过去五年，市场围绕英伟达的叙事始终聚焦于GPU算力分配与性能迭代。但在柏林举行的GTC大会上，CEO黄仁勋大幅缩减了对硅芯片技术的篇幅，转而指出AI的限制因素已转向部署速度、功耗、安全性及企业数据利用能力。“AI本质上是一个制造业，”黄仁勋表示，“它不再是工具，而是成为生产智能的基础设施和工厂。”
这一论调串联起英伟达发布的一系列重磅产品：由合作伙伴在集装箱中构建的完整Vera Rubin AI工厂参考设计DSX POD、用于安全运行智能体（Agents）的OpenShell参考架构、扩展Agent Toolkit的Kumo结构化数据模型，以及与诺基亚和欧洲运营商在电信领域的深化合作。这些动作表明，英伟达正从销售AI核心组件，转向销售AI的运营模式。
部署速度决定营收：从半年压缩至14天
黄仁勋在现场算了一笔账：一座10亿瓦特的AI工厂成本约500亿美元，年营收约400亿美元。若部署延迟一个季度，将损失约100亿美元营收。在现代AI建设中，硬件价格已非最大痛点，设备闲置期间的机会成本才是关键。由于缺乏稀缺的专业劳动力进行现场组装，拉电缆等环节往往耗时数月。
DSX POD旨在解决这一瓶颈。每个Pod包含七个Vera Rubin NVL72机架，预布约20公里NVLink铜缆和17公里外扩网络线缆，并在发货前完成测试。在站点就绪的前提下，部署时间可从六个月缩短至14天。该产品定于2027年初交付，主要面向拥有站点和电力但缺乏建设周期的欧洲云服务商、主权AI项目及电信运营商。需注意，DSX POD虽压缩了集成时间，但并未消除电网并网排队的等待周期。
电力成为设计要素：数据中心变身电网伙伴
DSX平台底层工程同样关键。其温水闭环冷却系统可使适宜气候下的运营商跳过蒸发冷却塔，据估算，2吉瓦容量下每天可节省5400万升水。DSX MaxLPS则能精准引导电力，以低至30%的功耗实现相同输出。
更具突破性的是DSX Flex。它自动化了数据中心与电网的交互，允许AI工厂在电网负荷高峰时推迟或节流工作负载，释放容量。这意味着数据中心不再仅仅是电力消费者，而是成为电网运营商的合作伙伴，有助于提升社区接受度并加速接入电网。英伟达正试图将这一模式确立行业标准。
智能体安全：从模型对齐转向基础设施隔离
随着智能体逐渐取代模型成为主流，安全焦点随之转移。黄仁勋指出，智能体作为自主系统，需访问文件、网络及工具，必须确保权限最小化并持续监控。仅靠模型对齐无法满足所有企业及监管政策要求，概率性的智能体可能采取非预期行动，因此需要确定性的外部控制。
OpenShell参考架构应运而生。Harness运行于Vera CPU，模型运行于Vera Rubin，而BlueField-4配合Nvidia Sentry作为隔离监视器，能在毫秒级切断智能体。这种将执行转移到网络层的模式，类似行业从基于主机的安全向网络安全演进的路径。尽管CrowdStrike、Palo Alto Networks等生态伙伴纷纷跟进，但企业需区分OpenShell软件保护与BlueField-4提供的硬件隔离执行之间的差异。
结构化数据激活智能体价值
“赋予智能体访问企业知识的权限，才能使其成为超级智能体。”黄仁勋强调，全球70%的企业数据尚未为智能体做好准备，且大量商业价值存在于ERP、供应链等系统的结构化数据中，而非文档。传统上，从表格获取预测需构建自定义模型，而Kumo系列预测模型能对同一数据回答多种“如果……会怎样”的问题，这将智能体从聊天界面转化为实际操作工具。
这也反驳了“AI将终结软件”的观点。相反，拥有模拟器、求解器和数据库的工具公司，在将这些工具打包供智能体使用时，价值反而提升。
电信运营商演进为分布式AI层
黄仁勋预测，每家拥有10万个站点的电信运营商，都将演变为代表约100吉瓦算力的分布式AI网络。欧洲约20%的数据中心由电信运营商持有，超过1500个设施可托管GPU。与未兑现承诺的多接入边缘计算（MEC）不同，当前存在真实的推理工作负载，且T-Mobile和诺基亚已在商用网络上演示了AI-RAN通话。
物理AI进一步强化了这一趋势。机器人需向本地服务器或边缘站点“求助”的混合模型，非常适合运营商。英伟达预计，2026年上半年物理AI收入将接近110亿美元，较去年全年增长约30%。凭借欧洲的精密制造基础，该技术将惠及众多缺乏内部机器人团队的中型制造商。
此次GTC大会展示了英伟达从集装箱物流、电网整合到智能体安全的全栈延伸。尽管竞争对手仍聚焦于芯片竞争，英伟达已通过庞大的装机基础（2019年的Volta GPU仍在服役）和更快的部署速度，构建了难以被基准测试击败的商业壁垒。对于权衡巨额投资的CIO而言，这种耐用性与效率的结合，正是英伟达的核心护城河。