为了解决数据中心部署周期过长、导致算力闲置的问题，英伟达推出了名为 DSX POD 的 AI 工厂参考设计。该产品采用类似集装箱的模块化设计，在出厂前已完成复杂的布线与测试（包括长达 20 公里的铜缆和 17 公里的横向扩展网络）。相比传统模式下可能耗时数月甚至半年的现场组装，DSX POD 可将部署周期缩短至一个月甚至两周。英伟达高层指出，这种“预安装”策略旨在减少算力在建设期间的闲置时间，从而加速投资回报（ROI）。
除了硬件结构的优化，英伟达还针对数据中心的能耗与水资源挑战提出了技术方案。通过采用封闭式循环液冷系统，DSX 架构可在大规模部署中显著降低用水量；同时，推出的 DSX Flex 技术可实现电力动态分配，使数据中心能够根据电网需求自动调节负载。这种从“单纯消耗者”向“电网合作伙伴”的角色转变，是英伟达构建大规模 AI 工厂的关键一环。
最后，英伟达展示了其在“物理 AI”领域的宏大愿景。公司预测未来的电信网络将演变为分布式 AI 网络，并强调自动驾驶作为最广泛的物理 AI 应用，正处于技术拐点。通过提供 Hyperion 等标准平台，英伟达旨在建立一个能够容纳多种品牌、跨越不同厂商的“巨型虚拟车队”。在机器人领域，英伟达与 Agile 合作推出的参考平台也将加速人形机器人在非结构化环境中的应用。
【核心提要】
【正文报道】
在近期全球资本市场对人工智能（AI）板块波动剧烈之际，英伟达（NVIDIA）通过在柏林举行的 GTC 演讲释放出强烈的信心信号。核心信息指向两个维度：一是通过“工厂化”的硬件设计加速基础设施建设；二是大幅扩张供应链产能以满足持续增长的全球需求。
为了解决数据中心部署周期过长、导致算力闲置的问题，英伟达推出了名为 DSX POD 的 AI 工厂参考设计。该产品采用类似集装箱的模块化设计，在出厂前已完成复杂的布线与测试（包括长达 20 公里的铜缆和 17 公里的横向扩展网络）。相比传统模式下可能耗时数月甚至半年的现场组装，DSX POD 可将部署周期缩短至一个月甚至两周。英伟达高层指出，这种“预安装”策略旨在减少算力在建设期间的闲置时间，从而加速投资回报（ROI）。
除了硬件结构的优化，英伟达还针对数据中心的能耗与水资源挑战提出了技术方案。通过采用封闭式循环液冷系统，DSX 架构可在大规模部署中显著降低用水量；同时，推出的 DSX Flex 技术可实现电力动态分配，使数据中心能够根据电网需求自动调节负载。这种从“单纯消耗者”向“电网合作伙伴”的角色转变，是英伟达构建大规模 AI 工厂的关键一环。
在技术安全层面，针对市场对 AI 智能体（Agents）安全性的担忧，英伟达推出了 OpenShell 安全运行时系统。通过与 Anthropic 等公司合作，将工具执行置于沙箱环境中，确保智能体仅在授权范围内运行。此外，英伟达还发布了 Kumo 开源模型和 Agent Knowledge Foundation（智能体知识底座），旨在为开发者提供更安全的智能体应用基础。
在供应链端，英伟达同步公布了一系列重磅合作计划以支撑产能扩张。公司宣布与三星电机（Samsung Electro-Mechanics）加入基板供应体系，预计未来三年推动相关产能提升 2.5 倍；同时与 Amkor 合作扩大韩国的先进封装能力，目标到 2028 年底实现 300% 以上的增长。此外，在测试领域，英伟达为京元电子（Keyen Electronics）提供巨额预付款以扩建美国工厂，预计到 2027 年半导体测试总产能将翻倍。同时，针对光电共封装（CPO）技术，合作伙伴的目标是到 2027 年中期将相关组件产量提升 15 倍。
最后，英伟达展示了其在“物理 AI”领域的宏大愿景。公司预测未来的电信网络将演变为分布式 AI 网络，并强调自动驾驶作为最广泛的物理 AI 应用，正处于技术拐点。通过提供 Hyperion 等标准平台，英伟达旨在建立一个能够容纳多种品牌、跨越不同厂商的“巨型虚拟车队”。在机器人领域，英伟达与 Agile 合作推出的参考平台也将加速人形机器人在非结构化环境中的应用。
【背景链接：】