英伟达于柏林首次GTC大会介绍DSX全栈架构及模块化计算容器DSX POD，称工厂式建造的AI数据中心可在14天内上线
英伟达在柏林举行的首届GTC大会上提出工厂式AI方法，将AI生产描述为一种工业化流程。CEO黄仁勋介绍了DSX全栈架构以及DSX POD——一种模块化计算容器，旨在加快数据中心部署并使系统在欧洲更快上线。据标题，这种工厂建造的AI数据中心据称可在14天内上线，此为宣传性说法而非已实现的部署结果。原文未说明原因。
- 相关厂商
- Nvidia
- 影响评分
- 55 / 100，中等影响
英伟达在柏林举行的首届GTC大会上提出工厂式AI方法，将AI生产描述为一种工业化流程。CEO黄仁勋介绍了DSX全栈架构以及DSX POD——一种模块化计算容器，旨在加快数据中心部署并使系统在欧洲更快上线。据标题，这种工厂建造的AI数据中心据称可在14天内上线，此为宣传性说法而非已实现的部署结果。原文未说明原因。
10月22日消息，科技媒体Wccftech于10月21日发文称，在GTC柏林大会上，英伟达首席执行官黄仁勋表示，随着软件持续更新和AI应用需求扩大，GPU的实际使用寿命已从过去普遍认为的约4年，延长至8年甚至更久；他称公司采用软件可编程技术并在资产整个生命周期内持续改进软件，确保长期高效运行，这是重要优势之一。文中还提到，在SpaceX 2026年第三季度财报电话会上，马斯克提出类似判断：随着AI软件改进和模型优化，每瓦计算能力所能提供的有用智能越来越多，计算能力的价值与每瓦的有用智能成正比，因此每瓦计算能力的价值会随时间上升而非减少，并称像H100这样的老GPU现在的租金比新电脑时期更高。加文·贝克（Gavin Baker）在GTC柏林大会上表示，随着词元（Tokens）价格下跌、词元组合转向价格更低的词元，单位GPU小时的租赁成本却大幅上涨，因为给定GPU小时内获得的词元越多价值越高。
英伟达正将其芯片业务从科技巨头扩展至新云服务商等新兴AI市场，并通过为客户和需求提供支持而成为帮助这些公司扩张的"中央银行"。随着获英伟达支持的AI云公司承受压力，外界对其能否长期维持这一角色的担忧正在加剧。原文未说明具体数字、时间或原因。
英伟达在中国AI加速器市场对华为的领先优势一年内缩小了80%。据IDC数据，华为在2026年上半年出货57.2万颗昇腾（Ascend）芯片，获得28%的市场份额，仅落后英伟达6个百分点，而一年前差距为31个百分点。英伟达CEO黄仁勋曾警告可能失去中国规模500亿美元的AI芯片市场，这一警告正更接近现实。原文未说明市场份额变化的原因。
英伟达将人工智能的扩张定位为基础设施和产业层面的转变，而不仅仅是软件趋势。在GTC Berlin上，CEO黄仁勋描述了一个涵盖能源、计算、AI工厂、模型和 applications 的经济体系，并敦促欧洲和电信运营商建设产能，以生产、托管和部署自主AI系统。文中未提及具体价格、数量或日期变更。
TrendForce转发消息称，NVIDIA展示了一款新的CPO（共封装光学）原型，该设计将光引擎从封装基板移至硅中介层上，可能提升带宽密度。报道称这是早期阶段的设计，并提出其能否塑造NVIDIA未来AI互连的问题；来源未说明任何量产、供应或价格影响。
谷歌与亚马逊在美国加州圣何塞当地时间10月20日举行的PyTorch Conference 2026上，分别发布开源框架TorchTPU和TorchNeuron，旨在简化现有AI应用从英伟达GPU向自家芯片迁移，挑战英伟达CUDA生态的主导地位。PyTorch由Meta（原Facebook）的AI研究实验室FAIR于2016年主导开发，全球约85%的AI应用开发者使用它，而FAIR最初围绕英伟达GPU和CUDA平台设计PyTorch，导致向其他芯片迁移困难。谷歌与Meta合作开发的TorchTPU，据谷歌称，超过98%的现有PyTorch模型只需将代码中的设备字符串改为model.to("tpu")即可在TPU上运行，转换耗时从几分钟到几天不等，且TPU已在PyTorch核心层面作为与GPU、CPU同等的原生设备运行。AWS的TorchNeuron则允许基于PyTorch的AI模型直接运行在AWS的Trainium AI芯片上，开发者只需修改几行设备设置，把英伟达的cuda替换为AWS的neuron。亚马逊已通过GitHub以Apache 2.0开源许可发布TorchNeuron公测版，并向PyTorch主开源项目直接贡献代码。此前将针对英伟达生态优化的AI应用迁移到谷歌或亚马逊专有AI芯片至少需数天，复杂情况下需数月，新工具有效消除了这些时间和成本障碍。随着TorchNeuron、TorchTPU及类似工具获得采用，专用AI芯片预计将主要在底层性能、能效和定价上竞争，但针对具体模型的兼容性、性能和成本验证仍需额外时间。
Nvidia于10月21日在GTC Berlin主题演讲中提出，AI的瓶颈现已从芯片转向部署速度、电力与安全，而非硅片本身，并发布参考设计与软件，将Nvidia的覆盖范围从GPU扩展到整个AI数据中心（AI工厂）如何构建与运行的层面。原文未说明价格、产能或供需方面的具体影响，该内容属产品与战略层面信息。
据报道，三星电子计划转向采用台积电的3nm工艺为英伟达定制高带宽存储器（NVHBM）生产基础裸片，放弃其长期以来的turnkey整合模式，以争取进入英伟达供应链。报道指出，此举可能满足客户要求，但在韩国引发了对三星代工竞争力、HBM设计控制权以及内部协作长期收益的担忧。原文未说明该计划是否已最终敲定。
英伟达CEO黄仁勋于当地时间10月21日在年度GTC 2026柏林大会的主题演讲中表示，英伟达将人工智能定义为大规模生产数字智能（token）的新型制造业，并发布了名为“五层蛋糕”（Five-Layer Cake）的五层AI架构。第一层为驱动AI工厂的电力与能源基础设施；第二层为提供AI处理基础的先进计算机与加速计算硬件；第三层为结合电力与计算以大规模生产token的AI工厂基础设施，包括neocloud和通信网络；第四层为涵盖语言、生物、化学、物理、机器人与动画等各领域和规模的AI模型；第五层为将生成的token整合进行业和企业的应用。黄仁勋称AI不同于传统软件工具，是自行生产智能的工厂和机器，该连接能源与应用的五层AI架构将成为新工业革命的核心基础设施；他强调欧洲必须超越仅为AI消费者的角色、成为数字智能的生产者，敦促欧洲企业和政府构建独立生产生态系统，并表示欧洲有能力独立构建整个五层AI架构。此为战略愿景表述，原文未涉及具体产品、价格或供应数据。
据分析机构SemiAnalysis爆料，英伟达被指对部分采用AMD GPU、Google TPU及其他竞争芯片的"Neocloud"云服务提供商施压，多家专注于AI基础设施的Neocloud企业因在产品组合中引入AMD GPU、TPU及其他非英伟达芯片而被禁止参加英伟达在德国柏林举办的GTC大会。据称此举意在限制这些企业对竞争对手硬件的采用。SemiAnalysis还称今年早些时候英伟达曾被指通过限制新产品早期配额惩罚采用竞争对手技术的云服务商，相关企业在IPO、融资及获得英伟达资金支持方面也可能面临不利影响。报道指出该"惩罚"据称未波及亚马逊AWS、微软Azure等超大规模云厂商。也有业内人士认为英伟达作为GTC主办方有权决定邀请对象，相关做法更多属商业合作关系管理。此为传闻性质，原文未说明确证结果。
据报道，尽管英特尔EMIB-T基板良率不佳，谷歌仍坚持让HumuFish完全采用EMIB-T。行业消息人士称，EMIB-T基板良率在2026年第三季度约为35%，远低于年底设定的50%目标；良率不佳的原因据称为ABF基板与嵌入硅桥在高温处理中热膨胀差异导致对准困难，以及桥下TSV所用的NCF（非导电膜）在键合时可能困住气泡、削弱粘附力。虽然市场有HumuFish延迟的传闻，且存在转用台积电CoWoS-L的可能性，但供应链查核显示HumuFish仍'100%' commitment于EMIB-T。英特尔已调整基板电镀工艺，Ibiden、欣兴（Unimicron）、新光（Shinko）等供应商持续努力改善良率。谷歌TPU v9系列确认包含三个变种：博通设计的WhaleFish（预计采用台积电CoWoS-L，2027年下半年量产）、联发科设计的HumuFish（计划2028年上半年量产，完全依赖英特尔EMIB-T）和TriggerFish（计划采用EMIB-T，目标2028年下半年或之后量产）。据TechNews援引分析师郭明錤，TriggerFish定位为推理能力更强的升级版TPU v9，相对HumuFish有三项升级：SRAM容量提升2–3倍、增加一颗仿真die、从HBM4转向HBM4E。延迟方面，谷歌设计的Compute Die A（基于台积电N2工艺）流片已推迟至10月下旬，其他die仍按计划进行，预计将推迟完整封装的试产；Commercial Times进一步指出，联发科参与的谷歌TPU v9项目（HumuFish）流片可能因设计修订推迟至2027年1月，出货可能因此延迟至2028年第一季度。由于HumuFish要到2028年上半年才量产，供应链仍有一些时间解决EMIB-T的剩余问题，但若流片推迟到2027年1月将压缩缓冲时间。
DeepSeek开源了推理框架DeepInfer，并配套发布DeepSeek Recipe用于统一Codex的Responses API、Claude Code的Messages API等各家接口与DeepSeek的交互格式，且同时适配华为和英伟达硬件。文章称按其公开的内部账本，手把手跟上的话一张卡一天能收米6100块，并对比称现在最贵的B300租一个小时也就不到60块（9刀）。技术细节方面：Confidence Head置信度预测头相比之前挨个核查减少了足足30%的工作量，提高了4%～7%的token吞吐；V4.1 Flash出厂时硬盘里的缓存占用压缩到了前代的八分之一，并采用SWA Bounded Replay（有界回放）技术使处理输入的计算量直接砍半；MTP多Token预测早在DeepSeek V3时引入，今年七月份发布DSpark批量生成草稿。DeepSeek在公告中说明，推理系统中的KVCache管理与负载均衡组件因与内部基础设施耦合较深，相关代码目前尚未完整开源；已开源代码更利好软件芯片厂商调试或中小企业私有化部署，对云服务大厂和直接竞争对手则不够用。
据ZDNet援引业内消息人士报道，已将其推理技术授权给NVIDIA的AI芯片公司Groq正在考虑在下一代芯片中采用3D堆叠DRAM，可能放弃其以SRAM为中心的设计，从而显著增加片上内存容量；该消息属于传闻/计划，并非已确认的实施。报道指出Groq正在探索3DS（3D堆叠内存），其通过硅通孔（TSV）垂直连接DRAM裸片；3DS与HBM虽都依赖TSV，但HBM侧重高数据传输速度，3DS侧重在保留传统DRAM接口的同时增加内存容量。现有NVIDIA Groq 3 LPX是面向Vera Rubin平台的机架级AI推理加速器，据NVIDIA称，每颗Groq 3 LPU集成500MB SRAM、片上内存带宽150TB/s，整套LPX机架组合256颗LPU、提供128GB SRAM和40PB/s聚合SRAM带宽；据该公司称，每个机架还提供12TB DDR5内存与128GB SRAM并用。据36Kr援引d-Matrix CEO Sid Sheth称，SRAM容量每两年仅增长约10–20%，而AI模型规模可能每六到九个月翻倍，这一差距使SRAM难以单独满足内存容量与带宽需求。制造方面，据Seoul Economic Daily，Samsung Foundry在其Pyeongtaek工厂以4nm工艺代工NVIDIA的Groq 3 LPU；Samsung高管曾在6月表示正在与NVIDIA就下一代Groq LPU讨论代工合作；TSMC董事长魏哲家在4月的法说会上表示TSMC正与客户合作开发下一代LPU。此外，同样重度依赖SRAM的Cerebras也在推进3D堆叠DRAM，据该公司称其未来的CS-6系统将把堆叠DRAM与晶圆级SRAM及计算整合，以在保持快速数据访问的同时显著扩展内存容量。
NVIDIA在SEMICON West 2026上以"Optical Integration for the Next Generation of AI"为主题展示下一代共封装光学(CPO)技术，包括光学引擎从有机封装基板移至承载计算芯片的硅中介层上的OOI原型，据The Elec称该设计可消除电信号路径中的有机基板，通过更短的细间距中介层连接提高带宽密度并降低功耗。NVIDIA还演示了DWDM技术，据Wccftech称在单根光纤上结合8个波长、每波长最高32 Gb/s，合计每光纤256 Gb/s。两项技术仍处于研究阶段，未公布商业化时间表，NVIDIA表示正为潜在未来产品进行评估。展望未来，NVIDIA计划以Kyber NVL1152架构扩展光互连，将8个机架连接为单一1,152-GPU NVLink域并支持Feynman平台；据Wccftech称Feynman预计于2028年推出。现有CPO产品方面，2026年5月NVIDIA宣布Spectrum-X Ethernet Photonics交换机已进入全面量产，为Vera Rubin平台集成200Gb/s SerDes与CPO技术，早期采用者包括CoreWeave、Lambda和Oracle Cloud Infrastructure；制造生态中TSMC提供硅光子制造，SPIL负责芯片级封装组装测试，TFC封装激光器并做可靠性验证，Foxconn负责整机系统集成，另有Coherent、Lumentum、Sumitomo Electric提供外置激光源模块，Corning、Senko、Browave提供光纤及相关组件，Fabrinet负责散热与最终测试。
英伟达于 10 月 21 日在柏林 GTC 2026 大会上宣布，DGX Spark 此前支持最多 4 台设备组建集群，现已开放手动配置最多 8 台设备组建集群；若以 128GB 版本组建，其统一内存容量最高可达 1TB。英伟达同时发布本地 AI 平台更新，并宣布与 llama.cpp、vLLM 开源社区合作优化 AI 推理性能：在特定工作负载下，RTX PRO 6000 Blackwell 的推理性能最高提升 40%，DGX Spark 和 DGX Station 分别获得最高 30% 和 20% 的性能提升。4,999 美元（约合 33,450 元人民币）的 DGX Spark 64GB 版本将于 10 月 23 日起通过合作伙伴陆续发售；Sync Model Launcher 计划于本月晚些时候上线；DGX Station 的 Windows 版本预计于 12 月推出。英伟达还推出 Recursive Flint 编程模型，采用 MoE 架构，总参数量 400 亿、激活参数量 25 亿，在配备 64GB 内存的 RTX Spark 上推理速度超过每秒 220 个词元。据英伟达公布的数据，在 llama.cpp 中针对 Qwen 3.8 Flash Next 的 MTP 推测解码优化可使 RTX PRO 6000 Blackwell 上端到端智能体任务提速最高 1.4 倍；在 vLLM 中针对 Qwen3.8 27B 的优化可使 DGX Spark 上相关任务提速最高 1.3 倍；DGX Station 运行 GLM 5.3 Flash 时吞吐量最高提升至原来的 1.2 倍。原文未说明原因（未提及上述性能提升或集群扩展的具体原因）。
英伟达CEO黄仁勋周三在柏林GTC大会上呼吁欧洲加快AI落地，称欧洲要享受AI红利、打造AI生态与AI经济，就必须让所有终端行业用上AI，并举例汽车、金融、医疗赛道。本次发布会面向欧洲市场发布了新的数据中心硬件、软件、模型，并公布与当地龙头企业合作。核心新品为DSX Pod，一款集装箱式迷你数据中心，单套集装箱内预装、调试完毕服务器、线缆与配套管路，客户到货后只需通电并与其他同型号单元互联即可使用；该方案由戴尔等英伟达合作伙伴打造，把硬件部署周期从原先6个月缩短至14天，适合小于1吉瓦规模的中小型算力部署。英伟达称，欧洲已有多家客户采用DSX AI数据中心方案及最新的Vera Rubin处理器，其投资的数据中心开发商Nscale是其中之一。针对全球市值最高上市公司英伟达长期受供应链产能瓶颈制约的情况，揖斐电、三星电机、欣兴电子将为其增加封装基板供给；安靠计划到2028年底把芯片封装产能提升至原来四倍；京元电子扩充芯片测试产能。具身智能方面，英伟达表示今年上半年该板块营收最高同比增长30%，规模约110亿美元；其与思灵机器人打造开源机器人开发平台，配套硬件为搭载Jetson Thor的Agile ONE SN人形机器人，并称人形机器人赛道研发复杂度高、投入巨大，目前只有资金雄厚的企业能够参与。此外，英伟达宣布与西门子旗下业务部门合作落地基于AI的先进放疗设备；汽车领域沃尔沃采用英伟达芯片研发自动驾驶车辆，大众商用车业务搭载英伟达方案，Bolt Technology OU依托英伟达软硬件开发自动驾驶出租车。报道还提及，过去两周AI板块股价持续承压，费城半导体指数走出2008年以来最长连跌行情。
英伟达于当地时间10月21日在GTC柏林大会上宣布扩展Isaac开放机器人开发平台，并联合思灵机器人（Agile Robots）发布人形机器人参考平台Agile ONE SN，计划于2027年初推出，目前仅为计划、尚未上市。该平台预配置英伟达Isaac GR00T，搭载Jetson Thor计算平台，提供2070 TFLOPS的FP4算力和128GB统一内存，主要面向机器人研究与开发；Agile Robots称该平台可将相关环境的前期配置时间从数周缩短至数天。Agile ONE SN采用Agile ONE S人形机器人本体，身高1.4米、官方公布重量40公斤、具有31个自由度、单臂负载3公斤，配备两只各具20个自由度的WUJI Hand 2五指灵巧手，支持1kHz力控制和触觉感知；路透社报道称该机器人重量约为34公斤，与英伟达官方的40公斤数据存在差异，原文说明现有信息尚不足以确认差异原因。安全方面，该平台计划将机器人端安全协议与英伟达Halos全栈安全系统集成，目前这项集成仍待完成。软件方面，Isaac Lab 3.0已正式发布，并推出开源运行框架Isaac OS；数据方面提供SimReady Central Library（超过2000项仿真资产）和Human 1M数据集，其中完整版Human 1M仅向Cosmos Coalition合作伙伴开放。路透社另报道称，Agile Robots计划于2027年与英伟达合作生产最多2000台人形机器人，面向大学和企业研究实验室等客户，仍为计划。斯坦福大学、苏黎世联邦理工学院等研究机构已表示兴趣。原文未说明原因类信息不适用，此为产品与合作发布事件，对采购价格无直接报告影响。
10月21日，英伟达首席执行官黄仁勋在柏林举行的GTC大会上表示，未来所有电信运营商都将提供AI算力，电信基站有望发展为分布式AI网络（为前瞻性表述，非已实现事实）。他将AI经济比作由能源、算力、AI工厂、模型和应用构成的五层蛋糕，并指出算力层仅出现英伟达一家公司的标志；其他层包括西门子能源、施耐德电气等能源企业，AI工厂建设商Nscale和Firebird，以及欧洲AI模型公司Mistral、法律AI公司Legora和翻译工具DeepL。黄仁勋还表示，建设一座1吉瓦数据中心的成本目前约为500亿美元，涵盖土地、电力、建筑、计算设备、存储和冷却等费用。此外，英伟达推出DSX Pod AI工厂，可将部署时间缩短至最快14天，以加速欧洲AI基础设施部署。
据 cnBeta.COM 2026年10月21日报道，已被英伟达纳入麾下的 AI 推理芯片公司 Groq 计划在下一代 LPU（语言处理单元）产品中引入 3D 堆叠 DRAM 技术，以替代当前广泛采用的 SRAM 方案，此举意味着未来更侧重提升芯片存储容量，以适应不断膨胀的大型 AI 模型需求，属计划而非已实现的产品变更。现有一代 Groq LPU 采用 500MB SRAM 设计，内存带宽高达 150TB/s，单颗可提供约 1.20 PFLOPs 的 FP8 算力；LPX 机架配置 256 颗此类芯片，总计提供 128GB SRAM 容量和 640TB/s 扩展带宽。该机架由英伟达于今年早些时候公布并纳入 Vera Rubin 生态体系，已于今年 8 月进入全面量产阶段；早期测试显示，在与 NVL72 服务器协同工作时系统可实现每秒 3400 个 Token 的推理速度，创性能纪录。报道称，与 SRAM 相比 DRAM 容量更高但带宽和访问速度较低；3D 堆叠方案可堆叠多层 DRAM 并利用 TSV 硅通孔实现层间连接，与 HBM 实现方式相似，可提高单位面积存储密度、改善能效并减少占用空间。报道还提到，未来 Groq 或许不会完全放弃 SRAM，而是将 DRAM 与 SRAM 产品线并行发展，按应用场景提供差异化方案。原文未说明具体时间表或量产计划细节。
爆款新品里，到底装了谁的芯片？拆开，一颗一颗给你看。
全部拆解| Analog | $0.68 | −5.9% |
|---|---|---|
| 连接器 | $0.75 | +0.2% |
| CPU | $386.74 | −21.3% |
| DDR4 | $88.40 | −0.2% |
| DDR52026-W13 | $14.89 | −11.2% |
| GPU | $478.20 | +8.2% |
| MCU | $0.68 | −61.7%异常波动 |
| MLCC | $0.01 | +54.0%异常波动 |
| MOSFET | $0.12 | −82.8%异常波动 |
| PMIC2026-W13 | $0.44 | −12.5% |
| SSD/HDD | $288.43 | 暂无 |