当地时间10月20日至22日，英伟达GTC大会在德国柏林举行。黄仁勋的主题演讲定于10月21日，地点是柏林Tempodrom音乐厅。这是英伟达下半年最受关注的技术与生态大会，设有超过100场专题分享，覆盖加速计算、智能体AI、物理AI、机器人、开源模型与AI基础设施等完整技术栈。
但真正定义这届GTC的，不是议程的长度，而是一个明确的战略位移： 英伟达的重心正从“卖GPU”进一步推向“卖AI工厂”。如果说过去市场关心的是英伟达下一款芯片有多快，那么柏林GTC要回答的问题变成了：当AI从训练走向推理、从模型走向智能体，一家公司需要买的不再是一堆加速卡，而是一整套能持续生产Token的计算系统。
一、为什么是“AI工厂”，而不是“更快的芯片”
这个转向背后有清晰的商业逻辑。黄仁勋在GTC上反复强调一个判断：未来的数据中心不是存储文件的电子仓库，而是不间断生产Token的巨型工厂。一座1吉瓦的工厂永远不会变成2吉瓦，这是物理定律；在固定功率下，谁的每瓦Token吞吐量最高，生产成本就最低。当AI负载从一次性的模型训练转向持续运行的推理和智能体任务，客户衡量价值的标尺就从“峰值算力”变成了“每Token成本”和“长期运营效率”。
这解释了为什么柏林GTC的核心看点不是又一张芯片路线图，而是 Vera Rubin平台的实际部署进度。Rubin被英伟达定位为面向智能体AI的机架级计算系统，市场真正关心的是：大型云厂商是否进入规模化部署、单位Token推理成本能否实质性下降、现有Blackwell集群会不会拖慢客户的升级意愿。
二、硬件的基本盘：Vera Rubin从“发布”走向“验证”
今年3月的圣何塞GTC上，英伟达已经亮出了Vera Rubin的全貌：七款新芯片全面投产，包括Vera CPU、Rubin GPU、NVLink 6交换机、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6以太网交换机，以及新纳入的Groq 3 LPU。这套系统被黄仁勋称为“划时代的飞跃”——七款芯片、五种机架、一台巨型超级计算机，目标是覆盖AI的每个阶段。
其中几个关键参数值得记住：Vera Rubin平台采用台积电3nm工艺和HBM4内存，推理性能达到H100的5倍，单Token成本降低10倍；Groq 3 LPU主打低延迟推理，单芯片首Token延迟低于0.1毫秒，性能为H100的10倍，专门填补智能体实时交互的短板。更前瞻的Feynman架构瞄准2028年量产，采用1.6nm制程和硅光子光互连，聚焦世界模型与物理AI。
但柏林GTC的意义在于，Rubin不再只是PPT上的旗舰。英伟达CFO此前披露的2027财年第二季度数据显示，数据中心收入达到890亿美元，同比增长117%，占总营收的92%以上；Blackwell仍处于大规模收入兑现阶段，Rubin则承担着驱动下一轮平台升级的使命。柏林大会是Rubin从“发布”走向“部署验证”的关键节点。
三、软件与生态：智能体是下一轮算力需求的真正引擎
硬件是地基，但柏林GTC更大的叙事在软件层。智能体AI是本届大会的核心议题之一，逻辑并不复杂：传统聊天机器人处理一次性问答，而智能体需要持续调用模型、检索信息、使用工具、运行代码、执行多步任务。即便单次推理成本下降，持续运行的智能体仍会大幅推高总算力消耗。这正是英伟达把Rubin与智能体AI深度绑定的原因——它希望同时提供芯片、互联、推理软件和开发工具，把算力需求从少数AI实验室扩展到千行百业。
在软件栈上，英伟达已经铺开了两张牌：NemoClaw企业级智能体平台，支持本地与云端混合部署，通过安全层提供网络护栏和隐私路由，确保智能体在企业环境中安全运行；DynamoAI工厂操作系统，实现大规模异构算力的统一编排，在Blackwell架构下推理性能最高可提升7倍，并已获AWS、Azure等主流云厂商集成。物理AI侧，Cosmos 3世界基础模型和Isaac GR00T N1.7人形机器人模型也已开放商用，指向自主系统落地的下一站。
四、欧洲：不只是市场，是“主权AI”的试验场
柏林GTC还有一个无法忽略的地缘维度：欧洲正在成为英伟达下一阶段生态扩张的关键棋盘。
黄仁勋在巴黎透露，英伟达将在未来一周内宣布约20亿美元的欧洲新增AI投资或交易；过去一年已在欧洲投入约80亿美元，合计规模逼近百亿美元。已经落地的投资包括法国医疗科技公司Doctolib、机器人AI公司Genesis AI、软件公司Pigment和AI材料公司Entalpic，英国方面则点名了Boltz、Prima Mente、Hiverge、Riverlane和Foresight等AI企业。
更值得关注的是德国。据德国《商报》报道，德国政府正计划与英伟达开展一项工业AI合作，规模达数亿欧元，可能于GTC同期宣布。参与方预计包括西门子、奥迪和黑森林实验室等十余家德国公司，德国电信的工业AI云平台提供训练基础设施。合作基于英伟达的Nemotron语言模型和Cosmos物理AI模型，目标有两个：一是开发机器人和自动驾驶所需的物理AI，二是训练具有国际竞争力的工业场景模型。
这层合作的意义超出了商业交易。对英伟达而言，欧洲不只是新客户市场，更是把平台嵌入制造业产线、电信云和主权AI基础设施的机会；对欧洲而言，则是在依赖美系算力的现实下，尝试换取本地模型和产业数据的主导权。在“主权AI”成为欧洲政策关键词的当下，柏林GTC实际上是英伟达在欧洲的一次生态卡位战。
五、值得冷静看待的几个问题
热度之下，也有几个问题需要保持距离感。
第一，Rubin的部署节奏比参数更重要。 市场对英伟达的期待已经从“能不能造出来”转向“能不能大规模落地、能不能把每Token成本打下来”。如果云厂商的采购节奏慢于预期，或者现有Blackwell集群的折旧周期拉长了客户的升级意愿，Rubin的商业化曲线可能不会像路线图那样陡峭。
第二，“AI工厂”的叙事需要客户用真金白银投票。黄仁勋预测Blackwell与Rubin到2027年的需求至少达到1万亿美元，这一数字较此前预测翻倍。这是一个极强的长期指引，但它本质上是一个需求侧假设，兑现程度取决于智能体和物理AI能否真正从试点走向规模化生产。
第三，欧洲合作的落地复杂度不容低估。政府主导的工业AI项目涉及数据主权、跨境协作、监管合规和多方利益协调，从宣布到产生可衡量的算力需求之间，往往有比商业客户更长的时滞。
柏林GTC的核心信息可以浓缩为一句话： 英伟达正在把自己重新定义为AI工业时代的基础设施公司，而不再只是一家芯片公司。 GPU仍然是地基，但地基之上的工厂设计、操作系统、智能体运行时和区域生态，才是它真正想卖的东西。黄仁勋的赌注是：当每一家企业都需要一座“Token工厂”时，卖整座工厂的人，会比卖砖头的人站得更稳。这个赌注是否成立，接下来几个季度Rubin的部署数据和欧洲合作的落地进度，会给出第一轮答案。
