英偉達（GTC 歐洲）：不拼性能拼交付，老黃的 “經濟賬” 算給誰聽？

以下為海豚君整理的$英偉達(NVDA.US) GTC 歐洲大會（2026 年 10 月 21 日，柏林）CEO 主題演講紀要。本場為主題演講，沒有問答環節。

海豚君梳理的核心看點：

老黃本次在柏林的演講，主要圍繞 “歐洲敍事”、“AI 工廠”、“Agent 與軟件並存”、“物理 AI” 這幾個方面：

1）歐洲敍事：畢竟是在歐洲本土的演講，強調歐洲要從 “用 AI” 變成 “造 AI”，按能源→算力→AI 工廠→模型→應用五層，每一層都要有自己的公司。英偉達過去一年在歐洲投資近 100 億美元，上週在法國、英國、瑞典、德國投資了 14 家初創公司，歐洲合作方超 1.2 萬家；

2）AI 工廠：Rubin 全面量產。英偉達本次推出的唯一新品是 DSX POD，7 個 Vera Rubin 液冷機櫃 +17 公里線纜，原來在現場裝配，現在改為在供應鏈裏裝好、測好、裝箱發貨，現場部署週期有望從 4–5 個月縮短至約 1 個月之內。

這裏不是強調性能，更主要在談性價比和交付，算經濟賬。公司認為 1GW 工廠造價 500 億美元，年收入 400 億美元，這意味着節省 3 個月時間=多賺 100 億美元。

3）Agent 與軟件並存：針對市場上 “AI 將終結軟件和工具公司” 的説法，公司認為恰恰相反。工具的使用者會比以往更多，每家工具公司都會提供擅長使用自家工具的智能體。Agent 幹活要靠工具，工具公司都會變成 Agent 公司，企業的數據和工具是自己的。

4）物理 AI：Robotaxi 的新進展，人形機器人還在初期階段。

①Robotaxi：Hyperion 統一標準（14 攝像頭、9 雷達、3 激光雷達、雙 GPU），新增大眾商用車、捷豹路虎新車、沃爾沃車隊、奔馳下一代 4 個車系，接入 Robotaxi 網約車網絡；黃仁勳算的是 “全球每年 1 萬億英里×每英里 1–2 美元” 的空間；英偉達自己也做自動駕駛軟件；

②人形機器人：參考機器人 Agile ONE 明年一季度上市（預裝算力和軟件）；人形機器人會是出貨量最大的機器人形態，前提是先統一標準；

③電信也是物理 AI：基站未來會變成分佈式 AI 網絡（全球約 10 萬個站點、100GW）；上週已和諾基亞在 T-Mobile 網絡打通首個商用 AI 電話；

整體來看，Rubin 已經全面量產，海豚君認為相比於性能的提升，公司在本次 GTC 歐洲大會上在產品方面更注重 “算經濟賬”，唯一推出的新品 DSX POD，縮短部署時間能為客户帶來 100-200 億美元的潛在收入機會，而在 “算經濟賬” 之外，公司用更多篇幅談了 “歐洲市場”、“Agent” 和 “物理 AI” 的機會。

英偉達在近期行業回調中跌幅相對較小，主要是因為公司當前處於 Rubin 全面放量的新品週期之中，本身估值也相對較低。公司當前市值（5.35 萬億美元），對應 2028 財年税後核心經營利潤約為 13 倍 PE（假定兩年營收復合同比 +89%，毛利率 73.5%，税率 16.5%）。

英偉達估值壓制在 15 倍 PE 以下，主要是受競爭對手搶單風險以及 AI 行業整體回調的影響。但結合增速來看，在年增 80%+ 的情況下，估值僅有 13 倍 PE，下跌的空間也相對有限（也是股價相對抗跌的一個因素）。近期市場傳出 OpenAI 將用英偉達 GPU 支撐 GPT-6.1 Sol 的 Ultrafast 模式，依然體現了公司在市場中的產品優勢。

當然也需要注意到英偉達當前的體量已經達到 5 萬億美元以上，大幅上漲需要大量資金才能拉動。在當前 AI 產業鏈承壓的情況下（如 Anthropic ARR），英偉達更大可能在 10-15 倍 PE 之間震盪，大致對應於 180-260 美元的區間內。

以下是本次 GTC 歐洲大會的主要內容：

一、主要信息回顧

1. 歐洲投入：過去一年在歐洲投資近 100 億美元，覆蓋初創公司與大小合作項目；僅上週就在法國、英國、瑞典與德國的行程中宣佈投資 14 家初創公司，歐洲合作伙伴累計超過 1.2 萬家。

2. AI 工廠經濟賬

a. 造價：1 吉瓦 AI 工廠總造價約 500 億美元，涵蓋土地、電力、廠房以及計算、網絡、存儲、供電與散熱。

b. 延期成本：每吉瓦預期每年產生數百億美元收入；按每年 400 億美元測算，上線每推遲 3 個月即少收約 100 億美元。

c. 公司判斷：DSX POD 預計把設備到場至產出 token 的時間由 4–5 個月縮短至約 1 個月，公司希望藉此減少閒置算力與閒置資本開支，提升各方盈利。

注：DSX POD 是一套預製化、集裝箱化的 Vera Rubin 機房參考設計。英偉達出設計，合作伙伴在工廠裏生產和組裝。集裝箱內是完整的 Vera Rubin AI 工廠，在交付前完成集成和驗證，運到現場後直接接入場地已備好的電力、冷卻、網絡等配套設施。計算、網絡、佈線、機櫃級供電和液冷全部在製造工廠裏集成安裝好。

3. 量產與需求

a. 量產：Vera Rubin 已全面量產；Spectrum-X 共封裝光學（CPO）交換機為全球首個完全量產的 CPO 產品。

b. 需求：智能體需要思考、推理、反覆迭代並調用工具，token 消耗與 GPU 需求隨之急劇上升；僅為定性表述，未給出量化數據。

c. 交付：NVL72 整機櫃組裝此前已移入供應鏈，全球整機廠都在生產 NVL72，可同時支撐全球數百個數據中心的建設。

二、主題演講詳細內容

1. 平台佈局與性能節奏

a. 框架：把 AI 視為一種製造業，從能源、計算、AI 工廠、模型到應用分五層理解 AI 經濟，公司稱每一層都在增長，英偉達處在計算層。

b. 全棧硬件：Vera Rubin GPU、NVLink 交換、Vera CPU、Spectrum-X 以太網（公司稱已是全球最大網絡公司）、用於 token 生成的 Groq 3 解碼加速器、BlueField-4 存儲加速與 RTX 計算。

c. 軟件：包括 AI 工廠系統軟件、cuDNN 之外的 350 個 CUDA-X 庫以及各領域模型；公司稱 CUDA-X 庫是其開拓新市場的方式。

d. 性能：十年六代架構把 AI 性能提升 100 萬倍，同期摩爾定律約 100 倍；大模型與智能體處理上，Blackwell 約為 Hopper 的 30 倍，Vera Rubin 兩年內再較 Blackwell 提升約 30 倍。

e. 計算範圍：Blackwell 首推機架級計算；Vera Rubin 把處理對象從模型擴展到整個智能體：GPU 跑大模型，Vera CPU 跑 harness（智能體的編排框架），另有計算機負責知識所需的數據處理與 CUDA-X 工具。

2. Vera Rubin 硬件

a. 計算托盤：無線纜、100% 液冷（Grace Blackwell 為 80%），單節點組裝時間由約 2 小時縮短到 5 分鐘以內，製造週轉、可靠性與性能都更好。

b. NVLink：交換托盤把 72 顆 GPU 連成一個整體，單顆 GPU 算力 20 petaFLOPS。

c. Vera CPU：每時鐘週期 8 條指令，採用 LPDDR 內存系統兼顧高帶寬與能效，公司稱片上互聯為業界最快，主要承擔數據處理與智能體會話。

d. CPO 交換機：512 個 200Gb/s 端口；激光經光學器件直連芯片，硅光通過與台積電共同開發的 COUPE 工藝直接貼裝在芯片上，信號不再經過 PCB 與光模塊，數據速率與質量更高。

3. AI 工廠交付：DSX 與 DSX POD

a. DSX：全棧 AI 工廠參考架構，與 PTC、達索系統、施耐德電氣、Jacobs、西門子、Procore 等共同設計，建設前先在 Omniverse 數字孿生中驗證性能、功耗、用水與規模。

b. 供電：端到端控制迴路按負載動態分配電力，同等產出省電 30%。

c. 散熱與用水：Vera Rubin 系統按閉環液冷設計，冷卻液温度最高 45°C；適宜氣候下用乾冷器向空氣散熱、不蒸發水，2 吉瓦規模每天可節水 5,400 萬升，相當於 18 萬户家庭的日用水量。

d. DSX POD（新發布）：由 7 個 Vera Rubin NVL72 液冷計算機櫃加 17 公里 Spectrum-X 線纜組成，出廠前完成集成、佈線與測試，裝入可運輸的集裝箱交付。

e. 部署：以乾冷器替代蒸發冷卻，800V 直流供電到機櫃；場地水電就緒後，現場部署由數月縮短至數天。繼 NVL72 之後，這一步把佈線、聯調與老化測試也前移到供應鏈。

4. 競爭優勢與客户結構

a. 通用架構：公司稱其是唯一通用的加速計算架構，不只針對 Transformer 等單一算法，覆蓋流體、粒子、量子化學、圖像與數據處理等；架構 25 年保持一致，裝機量與覆蓋領域持續擴大。

b. 全棧交付：不少公司想自研芯片，但多數企業只想部署 AI 基礎設施來跑業務，自己設計芯片、搭建超算、編寫全部軟件超出其能力；CUDA 加全棧 AI 工廠讓英偉達能進入原本進不去的市場。

c. 客户版圖：雲廠商仍是很大的業務；此外有 AI 原生公司、新雲（各地區都想把本地能源留給本地企業，如 Mistral、Nebius，中亞的 Firebird、非洲的 Cassava），以及面向企業的 OEM 與 ODM。

d. AI 實驗室：去年只談 OpenAI，如今 OpenAI、Anthropic、Meta 的 Muse、Grok 與 Gemini 都在前沿競爭。

e. 終端行業與耐用性：公司稱最重要的是汽車、製造、醫療、金融等終端行業都轉型為 AI 公司；同一套基礎設施可用於數據處理、訓練、後訓練、推理與智能體處理全流程，軟件持續更新，因此可靈活調配且經久耐用。

5. 智能體：五要素與安全

a. 五要素：智能體由模型、harness、安全沙箱、知識與工具五部分組成；年初的開源智能體 OpenClaw 開啓了這一輪智能體浪潮。

b. OpenShell：開源（Apache 2.0）安全運行時，在系統調用、文件訪問與網絡連接層面執行策略，每次策略變更經形式化驗證、不超出權限上限；密鑰留在沙箱之外，對外網絡請求一律經沙箱外的監督程序審核。

c. Sentry：可選的硬件級防護，運行在 BlueField-4 上，在硬件隔離域內監控智能體，發現異常可在毫秒級切斷與模型的連接並隔離，同時留下防篡改記錄。

d. 採用：公司稱前沿實驗室、操作系統、網絡安全與平台公司幾乎都已宣佈採用 OpenShell，並與 Anthropic 合作推出 Claude OpenShell 智能體；每個任務、每個用户所需權限都不同，授權、執行與監控都要動態完成。

6. 智能體：模型與知識

a. 模型：未來會同時用閉源、開源與定製模型；英偉達開源 Nemotron（語言）、Cosmos（世界模型）、GR00T（人形機器人）、Alpamayo（自動駕駛）、Ising（量子 - 經典計算）與 Earth-2（物理），並開放訓練數據與復現腳本。

b. 定位：公司承認自家開源模型（尤其是語言模型）未必最前沿，但經私有數據後訓練可達前沿水平，如 AI21 與 Alice、Baseten 與 CodeRabbit、Trajectory 與 Harvey、Scale 與 Skydance、Palantir 與 Tampa General Hospital。

c. 知識：Agent Knowledge Foundation 包括 Nemotron Parse（解析非結構化文檔）、Embed（向量檢索）與 Rerank（結果重排序），公司稱均居排行榜首位。

d. 結構化數據：Kumo 基於結構化數據庫做預測，例如結合供應商延期通知，預判哪些訂單會缺貨、延誤多久，再用向量檢索找到替代零部件的工程文檔。

7. 智能體：工具與軟件公司

a. 工具：CUDA-X 讓智能體調用的仿真、求解與數據處理工具比純 CPU 快 10–100 倍，公司稱工具是智能體能做實際工作的關鍵。

b. 案例：Lila Sciences 用 BioNeMo 設計 B 細胞淋巴瘤療法；西門子埃爾朗根電子工廠用 Cosmos 導入新品；達索系統用 Nemotron 與 SIMULIA 把大眾 Golf 車門改型到 Tiguan。

c. 軟件公司：針對"AI 將終結軟件和工具公司"的説法，公司認為恰恰相反，工具的使用者會比以往更多，每家工具公司都會提供擅長使用自家工具的智能體；Cadence、CrowdStrike、達索系統、IQVIA 等都在構建智能體。

8. 物理 AI：電信與醫療

a. 電信：AI 將大幅提升頻譜效率；公司預計電信運營商約 10 萬個站點、約 100 吉瓦的分佈式基站與數據中心，未來都會演進為分佈式 AI 基礎設施。

b. 進展：經過近 8 年研發，上週與諾基亞在 T-Mobile 網絡上打通首個商用電話，先由 CUDA 處理傳統通話，再在其上疊加 AI。

c. 醫療：自適應放療需要實時感知腫瘤與身體形變、精準分割並引導放療，公司將其視為一種機器人手術。

9. 物理 AI：自動駕駛與人形機器人

a. Robotaxi：公司認為每家車企都會讓車輛接入網約車平台（Uber、Bolt、Grab、Lyft 等）；全球每年行駛約 1 萬億英里，未來很多里程將以每英里 1–2 美元在 Robotaxi 上發生，機會巨大但高度分散。

b. Hyperion：標準架構含 14 個攝像頭、9 個雷達、3 個激光雷達與多個超聲波傳感器，由雙 NVIDIA GPU 計算，已成為行業標準並逐一導入各車隊；英偉達自身也是自動駕駛軟件商之一。

c. 新增車型：大眾廂式車、捷豹路虎全新車型、沃爾沃車隊與梅賽德斯 - 奔馳下一代車型將兼容 Hyperion，接入 Robotaxi 網約車網絡。

d. 人形機器人：可能是下一個規模極大的產業和出貨量最大的機器人構型；標準化構型才能帶來規模與技術飛輪，中小企業無需機器人團隊，演示即可教會機器人；歐洲在機電一體化與精密製造上積累深厚。

e. 參考機器人：物理 AI 需要訓練、數字孿生中的技能學習與機器人本體三台計算機；與 Agile Robots 合作的參考機器人 Agile ONE 將於 2027 年一季度上市，預裝計算機與軟件、開箱即用。

10. PC 與工作站

a. RTX Spark：與微軟合作四年研發 N1X 芯片，聯合 PC 產業推出台式機、筆記本與工作站，現已上市；算力 1 petaflops、內存 128GB，相當於 2016 年交付 OpenAI、需兩人抬上樓的 DGX-1。

b. DGX Station：運行 Windows，算力 20 petaflops、內存 748GB，可運行 CATIA、Autodesk、Adobe、Cadence、Synopsys 等軟件，預計今年底上市。

c. 演示：在 RTX Spark 上用 Hermes harness 加 Nemotron 與 OpenAI 的 GPT-6 Astra 模型，調用 FreeCAD、Blender、Isaac Sim 等工具，為 Pollen Robotics 的小型機器人建模，雲端訓練後部署到實體機器人。

<此處結束>

本文的風險披露與聲明：海豚研究免責聲明及一般披露