英伟达（GTC 欧洲）：不拼性能拼交付，老黄的 “经济账” 算给谁听？

以下为海豚君整理的$英伟达(NVDA.US) GTC 欧洲大会（2026 年 10 月 21 日，柏林）CEO 主题演讲纪要。本场为主题演讲，没有问答环节。

海豚君梳理的核心看点：

老黄本次在柏林的演讲，主要围绕 “欧洲叙事”、“AI 工厂”、“Agent 与软件并存”、“物理 AI” 这几个方面：

1）欧洲叙事：毕竟是在欧洲本土的演讲，强调欧洲要从 “用 AI” 变成 “造 AI”，按能源→算力→AI 工厂→模型→应用五层，每一层都要有自己的公司。英伟达过去一年在欧洲投资近 100 亿美元，上周在法国、英国、瑞典、德国投资了 14 家初创公司，欧洲合作方超 1.2 万家；

2）AI 工厂：Rubin 全面量产。英伟达本次推出的唯一新品是 DSX POD，7 个 Vera Rubin 液冷机柜 +17 公里线缆，原来在现场装配，现在改为在供应链里装好、测好、装箱发货，现场部署周期有望从 4–5 个月缩短至约 1 个月之内。

这里不是强调性能，更主要在谈性价比和交付，算经济账。公司认为 1GW 工厂造价 500 亿美元，年收入 400 亿美元，这意味着节省 3 个月时间=多赚 100 亿美元。

3）Agent 与软件并存：针对市场上 “AI 将终结软件和工具公司” 的说法，公司认为恰恰相反。工具的使用者会比以往更多，每家工具公司都会提供擅长使用自家工具的智能体。Agent 干活要靠工具，工具公司都会变成 Agent 公司，企业的数据和工具是自己的。

4）物理 AI：Robotaxi 的新进展，人形机器人还在初期阶段。

①Robotaxi：Hyperion 统一标准（14 摄像头、9 雷达、3 激光雷达、双 GPU），新增大众商用车、捷豹路虎新车、沃尔沃车队、奔驰下一代 4 个车系，接入 Robotaxi 网约车网络；黄仁勋算的是 “全球每年 1 万亿英里×每英里 1–2 美元” 的空间；英伟达自己也做自动驾驶软件；

②人形机器人：参考机器人 Agile ONE 明年一季度上市（预装算力和软件）；人形机器人会是出货量最大的机器人形态，前提是先统一标准；

③电信也是物理 AI：基站未来会变成分布式 AI 网络（全球约 10 万个站点、100GW）；上周已和诺基亚在 T-Mobile 网络打通首个商用 AI 电话；

整体来看，Rubin 已经全面量产，海豚君认为相比于性能的提升，公司在本次 GTC 欧洲大会上在产品方面更注重 “算经济账”，唯一推出的新品 DSX POD，缩短部署时间能为客户带来 100-200 亿美元的潜在收入机会，而在 “算经济账” 之外，公司用更多篇幅谈了 “欧洲市场”、“Agent” 和 “物理 AI” 的机会。

英伟达在近期行业回调中跌幅相对较小，主要是因为公司当前处于 Rubin 全面放量的新品周期之中，本身估值也相对较低。公司当前市值（5.35 万亿美元），对应 2028 财年税后核心经营利润约为 13 倍 PE（假定两年营收复合同比 +89%，毛利率 73.5%，税率 16.5%）。

英伟达估值压制在 15 倍 PE 以下，主要是受竞争对手抢单风险以及 AI 行业整体回调的影响。但结合增速来看，在年增 80%+ 的情况下，估值仅有 13 倍 PE，下跌的空间也相对有限（也是股价相对抗跌的一个因素）。近期市场传出 OpenAI 将用英伟达 GPU 支撑 GPT-6.1 Sol 的 Ultrafast 模式，依然体现了公司在市场中的产品优势。

当然也需要注意到英伟达当前的体量已经达到 5 万亿美元以上，大幅上涨需要大量资金才能拉动。在当前 AI 产业链承压的情况下（如 Anthropic ARR），英伟达更大可能在 10-15 倍 PE 之间震荡，大致对应于 180-260 美元的区间内。

以下是本次 GTC 欧洲大会的主要内容：

一、主要信息回顾

1. 欧洲投入：过去一年在欧洲投资近 100 亿美元，覆盖初创公司与大小合作项目；仅上周就在法国、英国、瑞典与德国的行程中宣布投资 14 家初创公司，欧洲合作伙伴累计超过 1.2 万家。

2. AI 工厂经济账

a. 造价：1 吉瓦 AI 工厂总造价约 500 亿美元，涵盖土地、电力、厂房以及计算、网络、存储、供电与散热。

b. 延期成本：每吉瓦预期每年产生数百亿美元收入；按每年 400 亿美元测算，上线每推迟 3 个月即少收约 100 亿美元。

c. 公司判断：DSX POD 预计把设备到场至产出 token 的时间由 4–5 个月缩短至约 1 个月，公司希望借此减少闲置算力与闲置资本开支，提升各方盈利。

注：DSX POD 是一套预制化、集装箱化的 Vera Rubin 机房参考设计。英伟达出设计，合作伙伴在工厂里生产和组装。集装箱内是完整的 Vera Rubin AI 工厂，在交付前完成集成和验证，运到现场后直接接入场地已备好的电力、冷却、网络等配套设施。计算、网络、布线、机柜级供电和液冷全部在制造工厂里集成安装好。

3. 量产与需求

a. 量产：Vera Rubin 已全面量产；Spectrum-X 共封装光学（CPO）交换机为全球首个完全量产的 CPO 产品。

b. 需求：智能体需要思考、推理、反复迭代并调用工具，token 消耗与 GPU 需求随之急剧上升；仅为定性表述，未给出量化数据。

c. 交付：NVL72 整机柜组装此前已移入供应链，全球整机厂都在生产 NVL72，可同时支撑全球数百个数据中心的建设。

二、主题演讲详细内容

1. 平台布局与性能节奏

a. 框架：把 AI 视为一种制造业，从能源、计算、AI 工厂、模型到应用分五层理解 AI 经济，公司称每一层都在增长，英伟达处在计算层。

b. 全栈硬件：Vera Rubin GPU、NVLink 交换、Vera CPU、Spectrum-X 以太网（公司称已是全球最大网络公司）、用于 token 生成的 Groq 3 解码加速器、BlueField-4 存储加速与 RTX 计算。

c. 软件：包括 AI 工厂系统软件、cuDNN 之外的 350 个 CUDA-X 库以及各领域模型；公司称 CUDA-X 库是其开拓新市场的方式。

d. 性能：十年六代架构把 AI 性能提升 100 万倍，同期摩尔定律约 100 倍；大模型与智能体处理上，Blackwell 约为 Hopper 的 30 倍，Vera Rubin 两年内再较 Blackwell 提升约 30 倍。

e. 计算范围：Blackwell 首推机架级计算；Vera Rubin 把处理对象从模型扩展到整个智能体：GPU 跑大模型，Vera CPU 跑 harness（智能体的编排框架），另有计算机负责知识所需的数据处理与 CUDA-X 工具。

2. Vera Rubin 硬件

a. 计算托盘：无线缆、100% 液冷（Grace Blackwell 为 80%），单节点组装时间由约 2 小时缩短到 5 分钟以内，制造周转、可靠性与性能都更好。

b. NVLink：交换托盘把 72 颗 GPU 连成一个整体，单颗 GPU 算力 20 petaFLOPS。

c. Vera CPU：每时钟周期 8 条指令，采用 LPDDR 内存系统兼顾高带宽与能效，公司称片上互联为业界最快，主要承担数据处理与智能体会话。

d. CPO 交换机：512 个 200Gb/s 端口；激光经光学器件直连芯片，硅光通过与台积电共同开发的 COUPE 工艺直接贴装在芯片上，信号不再经过 PCB 与光模块，数据速率与质量更高。

3. AI 工厂交付：DSX 与 DSX POD

a. DSX：全栈 AI 工厂参考架构，与 PTC、达索系统、施耐德电气、Jacobs、西门子、Procore 等共同设计，建设前先在 Omniverse 数字孪生中验证性能、功耗、用水与规模。

b. 供电：端到端控制回路按负载动态分配电力，同等产出省电 30%。

c. 散热与用水：Vera Rubin 系统按闭环液冷设计，冷却液温度最高 45°C；适宜气候下用干冷器向空气散热、不蒸发水，2 吉瓦规模每天可节水 5,400 万升，相当于 18 万户家庭的日用水量。

d. DSX POD（新发布）：由 7 个 Vera Rubin NVL72 液冷计算机柜加 17 公里 Spectrum-X 线缆组成，出厂前完成集成、布线与测试，装入可运输的集装箱交付。

e. 部署：以干冷器替代蒸发冷却，800V 直流供电到机柜；场地水电就绪后，现场部署由数月缩短至数天。继 NVL72 之后，这一步把布线、联调与老化测试也前移到供应链。

4. 竞争优势与客户结构

a. 通用架构：公司称其是唯一通用的加速计算架构，不只针对 Transformer 等单一算法，覆盖流体、粒子、量子化学、图像与数据处理等；架构 25 年保持一致，装机量与覆盖领域持续扩大。

b. 全栈交付：不少公司想自研芯片，但多数企业只想部署 AI 基础设施来跑业务，自己设计芯片、搭建超算、编写全部软件超出其能力；CUDA 加全栈 AI 工厂让英伟达能进入原本进不去的市场。

c. 客户版图：云厂商仍是很大的业务；此外有 AI 原生公司、新云（各地区都想把本地能源留给本地企业，如 Mistral、Nebius，中亚的 Firebird、非洲的 Cassava），以及面向企业的 OEM 与 ODM。

d. AI 实验室：去年只谈 OpenAI，如今 OpenAI、Anthropic、Meta 的 Muse、Grok 与 Gemini 都在前沿竞争。

e. 终端行业与耐用性：公司称最重要的是汽车、制造、医疗、金融等终端行业都转型为 AI 公司；同一套基础设施可用于数据处理、训练、后训练、推理与智能体处理全流程，软件持续更新，因此可灵活调配且经久耐用。

5. 智能体：五要素与安全

a. 五要素：智能体由模型、harness、安全沙箱、知识与工具五部分组成；年初的开源智能体 OpenClaw 开启了这一轮智能体浪潮。

b. OpenShell：开源（Apache 2.0）安全运行时，在系统调用、文件访问与网络连接层面执行策略，每次策略变更经形式化验证、不超出权限上限；密钥留在沙箱之外，对外网络请求一律经沙箱外的监督程序审核。

c. Sentry：可选的硬件级防护，运行在 BlueField-4 上，在硬件隔离域内监控智能体，发现异常可在毫秒级切断与模型的连接并隔离，同时留下防篡改记录。

d. 采用：公司称前沿实验室、操作系统、网络安全与平台公司几乎都已宣布采用 OpenShell，并与 Anthropic 合作推出 Claude OpenShell 智能体；每个任务、每个用户所需权限都不同，授权、执行与监控都要动态完成。

6. 智能体：模型与知识

a. 模型：未来会同时用闭源、开源与定制模型；英伟达开源 Nemotron（语言）、Cosmos（世界模型）、GR00T（人形机器人）、Alpamayo（自动驾驶）、Ising（量子 - 经典计算）与 Earth-2（物理），并开放训练数据与复现脚本。

b. 定位：公司承认自家开源模型（尤其是语言模型）未必最前沿，但经私有数据后训练可达前沿水平，如 AI21 与 Alice、Baseten 与 CodeRabbit、Trajectory 与 Harvey、Scale 与 Skydance、Palantir 与 Tampa General Hospital。

c. 知识：Agent Knowledge Foundation 包括 Nemotron Parse（解析非结构化文档）、Embed（向量检索）与 Rerank（结果重排序），公司称均居排行榜首位。

d. 结构化数据：Kumo 基于结构化数据库做预测，例如结合供应商延期通知，预判哪些订单会缺货、延误多久，再用向量检索找到替代零部件的工程文档。

7. 智能体：工具与软件公司

a. 工具：CUDA-X 让智能体调用的仿真、求解与数据处理工具比纯 CPU 快 10–100 倍，公司称工具是智能体能做实际工作的关键。

b. 案例：Lila Sciences 用 BioNeMo 设计 B 细胞淋巴瘤疗法；西门子埃尔朗根电子工厂用 Cosmos 导入新品；达索系统用 Nemotron 与 SIMULIA 把大众 Golf 车门改型到 Tiguan。

c. 软件公司：针对"AI 将终结软件和工具公司"的说法，公司认为恰恰相反，工具的使用者会比以往更多，每家工具公司都会提供擅长使用自家工具的智能体；Cadence、CrowdStrike、达索系统、IQVIA 等都在构建智能体。

8. 物理 AI：电信与医疗

a. 电信：AI 将大幅提升频谱效率；公司预计电信运营商约 10 万个站点、约 100 吉瓦的分布式基站与数据中心，未来都会演进为分布式 AI 基础设施。

b. 进展：经过近 8 年研发，上周与诺基亚在 T-Mobile 网络上打通首个商用电话，先由 CUDA 处理传统通话，再在其上叠加 AI。

c. 医疗：自适应放疗需要实时感知肿瘤与身体形变、精准分割并引导放疗，公司将其视为一种机器人手术。

9. 物理 AI：自动驾驶与人形机器人

a. Robotaxi：公司认为每家车企都会让车辆接入网约车平台（Uber、Bolt、Grab、Lyft 等）；全球每年行驶约 1 万亿英里，未来很多里程将以每英里 1–2 美元在 Robotaxi 上发生，机会巨大但高度分散。

b. Hyperion：标准架构含 14 个摄像头、9 个雷达、3 个激光雷达与多个超声波传感器，由双 NVIDIA GPU 计算，已成为行业标准并逐一导入各车队；英伟达自身也是自动驾驶软件商之一。

c. 新增车型：大众厢式车、捷豹路虎全新车型、沃尔沃车队与梅赛德斯 - 奔驰下一代车型将兼容 Hyperion，接入 Robotaxi 网约车网络。

d. 人形机器人：可能是下一个规模极大的产业和出货量最大的机器人构型；标准化构型才能带来规模与技术飞轮，中小企业无需机器人团队，演示即可教会机器人；欧洲在机电一体化与精密制造上积累深厚。

e. 参考机器人：物理 AI 需要训练、数字孪生中的技能学习与机器人本体三台计算机；与 Agile Robots 合作的参考机器人 Agile ONE 将于 2027 年一季度上市，预装计算机与软件、开箱即用。

10. PC 与工作站

a. RTX Spark：与微软合作四年研发 N1X 芯片，联合 PC 产业推出台式机、笔记本与工作站，现已上市；算力 1 petaflops、内存 128GB，相当于 2016 年交付 OpenAI、需两人抬上楼的 DGX-1。

b. DGX Station：运行 Windows，算力 20 petaflops、内存 748GB，可运行 CATIA、Autodesk、Adobe、Cadence、Synopsys 等软件，预计今年底上市。

c. 演示：在 RTX Spark 上用 Hermes harness 加 Nemotron 与 OpenAI 的 GPT-6 Astra 模型，调用 FreeCAD、Blender、Isaac Sim 等工具，为 Pollen Robotics 的小型机器人建模，云端训练后部署到实体机器人。

<此处结束>

本文的风险披露与声明：海豚研究免责声明及一般披露