3月加州主GTC发布Vera Rubin平台、台北站聚焦量产爬坡与智能体运行时，而刚刚落幕的2026 GTC柏林（10月20–22日），才真正把AI工厂这套范式推向可规模化交付。
这场面向欧洲制造业、受主权合规约束的大会，核心看点早已不只是新芯片。DSX POD模块化集装箱方案，把AI工厂从定制化大型工程变成标准化资产，这套基础设施，正在催生一类区别于传统超大规模公有云的新型算力服务商。而物理AI、工业仿真、人形机器人训练，正是这批新服务商最核心、最高毛利的负载场景。
AI工厂：从概念蓝图，到14天交付的标准化算力资产
英伟达CEO黄仁勋在柏林给欧洲的提议，本质上是一句话：欧洲应该生产AI，而不只是消费AI。配合他反复强调的“五层蛋糕”框架，能源、加速计算、AI工厂、模型、应用，算力工厂就是这套体系的生产底座。
此前不管是加州GTC还是台北COMPUTEX，AI工厂更多停留在顶层架构、整机平台发布阶段，落地周期长、项目定制化极强，资金占用巨大。
而本次柏林GTC发布的DSX POD，是基于Vera Rubin平台的预制集装箱式AI工厂参考设计。
英伟达不生产集装箱、不做交付，它输出的是一整套验证过的架构规范，由Dell、HPE、联想、富士康Ingrasys、技嘉、广达QCT、和硕、纬创、Bull、Delta、Crusoe、DayOne、Anduril、Armada等17家ODM/OEM与基础设施伙伴落地制造。
单个POD包含7个液冷机架，机架之间由约20公里NVLink铜互连与3500根线缆相连，负责横向扩展的Spectrum-X网络另有约17公里布线，全部出厂前完成安装与测试。
只要场地电力、冷却配套就绪，现场部署周期从传统约6个月压缩至最快14天，2027年初开始交付。
配套的互联底座也在换代。Spectrum-X以太网已将硅光技术与CPO共封装光学量产，这是Vera Rubin集群区别于Blackwell时代的关键，让百万GPU级集群的横向扩展带宽不再是瓶颈。
14天
现场部署周期
7机架
单机柜规模
20公里
机架间NVLink布线
17家
交付合作伙伴
这是非常关键的转变。
资产属性强化。AI算力集群不再只是IT采购，变成可评估、可抵押、可融资的固定资产，解决吉瓦级算力项目资金空转的痛点。更隐蔽的杠杆在金融侧，英伟达联合NeoCloud生态推出保底收入承诺加收益分成的金融方案，针对合格项目提供take-or-pay照付不议最低收入保障，打消放贷机构顾虑，同时联合阿波罗、贝莱德等资管机构，共同搭建规模超5000亿美元的算力专项融资平台。这正是欧洲初创敢大手笔建厂的隐性底气。
适配欧洲现实约束。欧洲算力建设最大瓶颈不是芯片供给，而是土地审批、能耗指标、数据属地合规，模块化POD天然适配分散式、本地化部署。冷却方案尤其贴合欧洲，闭环液冷加干式冷却器让冷却用水接近归零，官方测算2GW规模每日可节水5400万升，相当于18万户家庭日用水量。对缺水区和水配额管控地区，这不是卖点，是通行证。
软硬一体打包。依托已发布的DSX软件栈，DSX Sim仿真预验证、DSX MaxLPS电力调度在同等Token产出下最高降低30%用电量、DSX OS开源工作负载编排，降低集群运维门槛。而整个DSX软件栈围绕的是一个新指标设计，每兆瓦的Token产出。行业正在从拼FLOPS转向拼每瓦有效产出，这也是理解DSX POD商业价值的核心。
虽然Vera Rubin平台3月16日已在圣何塞GTC正式发布，但DSX POD标准化交付方案、面向主权算力资产化的整套商业叙事，是柏林GTC新增的核心增量，也是和前两场GTC稿件最大的区分点。
过去建AI工厂是建设数据中心，现在是采购算力生产单元。从前拼GPU配额，未来拼每兆瓦稳定Token产出的交付能力。
新玩家：区别于传统公有云的新型主权算力服务商
传统AWS、Azure、国内公有云的模式，核心是通用算力租赁，面向通用大模型、互联网业务，数据跨境、合规权限很难满足欧洲工业客户的主权要求。
在欧洲主权AI的版图上，一批新型服务商已经走出完全不同的路线，但成熟度要分开看。
Nebius已签下微软120亿美元专属算力合同，2026下半年起提供Vera Rubin NVL72；
Nscale计划2027年在欧洲五国部署超10万颗GPU的Rubin平台，这两家是跑通的成熟玩家。
本次柏林站新亮相的德国初创Polarise，大会现场发布Polarise AI Cloud主权云平台，则处于早期阶段，属于大会生态发布信息，距离Nebius的规模化运营还有距离。
此外还有德国在建、英伟达联合上下游共建的欧洲本土工业AI云平台。
01
算力自有、属地部署
算力底座全部放在欧盟境内，数据不出欧洲，原生适配GDPR、主权AI监管，规避海外云法案的数据调取风险；
02
不卖通用算力，卖垂直打包方案
不只是出租GPU，而是把DSX POD算力、Omniverse数字孪生、Isaac仿真栈、物理AI微调工具打包成行业服务包。这也是它们与欧洲本土老牌超算中心、托管IDC的分界线，后者大多只提供机房加裸机，不打包垂直软件栈；
03
客户定向
优先服务车企、工业设备厂商、机器人公司、能源企业，而不是通用大模型创业公司；
04
轻上层应用、重基础设施闭环
深度绑定英伟达生态，依托标准化AI工厂快速扩容，不需要从头自研芯片和底层框架。
安全层面还有一块柏林同步补齐的拼图，OpenShell安全参考架构，整合Vera CPU、BlueField-4 DPU与Sentry策略执行，实现智能体等负载越界访问时毫秒级隔离。
它回答的不是算力放在哪，而是别人、包括AI本身能不能碰你的数据。在单一集群内跑多个客户、多类工业负载时，这种硬件级沙箱与审计可追溯能力，正是主权算力能卖给车企、能源企业的前置条件。
英伟达在柏林的生态动作本质不是自己下场做云，而是用标准化DSX POD，降低这类服务商入局门槛，培育适配本地工业需求的算力供给层。
这也是很多GTC稿件漏掉的视角。大家都在看硬件，很少拆解基础设施标准化如何重塑算力服务商格局。
传统云卖算力API，新一代主权算力服务商，卖面向物理世界仿真闭环的整套生产能力。主权算力的护城河，不是算力放在本地，而是本地算力加本地安全沙箱加垂直工业软件栈的一体化闭环。
物理AI：核心高价值负载
为什么欧洲愿意投入重金建设属地AI工厂、扶持本土算力服务商？
核心赛道不是聊天大模型，而是物理AI。
在通用基座大模型赛道，欧洲很难和中美直接竞争，所以产业路线选择错位竞争，把算力资源投向物理世界，工业数字孪生、产线预测性维护、人形机器人策略训练、自动驾驶仿真、能源电网模拟、医疗蛋白质设计，柏林站发布的BioNeMo开放模型RFD4-Proteina。
这就是物理AI的内核，AI不再只处理文本、图像这类虚拟信息，而是输出动作、控制信号，和真实物理设备交互。
柏林GTC的发布与演示让物理AI的负载特征更加清晰。
负载混合。仿真渲染、机器人策略训练、闭环微调交替运行，对低延迟、高互联带宽、稳定本地算力集群依赖极强。同期展出的Hyperion自动驾驶生态已有大众、沃尔沃、奔驰、捷豹路虎加入，诺基亚在T-Mobile商用网络上完成全球首次AI-RAN通话，英伟达还发布了人形机器人参考平台。这些是与DSX POD同期展出的物理AI生态案例，而非POD直接配套项目，边界在此。
数据强属地。工艺参数、产线传感器数据、车辆路测数据属于工业核心资产，绝对不能出境，天然匹配主权AI工厂。
这是主权AI工厂押注物理AI而非通用大模型的根本原因。
两类负载的现金流结构完全不同，如下——
通用大模型推理，潮汐流量、弹性波动大，淡季算力大量闲置，收入跟着token价格走，不稳定；
工业仿真与机器人闭环训练，长周期、稳态、连续负载，一台集群可以被一个车企的数字孪生项目持续吃掉几个月，收入可预期、可签约、可拿去融资。
物理AI恰好能填满AI工厂的产能，给新型服务商带来确定性的长期现金流。
当然，它的落地门槛也不只在算力，工业数字孪生的版权、设备厂商的OT接口授权、仿真模型许可，才是客户侧最大的卡点，算力只是底座。
AI工厂提供底座，新服务商做打包交付，物理AI承接算力消耗，三者形成完整商业闭环。
反过来理解，如果没有物理AI这类垂直刚需，单纯靠通用大模型推理，欧洲这批新建主权算力工厂很容易陷入算力闲置、利用率不足的困境。
产业判断
加州GTC定义方向，台北GTC走向量产，柏林GTC则完成了商业闭环的拼图。
DSX POD带来的AI工厂标准化，会慢慢改变算力产业的分层。
上游芯片和平台由英伟达主导；中间层不再只有超大规模云巨头，大量深耕区域合规、垂直工业场景的新型算力服务商会持续崛起；需求端，物理AI、工业仿真、机器人，会成为未来2–3年算力上游最确定的增量赛道之一。
当然，这条路线同样有挑战。模块化算力舱的供电、冷却成本依然高昂；欧洲各地能耗审批政策差异巨大；物理AI的数据授权与工具链标准化还在完善期。但从本次GTC释放的生态信号看，算力竞争的叙事，已经从谁拿到更多GPU，转向谁可以稳定交付一套面向物理世界的主权AI生产体系。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表