黄仁勋 GTC 柏林：AI 工厂、Agent 安全沙箱与企业专属模型

• 把 AI 当作制造业：黄仁勋将 AI 描述为一门生产 token 的制造业——工厂产出 token，再把智能带入各行业。一座 1 吉瓦的 AI 工厂造价约 500 亿美元，建成后还需数月组装，闲置算力与资本同时消耗。
• DSX POD 压缩部署周期：该方案把集成、布线与测试前置到工厂端完成，目标是将现场部署时间从数月缩短到几天，"更快产出第一个 token"。
• 五层架构与全栈：演讲拆解 AI 五层架构与 NVIDIA 全栈布局，覆盖从基础设施到 Agent 工具链的整条路径。
• Agent 安全不能靠请求：Agent 能访问文件、网络与工具，仅靠指令约束并不足够。OpenShell 通过沙箱与外部策略限制权限，Sentry 则在硬件隔离环境中监控并隔离异常 Agent——"安全不能只是一个愿望，安全靠的是技术和工程"。
• 专属模型以企业知识为底牌：建议从开放模型起步，再用自有数据定制，并把内部文档、数据库与专业工具接入 Agent，使 AI 处理公司具体问题而非通用回答——"把你的专有数据，变成自主掌控的智能"。
• 工具公司不会消失：Agent 完成科学实验、工程设计与生产计划仍需专业工具，做工具的公司可进一步开发擅长使用自家工具的 Agent，"每一家做工具的公司，现在都会成为 AI 公司"。
• 物理 AI 的三台计算机：训练 AI、在数字孪生中学习、再把策略部署到机器人；演示中的 Microduck 在云端并行训练，在 Omniverse 数字孪生中学到策略，最后把验证过的策略下载到实体机器人。
• RTX Spark 让 Agent 进入个人电脑：演讲末尾把 Agent 的运行载体从云端延伸到 PC 端，是本次 Keynote 在终端侧的具体指向。

🔗 播客原链接