练，使其达到甚至超越前沿能力。黄仁勋用Base 10、Code Rabbit、Trajectory、Harvey、Scale和Skydance等多个案例证明这条路径已经可行，最终将专有数据转化为“主权智能”。
“通过定制化以及我们合作的生态伙伴，你可以把这些模型提升到前沿水平。这样一来，就能把你的专有数据转化为主权智能。”
“关键在于，你可以从一个开放模型开始，比如像Neumotron这样非常优秀的模型，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。”
7. 人形机器人将成为下一个最大规模的机器人平台，标准化配置是启动技术飞轮的关键
-
机器人行业碎片化阻碍技术飞轮，标准化配置是破局前提：黄仁勋指出，机器人行业之所以难以快速发展，是因为不同工作任务高度多样化，导致为每个任务定制专用配置，把行业切分成大量互不兼容的形态，无法形成规模效应。他类比手机、个人电脑和NVLink 72的成功，说明标准化配置才能带来用户规模、产量和技术飞轮，这是人形机器人成为主流平台的根本逻辑。
“为每一种不同的任务构建专用配置，会把机器人行业分割成各种不同的形态，从而阻止技术飞轮的发生。”
“手机、个人电脑以及NVIDIA的NVLink 72之所以进步如此之快，是因为标准化配置让许多客户可以使用它，由此产生规模，规模驱动技术飞轮，让它变得更快、更好，速度快得惊人。”
-
人形机器人虽非万能，但最可能成为最大体量的机器人平台：黄仁勋承认人形机器人并不完美适配所有场景，但其通用性使其能够覆盖大量工作任务。正因如此，人形机器人有望成为出货量最大的机器人配置，并借助通用智能快速学习和适应，让没有专业机器人团队的中小企业也能通过示范来训练机器人，从而打开大规模应用空间。
“人形机器人显然具备这种能力，它可能并不完美适用于所有事情，但很可能适用于许多事情。因此，这很可能成为最大体量的机器人配置。”
“对于没有整个机器人团队来教学和编程的中小企业来说，现在可以向机器人展示需要完成的工作。机器人因为具备通用能力和通用智能，能够快速学习和适应。”
-
Omniverse数字孪生与参考机器人共同构成启动飞轮的基础设施：黄仁勋强调，物理AI系统需要三台计算机，其中第二台用于在数字孪生中让AI学习技能，而不是直接在物理世界中试错。Omniverse作为数字孪生世界，连接西门子、达索、Cadence等平台工具，为机器人训练提供安全环境。同时，NVIDIA计划在明年第一季度推出预装计算机和软件、开箱即用的参考机器人，作为加速机器人开发的起点和飞轮。
“你不能只是给AI编程，然后让AI进入物理世界为所欲为。你要在数字孪生中完成这件事。我们创建了一个名为Omniverse的数字孪生。”
“这款参考机器人将在明年第一季度面世，它将预装计算机、集成软件，并且开箱即用就能表现得相当出色。因此，这是一个很好的起点，也将成为我们加速机器人开发的飞轮。”
8. 个人电脑正在从工具演变为个人智能体，RTX Spark将Agent能力带入桌面
-
个人电脑的定位正在从“工具”转向“个人智能体或伴侣”：黄仁勋明确提出，在新一代个人电脑中，用户与电脑的关系不再是操作工具，而是与一个能帮助完成工作的智能体或伴侣互动。这一判断把个人电脑从被动执行设备重新定义为主动协作角色，是理解RTX Spark产品逻辑的前提。
“个人电脑不再只是你的工具，而是你的个人智能体或你的个人助理。你与这台电脑的互动方式，本质上会像一个伴侣，一个帮助你完成工作的人。”
-
个人智能体电脑需要具备模型、harness、安全运行时、知识和工具五个要素：黄仁勋将个人智能体电脑的能力拆解为五个必要条件：可本地或云端运行的模型、作为外骨骼的harness、安全的Open Shell运行时，以及对知识和工具的访问。这为“个人电脑变成智能体”提供了可落地的技术框架，也解释了NVIDIA为何要推出专用桌面硬件。
“这台电脑需要恰好具备我今天提到的五样东西。它需要有模型，模型可以在本地运行，也可以在云端运行。它需要一个harness。它需要一个安全的运行时，也就是Open Shell。而且因为它就在你的PC上，它还需要访问知识和工具。”
-
RTX Spark PC和DGX Station把智能体能力以桌面形态交付，标志着AI向个人计算设备下沉：黄仁勋展示了全新的RTX Spark PC，并指出其与早期DGX-1相比体积大幅缩小，同时DGX Station可运行Windows及专业软件，提供20 petaflops算力和754GB内存。这表明原本属于数据中心级别的智能体计算能力正在被压缩到桌面设备，个人用户也能在本地获得AI智能体运行环境。
“唯一的区别当然是，我可以这样拿着它，而DGX-1需要两个人才能搬上楼。这就是全新的RTX Spark PC。”
“如果你想要一台能运行CATIA、Autodesk、Adobe、Cadence和Synopsys等软件的伴侣工作站，你随时可以给自己配一台运行Windows的DGX Station。它拥有20 petaflops算力和754GB内存。”
总结
黄仁勋的核心信息是：AI不是一项普通技术，而是一场新工业革命，它的基础设施属性决定了谁掌握生产谁就掌握未来。欧洲的机会不在于消费更多AI，而在于用开放模型、专有数据和本地制造能力构建自己的AI经济。与此同时，智能体安全和标准化机器人平台正在成为下一阶段的关键瓶颈，谁能先解决信任和规模问题，谁就能在AI从云端走向物理世界的进程中占据主动。
信息源
视频来源
- NVIDIA GTC Berlin 2026 Keynote With CEO Jensen Huang：
外部资料
- CGTN America：
- Nvidia Embraces European Sovereignty at GTC Berlin：
- Nvidia wants to turn Europe's telcos into sovereign AI ...：
- Europe Builds AI Infrastructure With NVIDIA to Fuel ...：
- NVIDIA GTC Berlin 2026 Keynote With CEO Jensen Huang：