刚刚，黄仁勋柏林震撼演讲！PC已死，AI智能体时代全面爆发

  新智元报道  

十年前要两个人抬上楼的机器，今天被老黄单手举在了台上！

刚刚，GTC柏林的舞台上，黄仁勋举起一台轻薄的笔记本 RTX Spark，内存128GB。

2016年8月，他把刚发布的DGX-1送到OpenAI的旧金山办公室。那台机器的内存同样是128GB，却得两个人才抬得上楼。

老黄说，唯一的区别是，他现在能这样单手拿着它。

十年过去，AI性能涨了100万倍，同期摩尔定律只涨了约100倍。

差出来的部分，靠的是「极致协同设计」，每一层软件、每一台计算机、每一种新算法，连同架构一起改。

这是一场新工业革命的宣言。

这一个半小时里，老黄掏出了一大波硬货：

• AI工厂装箱发货：DSX POD在工厂里装好、测完，场地水电就绪后，部署从约六个月缩到最短14天。

• Agent上了锁：OpenShell参考架构把规矩写在Agent之外，越界操作由BlueField-4毫秒级隔离。

• 机器鸭子上台：MicroDuck在RTX Spark上造出来，云端训练，自己走上了舞台。

• CUDA能打电话了：英伟达和诺基亚在T-Mobile网络上，打通了全球首个实网AI-RAN通话。

• 人形机器人有了参考机：英伟达和Agile Robots推出Agile ONE SN，预计2027年初上市。

一台笔记本，就是你的个人Agent

RTX Spark的FP4 AI算力最高1 Petaflops，统一内存最高128GB。

它把Blackwell RTX GPU和Grace CPU做成了一颗超级芯片，老黄在台上叫它N1X。这台电脑10月16日已经开售。

过去几十年，电脑一直是工具，你敲下指令，它照着执行。现在，这个定义被彻底推翻了。

在黄仁勋眼里，RTX Spark是你的「个人Agent」「个人助手」，甚至「数字伴侣」。你和它相处，更像和一个帮你干活的伙伴相处。

要当好个人Agent，它得有模型、Harness、安全运行时OpenShell，还得有知识和工具。其中模型既可以在本地跑，也可以放到云上跑。

工具这一项，英伟达有现成的家底。这台电脑能加速OpenGL、DirectX和全部CUDA，所以英伟达做过的所有软件，都能在上面跑。

为了这台电脑，英伟达和微软秘密合作了四年，前后投入了数千个工程师年。

整个PC行业也倾巢出动，台式机、笔记本、工作站，全线拥抱RTX Spark。

未来的工作场景，是你把任务交给RTX Spark，它去调用软件，帮你把活干完。你不再是「使用」软件，你是在「雇佣」电脑。

Agent的五大要素

这几年，大家都在谈大模型。但在黄仁勋看来，单靠模型还不够，模型只是大脑，真正能干活的是Agent。

Agent会思考，会推理，会迭代，会使用工具。它想得越多，消耗的token就越多，GPU的需求也跟着冲上了天。

一个Agent，必须具备五个核心要素。

• 模型： 负责感知、推理、规划和使用工具。

• Harness： 编排任务，调动活跃记忆、工作记忆和长期记忆，激活工具。

• 沙箱： 把Harness隔离起来，和系统的其他部分分开。

• 知识： 让Agent读懂你的企业数据和私人文件。

• 工具： 让Agent使用人类已有的软件。

这五样东西，各自对应不同的硬件。模型在Vera Rubin NVL72上思考，Harness在Vera MGX计算节点上跑，知识由Vera CMX存储节点提供，工具交给专跑CUDA-X库的Vera RTX计算节点。

所以Vera Rubin驱动的，是整个Agent。

Vera Rubin的硬件本身也变了。黄仁勋在台上拉出一个计算托盘，里面没有线缆，也没有电线，100%液冷。

上一代Grace Blackwell组装一台要两个小时，线缆到处都是，Vera Rubin组装一台不到5分钟。

至于Agent怎么搭，黄仁勋的答案很简单：「让另一个Agent帮你建。」后面那场机器鸭子的演示，就是由一台个人电脑上的Agent驱动的。

安全，是Agent时代的命门。

Agent能自己动文件、上网、调工具，所以权限得压到最小，还要一直盯着。

英伟达介绍OpenShell的片子，开场先自嘲了一把，说眼下能拦住Agent的，只有提示词里一句客客气气的「请别删东西」。

为此，英伟达发布了OpenShell参考架构。

它的思路，是把规矩写在Agent之外。每个Agent关进自己的沙箱，能读写哪些文件、能连哪些网络，细到每一次系统调用，都由沙箱外的策略说了算，密钥也不交到Agent手里。

硬件上再加一道锁。Sentry跑在BlueField-4上，像一个不睡觉的哨兵，守在主机之外，死死盯住Agent的一举一动，一越界，毫秒级就会被隔离。

AI工厂装进集装箱，部署最短只要14天

有了Agent，去哪里运行它们？

答案是，AI工厂。

旧时代的工厂，把煤炭变成电力。新时代的AI工厂，把电力变成智能。

黄仁勋整场都在反复讲一个判断，AI是一种制造业，不只是软件。

「想成为这个AI经济的一部分，你不能只做AI的消费者，还要做AI的生产者。」黄仁勋说。

一座1吉瓦的AI工厂，把土地、电力、厂房、计算、网络、存储和散热都算上，大约要500亿美元。按一年400亿美元的收入算，晚投产三个月，就有约100亿美元的收入没了。

为了让企业更快建厂，英伟达推出了 NVIDIA DSX POD。

一个POD由7个液冷计算机架组成，机架之间用17公里长的Spectrum-X线缆连起来。

整套设备在工厂里就完成集成、布线和测试，再装进可运输的集装箱，拉到数据中心。到了现场，用干冷器散热，800V直流电直接供到机架。

只要场地的水电就绪，部署时间就能从约六个月缩到最短14天。

背后的逻辑，是把装机搬进供应链。三年前，Grace Blackwell NVLink 72先把整机架挪进了工厂，可机架运到现场后，仍要再组装好几个月。

DSX POD把搭建、点亮、验证和老化测试也全搬进工厂，出厂就能运行。在老黄看来，这是对全球供应链的一次彻底改造。

电和水也省了。同样的token产出，DSX MaxLPS最多能少用30%的电；闭环液冷加干冷器不蒸发水，放大到2吉瓦规模，每天约能省下5400万升水，相当于18万户家庭一天的用水量。

企业买回去的，是一座直接产出数字智能的炼金炉。

物理AI与机器人觉醒

如果说大模型是AI的灵魂，那么Agent是AI的双手。

现在，AI需要一个身体。

压轴演示的主角，是一只机器鸭子MicroDuck。它是Hugging Face的机器人，由Pollen Robotics造出来。

这场演示要看的，是怎么用Agent教会它走路。从搭训练场到训练、再到上真机，整套流程都跑在一台RTX Spark上，只有遇到大负载，才交给云端。

第一步，开发者用文字描述训练场地和要学的技能，Hermes加Nemotron就在RTX Spark上规划好场地，列出需要的物体。

接着，OpenAI的Astra调用FreeCAD建3D物体，用Blender贴材质，用Omniverse SimReady库补上物理属性，在Isaac Sim里把场景搭起来。

然后，Astra再给MicroDuck配上关节、执行器和连杆，用Newton物理引擎模拟它怎么动。

训练这一步在云端。Isaac Lab里数千只虚拟MicroDuck并行训练，摔一跤就是一课，策略一遍遍变好。

训练好的策略再下载回RTX Spark，评估通过后，部署到真机上。随后，四只真实的MicroDuck走上了舞台。

黄仁勋像个老父亲一样，先让它们走两步，叮嘱了一句「别绊倒」，又问它们「你们能坐下吗？」，鸭子们应声坐了下来。

他又让它们站起来、睡个觉，最后喊它们翻个跟头，自己连说了好几遍「太棒了」。

「你们在RTX Spark上诞生，在云端一堆英伟达超级计算机上训练，又在数字孪生里学会了本事。」黄仁勋对着鸭子说。

这三步，对应的就是物理AI的三台计算机。第一台训练AI模型，第二台在数字孪生Omniverse里让AI学技能，不能刚编好就丢进现实世界乱试，第三台装在机器人身上。

鸭子之外，老黄更看好人形机器人，在他看来，这会是下一个大产业。

为了让开发者不用从零开始，英伟达和Agile Robots发布了参考人形机器人 Agile ONE SN。

以前做机器人研究，软件、计算系统、传感器和机械系统都得自己拼。现在这些全装在一台机器上，搭一个测试平台，从几个星期缩到了几天。

Agile ONE SN身高1.4米，体重40公斤，有31个自由度，预置Isaac GR00T，由Jetson Thor驱动，预计2027年初上市。

在黄仁勋看来，机器人任务太分散，如果每个任务各配一套，行业就会被切碎，技术飞轮也转不起来。

手机、PC和NVLink 72，都是靠标准化配置把量做起来，量再反过来推着技术加速。

人形不一定在每个场景都最优，但能覆盖足够多的场景，所以很可能成为出货量最大的机器人形态。

加上英伟达开放的数据集、Isaac仿真平台和GR00T模型，Agile ONE SN想当的，是全球机器人开发者的「标准教材」。

工厂、仓库、家庭，机器人的大军正在集结。

模型全开放，企业自练超级智能

前面说的Agent五要素里，模型和知识这两样，英伟达这次也都给了现成的。

先说模型。大模型不再垄断在少数人手里，英伟达把各领域的开放模型全摆了出来。

• 语言模型：Nemotron

• 世界基础模型：Cosmos

• 人形机器人模型：GR00T

• 自动驾驶模型：Alpamayo

• 量子计算模型：Ising

• 物理气候模型：Earth-2

老黄也承认，这些模型，尤其是语言模型，不一定处在最前沿。

可英伟达把权重、训练数据和复现脚本整套开放了，企业拿自己的数据做后训练，就能把它练到前沿水平。

最终，你将得到一个绝对忠诚、绝对保密、只懂你业务的「超级智能」。

再说知识。为了让Agent读懂企业数据，英伟达推出了 Agent Knowledge Foundation。

不管是杂乱的文档，还是结构严谨的数据库，Nemotron都能解析、嵌入、重排序，新的Kumo模型还能直接从数据里做预测。

「让Agent变成超级Agent的，是你给了它访问公司知识的权限。」老黄说。

懂你公司知识的超级Agent，这才是企业真正需要的AI。

一场硬核科技的「欧洲歌唱大赛」

演讲最后，黄仁勋留下一句宣言：「每一家欧洲公司，都将成为AI公司。毫无疑问。」

然后，画风突变。

一首「欧洲歌唱大赛」风格的歌，把本场的发布全编成了调侃，从OpenShell给Agent划的权限，到BlueField上的Sentry，再到机器人在仿真里练本事。

音乐炸裂，歌词洗脑：

「世界在建新基建，以前烧煤，现在把沙子变芯片。」

「GPU就像印钞机，躺着就把钱赚。」

「OpenShell守大门，没有权限赶紧滚。BlueField像施瓦辛格一样护卫沙箱。」

「机器人在模拟器里上大学，还不用还学生贷款。」

「你无法拼写Fungible（可互换）如果没有Fun（乐趣）！」

伴随着萨克斯的独奏，全场合唱《We are Europa》。

参考资料：

https://blogs.nvidia.com/gtc-berlin-2026-news/

编辑：大卫 摩西

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

刚刚，黄仁勋柏林震撼演讲！PC已死，AI智能体时代全面爆发

  新智元报道  

十年前要两个人抬上楼的机器，今天被老黄单手举在了台上！

刚刚，GTC柏林的舞台上，黄仁勋举起一台轻薄的笔记本 RTX Spark，内存128GB。

2016年8月，他把刚发布的DGX-1送到OpenAI的旧金山办公室。那台机器的内存同样是128GB，却得两个人才抬得上楼。

老黄说，唯一的区别是，他现在能这样单手拿着它。

十年过去，AI性能涨了100万倍，同期摩尔定律只涨了约100倍。

差出来的部分，靠的是「极致协同设计」，每一层软件、每一台计算机、每一种新算法，连同架构一起改。

这是一场新工业革命的宣言。

这一个半小时里，老黄掏出了一大波硬货：

• AI工厂装箱发货：DSX POD在工厂里装好、测完，场地水电就绪后，部署从约六个月缩到最短14天。

• Agent上了锁：OpenShell参考架构把规矩写在Agent之外，越界操作由BlueField-4毫秒级隔离。

• 机器鸭子上台：MicroDuck在RTX Spark上造出来，云端训练，自己走上了舞台。

• CUDA能打电话了：英伟达和诺基亚在T-Mobile网络上，打通了全球首个实网AI-RAN通话。

• 人形机器人有了参考机：英伟达和Agile Robots推出Agile ONE SN，预计2027年初上市。

一台笔记本，就是你的个人Agent

RTX Spark的FP4 AI算力最高1 Petaflops，统一内存最高128GB。

它把Blackwell RTX GPU和Grace CPU做成了一颗超级芯片，老黄在台上叫它N1X。这台电脑10月16日已经开售。

过去几十年，电脑一直是工具，你敲下指令，它照着执行。现在，这个定义被彻底推翻了。

在黄仁勋眼里，RTX Spark是你的「个人Agent」「个人助手」，甚至「数字伴侣」。你和它相处，更像和一个帮你干活的伙伴相处。

要当好个人Agent，它得有模型、Harness、安全运行时OpenShell，还得有知识和工具。其中模型既可以在本地跑，也可以放到云上跑。

工具这一项，英伟达有现成的家底。这台电脑能加速OpenGL、DirectX和全部CUDA，所以英伟达做过的所有软件，都能在上面跑。

为了这台电脑，英伟达和微软秘密合作了四年，前后投入了数千个工程师年。

整个PC行业也倾巢出动，台式机、笔记本、工作站，全线拥抱RTX Spark。

未来的工作场景，是你把任务交给RTX Spark，它去调用软件，帮你把活干完。你不再是「使用」软件，你是在「雇佣」电脑。

Agent的五大要素

这几年，大家都在谈大模型。但在黄仁勋看来，单靠模型还不够，模型只是大脑，真正能干活的是Agent。

Agent会思考，会推理，会迭代，会使用工具。它想得越多，消耗的token就越多，GPU的需求也跟着冲上了天。

一个Agent，必须具备五个核心要素。

• 模型： 负责感知、推理、规划和使用工具。

• Harness： 编排任务，调动活跃记忆、工作记忆和长期记忆，激活工具。

• 沙箱： 把Harness隔离起来，和系统的其他部分分开。

• 知识： 让Agent读懂你的企业数据和私人文件。

• 工具： 让Agent使用人类已有的软件。

这五样东西，各自对应不同的硬件。模型在Vera Rubin NVL72上思考，Harness在Vera MGX计算节点上跑，知识由Vera CMX存储节点提供，工具交给专跑CUDA-X库的Vera RTX计算节点。

所以Vera Rubin驱动的，是整个Agent。

Vera Rubin的硬件本身也变了。黄仁勋在台上拉出一个计算托盘，里面没有线缆，也没有电线，100%液冷。

上一代Grace Blackwell组装一台要两个小时，线缆到处都是，Vera Rubin组装一台不到5分钟。

至于Agent怎么搭，黄仁勋的答案很简单：「让另一个Agent帮你建。」后面那场机器鸭子的演示，就是由一台个人电脑上的Agent驱动的。

安全，是Agent时代的命门。

Agent能自己动文件、上网、调工具，所以权限得压到最小，还要一直盯着。

英伟达介绍OpenShell的片子，开场先自嘲了一把，说眼下能拦住Agent的，只有提示词里一句客客气气的「请别删东西」。

为此，英伟达发布了OpenShell参考架构。

它的思路，是把规矩写在Agent之外。每个Agent关进自己的沙箱，能读写哪些文件、能连哪些网络，细到每一次系统调用，都由沙箱外的策略说了算，密钥也不交到Agent手里。

硬件上再加一道锁。Sentry跑在BlueField-4上，像一个不睡觉的哨兵，守在主机之外，死死盯住Agent的一举一动，一越界，毫秒级就会被隔离。

AI工厂装进集装箱，部署最短只要14天

有了Agent，去哪里运行它们？

答案是，AI工厂。

旧时代的工厂，把煤炭变成电力。新时代的AI工厂，把电力变成智能。

黄仁勋整场都在反复讲一个判断，AI是一种制造业，不只是软件。

「想成为这个AI经济的一部分，你不能只做AI的消费者，还要做AI的生产者。」黄仁勋说。

一座1吉瓦的AI工厂，把土地、电力、厂房、计算、网络、存储和散热都算上，大约要500亿美元。按一年400亿美元的收入算，晚投产三个月，就有约100亿美元的收入没了。

为了让企业更快建厂，英伟达推出了 NVIDIA DSX POD。

一个POD由7个液冷计算机架组成，机架之间用17公里长的Spectrum-X线缆连起来。

整套设备在工厂里就完成集成、布线和测试，再装进可运输的集装箱，拉到数据中心。到了现场，用干冷器散热，800V直流电直接供到机架。

只要场地的水电就绪，部署时间就能从约六个月缩到最短14天。

背后的逻辑，是把装机搬进供应链。三年前，Grace Blackwell NVLink 72先把整机架挪进了工厂，可机架运到现场后，仍要再组装好几个月。

DSX POD把搭建、点亮、验证和老化测试也全搬进工厂，出厂就能运行。在老黄看来，这是对全球供应链的一次彻底改造。

电和水也省了。同样的token产出，DSX MaxLPS最多能少用30%的电；闭环液冷加干冷器不蒸发水，放大到2吉瓦规模，每天约能省下5400万升水，相当于18万户家庭一天的用水量。

企业买回去的，是一座直接产出数字智能的炼金炉。

物理AI与机器人觉醒

如果说大模型是AI的灵魂，那么Agent是AI的双手。

现在，AI需要一个身体。

压轴演示的主角，是一只机器鸭子MicroDuck。它是Hugging Face的机器人，由Pollen Robotics造出来。

这场演示要看的，是怎么用Agent教会它走路。从搭训练场到训练、再到上真机，整套流程都跑在一台RTX Spark上，只有遇到大负载，才交给云端。

第一步，开发者用文字描述训练场地和要学的技能，Hermes加Nemotron就在RTX Spark上规划好场地，列出需要的物体。

接着，OpenAI的Astra调用FreeCAD建3D物体，用Blender贴材质，用Omniverse SimReady库补上物理属性，在Isaac Sim里把场景搭起来。

然后，Astra再给MicroDuck配上关节、执行器和连杆，用Newton物理引擎模拟它怎么动。

训练这一步在云端。Isaac Lab里数千只虚拟MicroDuck并行训练，摔一跤就是一课，策略一遍遍变好。

训练好的策略再下载回RTX Spark，评估通过后，部署到真机上。随后，四只真实的MicroDuck走上了舞台。

黄仁勋像个老父亲一样，先让它们走两步，叮嘱了一句「别绊倒」，又问它们「你们能坐下吗？」，鸭子们应声坐了下来。

他又让它们站起来、睡个觉，最后喊它们翻个跟头，自己连说了好几遍「太棒了」。

「你们在RTX Spark上诞生，在云端一堆英伟达超级计算机上训练，又在数字孪生里学会了本事。」黄仁勋对着鸭子说。

这三步，对应的就是物理AI的三台计算机。第一台训练AI模型，第二台在数字孪生Omniverse里让AI学技能，不能刚编好就丢进现实世界乱试，第三台装在机器人身上。

鸭子之外，老黄更看好人形机器人，在他看来，这会是下一个大产业。

为了让开发者不用从零开始，英伟达和Agile Robots发布了参考人形机器人 Agile ONE SN。

以前做机器人研究，软件、计算系统、传感器和机械系统都得自己拼。现在这些全装在一台机器上，搭一个测试平台，从几个星期缩到了几天。

Agile ONE SN身高1.4米，体重40公斤，有31个自由度，预置Isaac GR00T，由Jetson Thor驱动，预计2027年初上市。

在黄仁勋看来，机器人任务太分散，如果每个任务各配一套，行业就会被切碎，技术飞轮也转不起来。

手机、PC和NVLink 72，都是靠标准化配置把量做起来，量再反过来推着技术加速。

人形不一定在每个场景都最优，但能覆盖足够多的场景，所以很可能成为出货量最大的机器人形态。

加上英伟达开放的数据集、Isaac仿真平台和GR00T模型，Agile ONE SN想当的，是全球机器人开发者的「标准教材」。

工厂、仓库、家庭，机器人的大军正在集结。

模型全开放，企业自练超级智能

前面说的Agent五要素里，模型和知识这两样，英伟达这次也都给了现成的。

先说模型。大模型不再垄断在少数人手里，英伟达把各领域的开放模型全摆了出来。

• 语言模型：Nemotron

• 世界基础模型：Cosmos

• 人形机器人模型：GR00T

• 自动驾驶模型：Alpamayo

• 量子计算模型：Ising

• 物理气候模型：Earth-2

老黄也承认，这些模型，尤其是语言模型，不一定处在最前沿。

可英伟达把权重、训练数据和复现脚本整套开放了，企业拿自己的数据做后训练，就能把它练到前沿水平。

最终，你将得到一个绝对忠诚、绝对保密、只懂你业务的「超级智能」。

再说知识。为了让Agent读懂企业数据，英伟达推出了 Agent Knowledge Foundation。

不管是杂乱的文档，还是结构严谨的数据库，Nemotron都能解析、嵌入、重排序，新的Kumo模型还能直接从数据里做预测。

「让Agent变成超级Agent的，是你给了它访问公司知识的权限。」老黄说。

懂你公司知识的超级Agent，这才是企业真正需要的AI。

一场硬核科技的「欧洲歌唱大赛」

演讲最后，黄仁勋留下一句宣言：「每一家欧洲公司，都将成为AI公司。毫无疑问。」

然后，画风突变。

一首「欧洲歌唱大赛」风格的歌，把本场的发布全编成了调侃，从OpenShell给Agent划的权限，到BlueField上的Sentry，再到机器人在仿真里练本事。

音乐炸裂，歌词洗脑：

「世界在建新基建，以前烧煤，现在把沙子变芯片。」

「GPU就像印钞机，躺着就把钱赚。」

「OpenShell守大门，没有权限赶紧滚。BlueField像施瓦辛格一样护卫沙箱。」

「机器人在模拟器里上大学，还不用还学生贷款。」

「你无法拼写Fungible（可互换）如果没有Fun（乐趣）！」

伴随着萨克斯的独奏，全场合唱《We are Europa》。

参考资料：

https://blogs.nvidia.com/gtc-berlin-2026-news/

编辑：大卫 摩西

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！