NVIDIA GTC 柏林 2026

这里是柏林 Tempodrom 现场，欢迎收看 NVIDIA GTC Live。

欧洲的 AI 未来正在成形，今天我们将听听那些正在推动这一切的人怎么说。接下来的两个小时，我们会见到把 AI 真正用起来的创始人、研究人员和产业领袖。从科学发现到工厂车间，欧洲曾塑造工业时代；如今，AI 正在这里开启一个全新的机遇时代。欧洲的企业、国家和社群将如何抓住这个机会？接下来又会打造什么？我们即将见到把欧洲 AI 抱负变成现实的远见者，而这一切将迎来今天的重头戏：黄仁勋首次在柏林发表主题演讲。

NVIDIA GTC Live 柏林站，现在开始。

好吧，它告诉我……所以那其实不是政府提供的帮助，不过也够用了。

欧洲拥有悠久的工程与科学创新传统。现在的问题是，AI 如何帮助欧洲发挥这些优势、创造新的机会？

对许多行业来说，开源是参与 AI 革命的根本条件。NVIDIA 致力于为世界构建开放模型。我认为我们应该让智能普及化。每个国家都应该参与建设 AI 基础设施，打造自己的 AI。

开放模型是创新的命脉，也是全球参与 AI 革命的引擎。如今人人都能打造自己的 AI。我们完全以开放方式构建模型，让每家公司、每个行业、每个国家都能参与这场 AI 革命。

我觉得我们已经远远不止是缩小差距了，因为它在多个领域都达到领先水平，甚至能和闭源模型竞争。比如在工业工程、某些网络安全能力和地理空间影像方面，它实际上比市面上任何模型都强。与其他开源模型相比，它的网络安全能力也更好。我认为西方能够使用开放模型非常重要，我们很高兴走在这一领域前沿，也很高兴在开源模型整体发展上领先。

你说得非常对。20 年前，Dassault Systèmes 和 NVIDIA 开始把 GPU 加速图形带给工程师，帮助他们塑造当时的未来，也就是今天所说的 3D 建模。如今我们正迈出下一步，把 AI 带进工业设计、仿真和运营。Dassault Systèmes 提供虚拟孪生、工业世界模型，以及我们的 AI 智能体“虚拟伴侣”；NVIDIA 则提供加速计算、Neotron 模型和专用软件库。我认为我们把 AI、科学知识和工业专长结合起来，全面改变产品设计与制造。

例子很多，我不想剧透黄仁勋一小时前的演讲，不过可以举一个。NVIDIA 是我们的客户，他们正在用虚拟孪生设计 AI 工厂。这很重要，因为在实际建造之前必须先仿真、测试；同时还要缩短从部署到产生第一个 token 的时间。因此，利用虚拟孪生进行部署，对世界各地许多 AI 工厂来说已经必不可少，欧洲也一样。

你看，Arthur 在教室里像个成绩很好的优等生，我呢，更像教室里的水管工。（笑）这就是我的角色。我们是一家全球性的大公司，正在建设基础设施。欧洲需要基础设施，才能承接这些很棒的创意和 AI 工具。

……为数字孪生提供支撑，这正是我们正在建设的东西。我们在建设主权基础设施，这不是针对美国人——我们喜欢美国的服务——而是我们应该拥有选择权。主权意味着有选择，这就是我们要打造的。我们已经建成了慕尼黑的第一批 1 万块 GPU，六个月后就全部售罄。现在我们要加倍投入，计划建设一座吉瓦级工厂。我们想建起基础设施，让所有这些应用都能在这里成为现实。

的确，我们在建设自己的基础设施方面投入了很多，因为我们大量使用这些基础设施来训练模型，也用它们向客户提供 token 服务。因此，深入到底层、一路优化到硬件层，对我们来说很有意义。当然，我们也与数据中心开发商、电信运营商合作，因为需要你说的这一整套管线。不过，我们对当前的扩张速度相当兴奋。目前已有 50 兆瓦上线，2027、2028 年还会增加很多。我们的路线图是 2029 年达到 1 吉瓦，目前进展相当顺利。

“主权 AI”是我们使用的一个术语。我们构建主权 AI 技术，它不仅适用于美国以外的地方，也适用于美国公司。我们与许多有主权 AI 需求的美国公司合作。为什么？主权 AI 意味着要保障业务连续性：无论发生什么，你部署的软件都能迁移到其他基础设施上，确保没人能把你关掉。它也意味着 AI 要靠近你非常看重、未必愿意交给集中式 AI 服务商的数据，让数据和 AI 部署彼此接近。满足这些条件后，企业就能处理价值远高于常见用例的工作。最后一点是可负担性：主权 AI 让你掌控成本，可以部署优化程度更高的开放模型，不必支付闭源模型的知识产权溢价。这三点广泛适用于企业和国家，我认为也适用于个人。如果你在意隐私和控制权，想部署自己的智能体，并确保无论发生什么它都能运行、没人能把你关掉，这些都很重要。

是的，因为主权背后有一个根本问题：谁控制公司的智能……

……设计、仿真、测试和制造诀窍都不只是数据，它们是许多客户的竞争优势。正如你说的，对我们而言，主权意味着提供选择：你可以选择自己的模型、基础设施，当然也可以选择合作伙伴，同时把知识产权掌握在自己手里，因为这才是关键。你不必什么都自己建，但必须控制那些让你与众不同的东西。这就是我们与 NVIDIA 合作的方式：结合双方所长，加快工业创新，同时不牺牲客户的选择权。

太好了。Tim，我听了这些回答，想到一个类比。每家公司——也许年轻公司少一些——都可以请麦肯锡、贝恩的聪明顾问来帮忙，虽然他们不是员工。它们就像外部的前沿闭源模型，被引入公司里。但如果智能体本质上是员工，而且会越来越多地与人协作，那你就会想拥有自己的员工，也希望 AI 智能体能服从公司的主权。你能谈谈这在 Deutsche Telekom 内部是怎样实现的，以及你们怎样帮助其他公司吗？

我们刚刚开了投资者日，整整谈了七个小时的 AI 应用。

我们确实把投资者讲累了（笑），但我们是想告诉大家：“各位，我们不再只讲 PowerPoint 了。我们给你们看 AI 如何落地到公司里。”从电信领域的自主网络，到聊天机器人和客户服务方式，再到营销中的下一项最佳行动，以及 SG&A，也就是销售、一般及行政等集团职能的自动化。只有深入了解客户和流程，我们才能做到这些。所以我们没有用麦肯锡、贝恩，也没有用埃森哲这些大公司。打个比方，我们依靠自己的员工成长为能做这些事的人。顺便说，我必须先在公司里做 AI 负责人，因为我得向整个组织表明，我支持这场转型。Deutsche Telekom 的 20 万名员工中，已经有 26% 是经过培训的 AI 专家。他们不一定都是那种顶尖大脑，但他们是全职员工，知道如何把 AI 带入实际工作、了解工作流程，再据此调整智能体。我们正在培训员工掌握这些能力，而且必须在运营一线做到这一点，机房和基层团队都需要具备相应技能。

总体上，他们需要一些帮助。正如 Tim 提到的，要从 AI 获得提升，关键是彻底改变流程。管理者要重新思考工作方式，真正用 AI 构建应用，也要打造能运行这些流程的自有智能体。有些公司内部已经有这样的专长，通常科技公司能自己做到；但许多情况下，适当的启动支持确实有帮助。我们会提供不同的组件，帮助他们快速构建智能体，也会一起找出哪些流程应该升级并交给 AI 系统处理。这就是我们的合作方式。我们的客户中甚至有非常科技化的公司……

像 ASML 或 Airbus 这样的工业工程公司，更愿意和我们的团队并肩工作、持续协作。双方共同打造定制智能体和定制模型，解决非常具体的任务；之后我们会转移相关知识，让公司内部不断培养出更多专家，推动工作向前、构建自己的应用和模型。

Pascal，具体来说，你们内部用 AI 做什么，已经在省钱、省时间——时间就是金钱——或创造收入？有没有今天就在发生的实际例子？

例子很多，不过回答前，我想回应刚才谈到的内容。AI 不只是技能转移的问题，我认为所有工业都必须成为 AI 原生。AI 改变的不仅是产品本身：垂直起降飞行器、机器人出租车、人形机器人都是新的产品类别；AI 也改变了我们设计、生产和运行这些系统的方式。最终，产品不能只有一个听起来令人信服的答案，还必须符合物理定律。

没错。比如某个组件能不能独立站立？一种材料会不会按预期表现？在投入之前，这个流程能不能运转？

所以工业 AI 需要把很多要素结合起来。首先要有虚拟孪生，也就是产品和系统的数字化呈现，让人更容易在物理世界中做决定，帮助工程师探索各种可能、了解情况。工业世界模型有助于理解 AI 需要什么样的上下文；我们的虚拟伴侣则帮助科学家、工程师和项目经理把 AI 用起来。回到你的问题，所有这些最终都要扎根科学。我认为工业领域的 AI 必须以科学为基础，否则能力很快就会碰到上限。具体用例有很多：有些初创公司想迅速扩大规模，不想让招聘速度成为增长瓶颈，所以用 AI 扩张。欧洲还有许多企业面临中国竞争，需要大幅削减成本；对它们来说，不是改善 20% 就够了，许多方面都要提升 50%。另一些企业想改变业务本质，推出全新的产品类别，把 AI 融进产品、创造新东西。这些都是典型用例。归根结底，如果希望投资得到回报，用例至少应该实现十倍提升。

在制造业，要看到真正显著的投资回报，通常是把工厂管理流程自动化。比如 ASML 希望设备尽可能持续运行，因为机器停机时，公司会因服务等级协议而向客户承担高额成本。如果能预测故障何时发生，并把维护安排在与客户停机时间相协调的时段，就能节省数亿。我们已经构建了智能体，判断设备何时会故障、何时应该介入调整、怎样减少停机时间。由于服务等级协议的存在，停机减少带来的收入价值非常高，而且可以衡量，误差也很小。任何工厂的工业运营都是如此：最关键的就是停机时间；如果智能体能理解现场发生了什么，就可以减少停机。

没错。Tim，接着 Pascal 刚才的观点……

我认为 AI 不是一个工具，也不只是又一款软件；它会重新设计整个公司的运营方式。尤其像电信公司这样在全球服务 3 亿客户的企业，有大量面向大众的流程，可以用完全不同的方式自动化。这甚至会改变组织治理。举个例子：我们移动网络 90% 的流量已经由 AI 管理。自主网络能发现异常，并调整网络参数，比如天线倾角，以及修复问题的方式。软件开发也一样，我们的系统和部门生产力最高提升了 60%。此外，我们会分析客户情况，在客户打电话之前就提供最合适的优惠。

例子还有很多。它既能提升生产力——今天我们谈到服务领域可以提高 30%——也能带来新服务。我们有许多 B2B 客户，全球相关业务收入达 150 亿，但客户未必都有能力自行部署 AI，这正是我们提供帮助的地方。我们也想通过 AI 开展业务，所以现在正从基础设施业务扩展到数据中心。我们已经有 400 兆瓦的数据中心，现在又和 NVIDIA 扩大 GPU 部署。我们的想法是建设一套主权技术栈，为机密服务提供支持，让不愿把数据出口到美国或其他地方的客户，可以把数据留在德国和欧洲本地。底层是高速、安全的网络连接；上面是靠近工厂的数据中心，再上面是 NVIDIA 芯片提供算力。NVIDIA 是我们生态系统里的重要伙伴。过去几年我们一起发展这个生态系统。欧洲没有现成产品可买，所以我们采用全球最好的技术，再在上面搭建自己的云，让开发者能够使用。AI 用例必须普及、价格要可负担，小型公司和开发者才能真正用 AI 改变运营模式。我认为这就是我们推动欧洲增长的思路。

说得好。我们来个快速闪电问答，之后还能接着聊。如果模型是一种工具，你不会只拿一把锤子就盖房子或工厂。我想知道凭直觉估计，你们每家公司现在用了多少个不同模型、多少个不同智能体？如果把智能体定义成针对特定任务微调过的模型，显然不会是一个模型包办所有任务。Arthur，你觉得有多少？

我会说，模型并不等同于工具。不过，每个智能体的底层基础仍然是通用模型，需要大型推理模型，而这些通常不需要做太多微调。真正需要微调的，往往是更小的模型：它们要快速作出决策，嵌入机器人，例如理解定量数据。通常会把这些小型、经过微调的模型连接到大型模型上。

接到大模型上，是的。这样就可以开始使用多个智能体。它们可以是智能体，也可以是应用程序；一般来说，每个核心流程都会有一个智能体……

……每个核心流程都会有一个智能体。具体数量取决于你怎么定义。Mistral 内部由 AI 驱动、会运行大量 token 的应用大约有 30 个。我们为管理计算集群等任务搭建了各种定制 ERP，底层会运行许多智能体和后台流程。我们自己做的应用大概有 30 个；和客户合作时，一年大约能做 20 个。这些应用都围绕重要的核心流程，底层会运行很多智能体、应用和 token 生成。我也认同未来不会只有一个模型包办一切。

关键是为每一项具体任务组合恰当的智能。不同任务需要不同能力：语言、工程知识、物理理解、仿真以及使用工具的能力。所以我认为需要多模型架构。这也是工业世界模型的意义。开放模型，例如 NVIDIA Neotron 模型，可以彼此协作……

这是个很好的问题。我知道你们有多少个模型，不过我想……

抱歉。

让我说完，我听不清你。

还需要专业的工业世界模型，它们各有优势。你说得对，智能体正是在这里发挥作用：它们负责恰当地协调这些模型。

我们时间不多了。Tim，你们的数字是多少？

38 个？

38 个。我喜欢这个具体数字，谢谢。

算上嵌入式模型和多模态解决方案，我们公司有 38 个模型在运行。不同团队有各自的优先事项，也有传统的信息工具。不过还有两个方面要考虑。第一，要接入 SAP 系统，因此 API 也很重要。数据是整个 AI 应用的关键。第二，对很多应用来说，未来可编程网络会非常重要。想想 5G SA、5G 和 6G 为机器人等提供的服务。我们还必须支持边缘计算，这是我们正在开发的下一层技术栈。

好，38 个，到了 2030 年我只能想象这个数字还会增长。Arthur、Pascal、Tim，非常感谢各位到场，祝你们享受主题演讲。

谢谢。非常感谢。

AI 正在改变公司的能力边界，也在改变创办公司的方式。欧洲新一代企业从第一天起就围绕 AI 建立。

没关系，这是直播，你们继续，没问题。（笑）

看看这个。

现在是创办公司的最佳时机。我们已经进入有用 AI 的时代，每个行业都会改变。

没有哪一代人进入世界时拥有过如此强大的工具。他们会租用能使用这些工具的智能体。每家公司、每个企业、每个国家都会成为 AI 公司。

企业将变成智能体化企业。AI 带来的生产力提升意味着前景没有上限。

从帮助医生照护患者，到打造能从经验中学习的 AI，欧洲的 AI 原生企业正在攻克科学和商业领域一些最棘手的问题。接下来的嘉宾正在创办和投资这些公司，把雄心变成现实。

欢迎 General Catalyst 董事总经理兼总裁 Janette Juenberg、Ineffable Intelligence 创办人兼首席执行官 David Silver、Black Forest Labs 联合创办人兼首席执行官 Robin Rombach，以及 Corti 联合创办人兼首席执行官 Andreas Cleve。

各位早上好。Janette，你和 General Catalyst 参与了欧盟 AI Champions Fund，规模 1,500 亿美元。到目前为止，这笔资金做了什么？接下来会用来做什么？

这是一大笔钱。这项倡议把领先的初创公司和创新者——比如今天这桌的几位——与成熟企业聚到一起。因为我认为欧洲需要让飞轮真正转起来：AI 原生科技公司要和本地工业伙伴连接，由后者成为客户，帮助它们扩大规模并打造实体系统，这一点正变得越来越重要。政策制定者也必须参与，因此要推动公共采购，为这些公司创造需求，让它们获得大型采购合同。接着，还需要我们这样的资本帮助它们扩大规模。AI Champions 倡议就是为了推动这个飞轮。

我想说，欧洲有机会参与构建下一代全球 AI 供应链。但我们目前落后得太多，对此我很沮丧。我认为我们有很多潜力还没有发挥出来。这里确实有一些成功的公司，但还需要多得多。从三个层次来看，应用层公司从第一天起就能面向全球，这是一个巨大的机会和杠杆。比如 Legora 已经进入全球 80 个国家，为 14 万客户提供服务，并希望成为全球领军者。基础设施公司则包括 Robin、David 正在建设的公司，以及 Arthur 的公司；其中有些是我们的种子轮投资。我们正努力帮他们找到合适的合作伙伴、扩大规模。

不过，Gavin，最大的瓶颈是算力。我昨天在 Invest in Germany 峰会上说，欧洲需要在本土部署 20 吉瓦算力，帮助这些公司扩张、加速发展。资本支出和资源调度必须尽快到位。我认为德国的资产负债表能力可以帮助我们实现这一目标，为这些公司建设规模大得多的算力。算力问题稍后还会谈，但我也想问问你们三位是否有同样的挫折感。我们听到黄仁勋在巡回活动中说，欧洲拥有成为 AI 领导者所需的一切。David，你近距离见证了过去几十年一些最重大的突破，现在又在这里创业。你怎么看欧洲的初创企业生态、算力和资本约束？

我认为欧洲有绝佳机会成为 AI 领域的重要领导者。这里的人才基础非常出色，正在建设的东西也令人惊叹，但确实存在一些障碍。正如刚才所说，我们需要建设基础设施、获得算力，也需要资本。如果这些障碍能够扫除，我相信欧洲有机会做出非凡的成就。

Robin，Stable Diffusion 3.5，还有原生音频视频，计算量很大。你们如何获得所需算力？你们目前进展如何，又有什么令人兴奋的计划？

是的，这类工作非常消耗算力。作为一家公司，我们确实感受到了算力瓶颈。我们必须考虑下一阶段需要多少算力，但还要考虑再下一代模型需要什么。与此同时，我们得想办法发挥我们已经实现的惊人资本效率……

……与其他公司相比，我们一直以很少的资本实现了很高的效率。接下来要思考如何继续发挥这种效率、进一步扩张。我们过去一直很擅长这一点，但现在到了必须扩大规模的阶段。欧洲需要算力，但也需要前沿实验室真正利用算力，最终把它变成产品。这正是我们的目标。现在我们正在寻找更多算力，进入下一阶段。

Andreas，你正在一个非常令人兴奋、也非常困难的领域创业，那就是医疗。你觉得瓶颈是什么？和其他人一样是算力吗？还是监管？你怎么看在欧洲创业？

我从布鲁克林回到欧洲生活和创业，对此非常兴奋。当然，计算资源是限制因素。我们看到，一年前欧洲只有几十个团队尝试在医疗这样的关键行业打造工业级 AI；现在一年后，已有超过一万个团队在欧洲努力把 AI 应用于医疗和生命科学。我认为当前的主要战场，一方面是我们这边的算力，另一方面是在这些关键行业中，如何从单一模型的使用方式——比如仅仅记录或文档处理这种相当原始、单人使用的场景——发展到能够真正完成专家工作的多智能体系统。不能让单个模型成为唯一故障点；还需要处理合规、安全、防护机制、人类参与以及责任归属。没有控制的自动化会带来责任风险。我们需要欧洲各家公司共同学习构建完整技术栈，这正是我们非常期待参与的事情。

你提到安全。

是的，我们希望医疗领域具有高度确定性。

没错。David，我很好奇：Ineffable Intelligence 这个名字很棒，另一个核心概念是持续学习。这可以说是圣杯：AI 不只是训练一次，再通过强化学习擅长几件事，而是像 AlphaZero 系统那样不断学习。AlphaZero 并没有大量预训练。持续学习发展到哪一步了？

这就是我创办 Ineffable Intelligence 的原因。我想攻克我认为 AI 中最难的问题；如果我们解决了它，一切都会改变。

大语言模型取得的成果非常出色，但它们是以人类数据为起点训练的，基本上把我们已知的东西、整个人类互联网知识放进模型。这样做带来了非凡的成果。接下来我们需要的系统，要能超越这些知识，远远超越，并自行发现新东西。想想人类是怎样做到的：起初，我们的大脑面对真实世界，一无所知；没有蓝图，也没有一万亿条数据集躺在地上等着我们使用。我们自己摸索出来，发现了语言、科学、数学和技术。在能够打造出这样发现新知的系统之前，我们还没有完成 AI，也还没有开发出它的全部潜力。我们的目标就是构建能够发现万物的系统。

但当 AI 超越人类创造的信息时，你会不会担心其中的风险？

说实话，如今我们很依赖人类语言和人类偏好来约束系统，但已经看到这种做法的局限。能够推理、留下长篇推理轨迹的系统，我们很难弄清它们到底在做什么；它们也可能心里想一套、实际做一套。所以我们已经需要解决方案。我认为有公司从一开始就研究这些问题非常重要：我们需要系统学会在自己通过经验探索世界的情况下保持安全。如果我们能直接朝这个方向发展——从完全在模拟中构建世界、开始训练起步……

……让智能体在其中自行发现和学习。我们应该走进这个问题，真正找出答案，建立一门研究如何打造超级智能的科学，观察事情会如何发展，并解决相关问题：AI 怎样才能与同一个世界里的较低阶智能和平共处？如果我们能解决这些问题，我认为人类与 AI 就能共同繁荣，迎来安全而美好的未来。顺便说，这桌每个人说话时手势都很有表现力。（笑）我喜欢，大家都做得很好。

Janette，AI 的投资回报率是个大问题。我相信你和投资组合公司、欧盟 AI Champions 项目里的公司谈话时，都会聊到这一点。有哪些公司已经通过具体用例创造了经济价值？

我会说有几个方面。首先，在横向工作流层面，自动化各种职能都能带来效率提升，大幅改善利润率。第二个层面是欧洲特别适合发展的方向，Arthur 前面也谈到了：如何利用 AI 原生地开发产品？欧洲有许多对知识产权敏感的行业，例如 ASML 和水泥行业，我们怎样才能更好地赋能它们？现在已经出现了一些真正的早期案例，证明 AI 可以支持新产品开发。虽然现在很难衡量它的投资回报，但潜力巨大，因为它能大幅增强我们的知识产权和核心 GDP 基础。

换个角度看，我们也在国防领域推进主权 AI。比如我们的投资组合公司 Helsing 正在保护民主和价值观，很难从投资者关系角度衡量它的回报，但它已经与十个欧洲政府签订了大型框架合同，守护我们的安全。这是至关重要的应用。还有一个重要例子：如果认知能力和软件都变得充足，那么客户信任和实体供应链的建设、扩张就变得至关重要。实体供应链很快就会成为瓶颈，涉及能源基础设施、算力建设和实体系统扩张。想想要生产 10 万架无人机：这意味着 10 万个红外摄像头、10 万个马达、10 万块 GPU 芯片，等等。所以不仅要考虑生产能力，还要考虑营运资金，以及如何筹集资本来支持下一代物理 AI 系统。这些都是我们关注的领域。

最后，制造业中的物理 AI 正越来越多地落地。欧洲制造业劳动力短缺非常严重，尤其如此。近期具身机器人技术的进步，让这类系统更快部署、更容易扩展，从而显著提升整体生产力并带来很高回报。这一点确实很重要。

Robin，我想接着上一场讨论的问题问你。我们谈到企业使用许多不同模型，并针对特定用途做微调。我知道你们的模型正在进入大型企业的产品。你认为欧洲需要自己的前沿实验室吗？还是只要把技术放进其他公司的产品里就能成功？

不，我非常确信，每个人都需要前沿实验室。开发通用前沿 AI 技术显然有巨大价值。所以我的答案是肯定的。我们的目标也是朝着这种通用技术努力……

……智能层，从视觉角度看，就是训练能够处理大量视频、图像、音频，越来越多地也处理动作数据和与真实世界交互数据的模型。这些模型一方面可以驱动业务，今天已经通过内容创作创造经济价值，例如制作和剪辑视频；另一方面，它们处理视频输入、预测机器人如何与现实世界互动的能力也在不断增强。基本上，同一个模型既可以充当机器人的大脑，也能生成视频。我觉得这非常有意思，也指向模型变得更加通用的方向，最终也会涉及语言和代码。

我等不及要重拍《权力的游戏》第八季了。这是我个人学到的事。

那你得准备好很多算力。

算力会用不少。不过你说现在已经有实际案例，今天有哪些具体、能创造经济价值的用例？客户用 Black Forest Labs 做什么？

我觉得现在的亮点在于，我们已经通过内容创作开展业务。你可以用这些模型进行高端电影制作和高端内容创作。我们的模型已经部署在 Adobe Creative Suite 这样的产品里，Meta 也是我们的客户。这些就是当下创造的价值。与此同时，模型越来越通用、能力越来越强，也将打开物理 AI 等未来市场。这确实是它的魅力所在。

那我和 Gavin 什么时候会被取代？

不会的，我觉得你们俩都很棒，千万别……（笑）

好，听到了，听到了。

不过说真的，你觉得还要多久？我私下预测过很多次：什么时候视频会议里的人会分辨不出对方究竟是真人还是虚拟形象？

这不已经发生了吗？

我觉得还没到那一步。你觉得什么时候会发生？明年吗？

我也不知道。如果开会时一个虚拟形象可以同时和 20 位投资者交谈，那我都分辨不出来。

你怎么知道我们现在不是 AI？（笑）

这可太超前了，观众可能还不知道。

没错，请帮我扩展 Zoom 和 Google Meet 的通话。（笑）

我觉得背景效果已经做得很好了。不知道你们看没看过那个梗图：有人开 Zoom 的时候看起来还在滑雪。所以也许很快就会发生。Gavin，Andreas，我得承认，Robin 说人人都需要前沿模型，这让我有点意外。我原以为开源模型已经好到不一定非要处于前沿。尤其是在旧金山，大家总想在基准测试上刷到最高分；但在医疗这样的行业，你可能需要非常贴合实际工作和客户需求的模型。它必须是前沿模型吗？

可以用一个简单问题来想象 AI 在任何领域的价值。比如我在亚马逊买东西，收到自己想买的东西就满意了，不需要更多算力，对吧？但如果我们问，你愿意投入多少算力来确保孩子安全健康？那就没有上限了。

所以我认为医疗将是最消耗算力的行业。我们之所以能在医疗基准测试中胜过 Anthropic 和 OpenAI 这样的公司，不是因为模型不够先进或不够前沿，而是因为我们理解模型、运行框架、推理、延迟和访问之间的相互作用。我认为这是需要改变的关键。回应 David 刚才的观点，我们当然需要前沿技术，欧洲也需要大量前沿技术。但欧洲还必须认识到，如果关键行业无法接触最好的前沿技术，我们就会面对这样的世界：现在许多地方已经有很长的医疗候诊队伍，而且人们更难获得最新的医疗产品……

……让人们能够获得最好的扫描等技术机会。欧洲要建立怎样的社会契约？解决办法不是再多培训一些医生，那会太慢。我们需要更多前沿 AI。因此，是的，我绝对相信医疗需要前沿 AI。我们已经在做，也证明了我们能打造它。但更重要的是技术栈多个部分如何协同，以及如何在可控的情况下真正部署。

那你们公司今天具体用 AI 解决了其中哪个问题？能举一个例子吗？

我们会分配算力、训练、蒸馏和微调模型，还构建了自己的运行框架、引擎和运行时。因此，无论部署在什么环境里，我们都能控制从底层硬件到上层软件的完整技术栈。医院可能希望本地运行；也可能要求数据只留在法国、瑞士、北欧或英国。我们会在当地运行针对医疗问题高效构建、延迟更低的模型。

但这今天怎样改善患者的体验？设想你坐在诊室里，医生用某些应用记录谈话、生成转录并做摘要。可患者真正需要的是离开诊室时情况变得更好，如何做到这一点？

这需要更多算力、更多模型，让多智能体系统在事情发生时彼此提问。光有一个更大的 Anthropic 模型还不够；你还需要绝对低延迟。我们都习惯了坐在那里等 Claude 给回复。我们为医疗和关键行业打造的定制模型，平均速度比 Opus 系列快 2.5 倍，这让我们能在时间有限的情况下，即时投入更多算力。因此，患者会得到更好的服务：系统中有更多算力、更多模型、更多检查、更多合规保障，还能实时加入其他意见。

所以效率大幅提高了。Gavin，你的闪电问答给了我灵感。我想问大家一个快问快答，先从 Janette 开始：AI 会不会让欧洲拥有第一家万亿美元科技公司？谁愿意给出时间表？

如果我们把握得当，AI 会为欧洲带来一个价值数万亿美元的科技生态系统。欧洲产业覆盖面很广，各个领域都能打造很多东西。我不确定价值会集中到单一公司，但会有一批公司成长到那个规模。

我能问 Janette 一个一直困扰我的问题吗？Helsing 这个名字是吸血鬼猎人，还是狼人猎人？

不好意思？

公司的名字是照着范·海辛取的吧？

不，不是，和那个完全没关系。这个名字最初来自“Hel”，大意是能够预见、看得清楚。

重点是整套系统都构建在预测智能之上。比如怎样构建一个具有……的目标定位技术栈？

我还以为是取自别的名字。我喜欢这里的极客讨论，真是太对味了。

下一轮闪电问答你来问，还是我来？

不，大家都回答同一个问题：欧洲能不能做出来？

肯定能。AI 正在增长，已经证明有用，而且会越来越有用。我们处在 AI 时代，一切都在加速。我认为一到两年内，欧洲会出现一家万亿美元公司。希望是我们；如果是别人我也很高兴，不过……

一到两年，真不错。David？

我觉得会发生。是的。

AI 发展得很快。以前就有人说过这话，值得听听。

我希望我们所有人都能做到。

是的，这必须成为目标。欧洲必须拥有这样的公司，百分之百。

更有意思的结果其实是出现一批估值千亿美元的公司，让我们能从旧金山的大型实验室吸引人才回来。这样你们的泡沫会缩小一些，也能在欧洲长出自己的生态。

我们对泡沫的看法可能有点不同，不过我喜欢这个答案。一批千亿美元以上的公司，可能确实是更好的结果。

但我想说的是，雄心的尺度确实正在改变。如果……

NVIDIA 每个季度的市值都能增加一万亿美元。

如果把指数增长延续五年，结果会是什么样？也许我们得谈谈十万亿美元了。

证据就在这里，看看基准测试就知道。

太好了，谢谢各位。无论是一家万亿美元公司，还是十家千亿美元公司，我们先从这个目标开始。谢谢。

谢谢。

公司招聘一位新员工，不会第一天就把所有钥匙都交给他。员工能访问什么、可以做什么，都有规则和限制。当 AI 加入劳动力队伍时，同样需要这些规则。请看。

AI 安全至关重要，没有什么比它更重要。让 AI 安全是科技行业的责任。要让 AI 更快发展，也必须确保它安全。我们应该把智能体放在受控的容器中运行，并进行监控。必须确保这项技术以安全的方式构建。

人们开放协作，安全性就会提高。安全与保障需要全栈工程。安全地推进，制定审慎的政策，让 AI 广泛普及。这是网络安全新时代的开端。

AI 能做的事情越多，把安全做对就越重要。如何让人保持控制？如何保护专有信息，并用 AI 加强防御？接下来的嘉宾正在开放模型、企业软件和网络安全领域应对这些挑战。

欢迎来到 GTC 主题演讲前特别节目。Hugging Face 联合创办人兼首席科学家 Thomas Wolf，早上好，感谢你到场。还有 CrowdStrike 首席 AI 与自主系统官 Bartley Richardson，早上好。

早上好，谢谢。

最后一位是 Red Hat 全球工程高级副总裁兼首席技术官 Chris Wright。各位，这场讨论非常重要。很多人告诉我，他们最期待这一场，因为 Gavin 一开场就说想谈安全。这个议题已经从小众话题变成了餐桌上的日常讨论。Thomas，我先问你。Hugging Face 现在全球闻名，今年也处在一场重大 AI 新闻的中心。那件事让你认识到什么，是安全基准测试没能告诉你的？

首先，我们和全世界一样，意识到这已经是个重要议题。模型的能力达到了某种程度，可能六个月前还做不到。我们首先认识到，必须认真对待这件事。因此我们开始组建对齐、安全和网络安全团队，努力了解发生了什么。一个问题是，如何把实验室针对闭源模型开始思考的做法，也用于开源模型？我们怎样建立监控技术栈和防护机制，例如 OpenShell 这类工具，让人能够监督模型正在进行的活动？

我们觉得有意思的一点是，可以把它视为工程问题。网络安全的历史就是：攻击者手段变强，防御手段也随之变强。从上世纪 90 年代的杀毒软件开始，后来不断升级，现在只是进入了下一阶段。这是一项工程挑战，我认为我们能够应对，也很期待着手解决。

很好。Bartley，你从 NVIDIA 加入 CrowdStrike。我记得黄仁勋发布了一篇博客，宣布开放智能体安全框架。说对了吗？Thomas，这事你至少应该知道。我觉得那篇文章写得很好。就像互联网早期，大家担心把信用卡信息交给互联网，但我们通过工程解决了这些问题。那么，AI……

……改变网络防御？从你的角度看，我们离让 AI 像今天的互联网一样安全还有多远？

这是个好问题。我喜欢你把它说成工程问题、工程挑战，也是工程机遇。我们常听到 AI 的各种可怕之处，但在 CrowdStrike 看来，每项 AI 能力也都可以成为防御者的能力。要用机器速度应对，就需要机器速度。我们这些凡人无法及时应对这种攻击。我们衡量一项叫“横向突破时间”的指标，也就是攻击者从开始行动到完成目标的时间，例如侵入系统并窃取数据。过去以月计算，后来是周、天、小时、分钟；去年我们测到的最快突破时间是 27 秒。

太惊人了。

现在突破时间已经归零。CrowdStrike 首席执行官 George Kurtz 今年在 Falcon 活动上宣布，突破时间的终结就是零。突破时间为零，也就意味着我们没有响应时间。要回答你的问题，我们必须运用所有不同模型、运行框架和技术——无论小型、中型还是大型——部署到智能体所在的终端，并训练它们做出良好决策，再把这些能力推广到整个企业环境。我认为我们在这方面进展很大。你提到的开放联盟，以及整个网络安全社区都在共同努力，不只是传统厂商，像 Hugging Face 和前沿实验室也加入进来。我认为我们正在接近目标，努力解决智能体安全和防护问题。通过更多建模、运行框架和更好的模型决策，我们能做到。

这是全行业共同努力。你们让我安心一点，听起来这是工程问题，而且你们正在提前应对，进展很快。

我们做到了。

你说到了我正要问的。Chris，现在宣布胜利还太早，对吧？这就像打地鼠：模型越来越好，开源模型也越来越强。什么让你夜不能寐？

我们正在从过去的经验中学习。我们知道应用安全需要纵深防御，要把这些经验带进 AI 新时代。我们遇到过各种网络攻击，也学会了如何构建合适的防御机制。让我夜不能寐的是，技术进展速度已经远远超过一般企业。我们怎样让这些东西更易用、更易部署，并做好纵深防御？这就是我们开发 OpenShell 的原因，把它作为底层基础设施来限制智能体的活动范围。我们必须非常认真、审慎地设置防护措施，并在不同层级实施安全机制，一直到硬件层。你提到的框架还能把一部分监督任务卸载给硬件。我们要构建一套强大的防御措施，以应对零秒突破。让我担心的是，我们能多快在整个行业部署这些措施。

我认为这是一种很好的演进。大家讨论了应用安全、员工安全，也讨论了很多 AI 对齐问题。那种思路就像是：我们要把员工训练得一直善良、有德行、永远不做坏事。这很重要，我们也希望做到，让人类和模型都保持对齐。但我们也希望能把……

……我们要用工程方法把系统限制起来，因为总会有人怀着恶意，AI 也会遇到同样的问题。Jensen 跟我说过一句话，我一直记着：“面对 Mythos 这样的东西，不能只用一个模型防御，要用一组模型。每个模型可能在不同领域有自己突出的长处。”既然我们正在直播，不如就把 Hugging Face 受到广泛讨论的那件事讲清楚：你们是怎么发现并解决问题的？

这件事我们最近在新闻里谈了很多。最初我们在保护自己时发现，传统工具派不上用场。那时我们的基础设施主要建立在 Cloud Code 上，于是我们去问 Opus——当时应该是 Opus 4.5——能不能帮忙。我们把日志都交给它，它说看起来是网络安全事件，不会帮我们处理。我们只好回退到备用方案，可备用方案也崩溃了。传统工具组成的整套技术栈都失效了。最后，我们只能在 Hub 上启用一个开源模型来绕过问题、解决故障。我们选了当时能找到的最佳模型，是 NVIDIA 对 GLM 5.2 的微调或量化版本。它成功处理了日志。这说明防御需要多层机制，不能指望一个银弹解决所有故障。

完全正确。系统失效时，你就会毫无防备。技术进展太快了，你不可能申请加入网络安全项目，然后等一周审批；事情可能在 27 秒、几分钟或几小时内发生，所以必须快速响应。我认为不同模型会各自擅长一些任务。开源模型的优势是可以微调，让它们在某些方面非常突出，同时速度很快。你不必像使用大模型那样，在“非常聪明但速度慢、成本高、体量大”与“很快但能力较弱”之间取舍。开源模型可以兼具速度和特定长处，再针对不同场景微调。大家也要明白，网络安全是一整个领域，有渗透测试、白盒分析、漏洞发现等许多任务，每一类可能都需要不同防御系统。我很认同黄仁勋的看法：最终会形成一整个网络安全工具生态，其中很多工具由针对具体用途改造的 AI 模型驱动。

你提到 DM52——我想这是这一小时里第二次提到中国模型。我们一直在聊开放模型生态，今年它在能力和采用方面进步很大。Bartley，特别是来自中国的开放权重模型，有什么常见误解？

我完全赞同前面的共识：这不是二选一，而是两者并行。网络安全公司常见的一种误解是：“这些模型太危险，不能用，应该远离。”但看看对手在做什么，从一开始他们就会用尽所有工具、所有技术和所有手段……

……攻击者会使用能帮助他们完成任务的各种手段。信不信由你，攻击活动背后仍然是真人，他们想窃取财务信息或其他信息，因此会使用模型、调用免费可用的开放模型。一种误解是，这些模型很危险、没有正当用途。事实上，我们和许多网络安全公司都在使用它们，因为我们必须了解它们的能力，也要知道把它们用于进攻性任务时会如何行动。

另一个误解是低估网络安全领域的广度和深度。我们不需要一个既是优秀渗透测试员、又是 AI 安全专家、还能告诉我世界上最好的纸杯蛋糕配方的模型。当然，如果它能顺便做这些也不错，但并非必需。使用开放权重或开源模型，比如 Neotron 系列，我们可以针对准确率、效能和 token 经济性高度优化，让客户成本更低。网络安全供应商有很多正当用途，可以围绕多种任务优化模型。

Chris，Red Hat 有没有一款产品能让企业更轻松、更安全地使用 AI？现在最好的产品是什么？

正如 Bartley 提到 token 经济性，我们和 NVIDIA 提供 Red Hat AI Factory。这是一套软件栈，可实现高吞吐量、低延迟、高性能并且成本可控的推理服务。它支持开放权重模型和微调，然后在企业规模交付，让你自行管理 token 成本。你不只是 token 的消费者，也可以成为 token 经济中的生产者。这很重要，因为它带来主动权和选择权：你可以挑选最合适的模型，针对特定领域微调。一个智能体用例可能涉及很多任务，但沿途的每一步都有非常具体的工作，不需要一个“统治一切”的模型承担每个任务，那样成本可能很高。我们要在规模化推理的每一层建立防御边界，实现纵深防御。

为每家企业提供安全、主权 AI 和专业智能。接下来我想听听大家的看法。在美国，我们看到个人智能体迅速兴起，你们自己会用吗？像 Muse、Instinct、Grok bots 这些工具会不会增加风险？网络安全领域一直说，最终总是人犯错——有人把东西带进工作场所，或者点了链接。随着消费者开始使用智能体，你们会不会担心新风险？

当然担心。我们已经习惯了在社交媒体上交出大量个人数据，但这又进了一步：我们把行动权交给身边的智能体。你到底给了自己的智能体多少访问权限？

我觉得我必须试试这些工具，所以我算是比较早……

我很早就试过 Poke，大概是一年前。最近我尽可能多地尝试这些工具，但我也有自己的个人技术栈。我把很多非常私人的东西放在自己管理的 VPS 上运行。我希望每个人都能有这样的个人空间，并真正掌握控制权。我把个人数据都放在那里，可以决定让哪种 AI 访问这些数据。我觉得目前还没有达到这种控制水平。易用性与控制力之间会有张力。比如 Muse 面向不懂技术的人，产品也必须让他们明白自己授予了什么访问权限，并感到自己能够控制。AI 领域一个很大的问题，几乎是哲学问题，就是我们想保留多少控制权，又愿意让人们交出多少控制权。我认为还没有答案。各种参与者都在尝试不同方式，包括 Instinct、Grokbot 等等，但还没有找到最终方案。

不过这和把信用卡交给别人不是一回事吗？你可能会觉得有点奇怪；也许交给伴侣就没问题，但总归会有点不自在。

Bartley，你觉得真的没区别吗？还是说这次有所不同？我想反驳一下刚才的类比。我曾经跟丈夫说：“这太棒了，什么都能替我做，你也该试试。”他却说：“不了，谢谢。这就像 2000 年代早期的 Facebook，我们会把所有数据和照片交出去，然后接下来十年想办法把它们要回来。”我当时在旧金山，觉得这个视角很有意思。我不知道这次是不是完全不同，只是处理方式很不一样。我们经常谈智能体，有人说把它们当人看，也有人说把它们当非人类身份，比如服务密钥。我认为两种说法都不准确：它们不是人，没有人的道德感；它们也不是服务密钥。我从没见过服务密钥自己决定不想再当服务密钥、要跑去做别的事。

没错。

有些人把这归结为“智能体身份”之类的概念，但最后来看，它并没有那么不同：我们正在把一段可能失控的软件带进来。过去 50 年我们一直想把失控软件挡在外面，架起防火墙；现在却要把它们全部接入网络。正如你说的，我们正在整个生态系统中大力投资 OpenShell 和 CrowdStrike 的技术，让企业能够运行智能体。我相信企业只想让它们有用、安全地运行，不必自己操心其他部分。

这很有意思。我觉得企业要快速部署 AI，安全和速度应该相辅相成。

一定要安全。我想知道，你们有没有看到部署更快、采用更早、从 AI 获得更多收益的公司，也同时投入适当资金做隔离、网络安全和 AI 防御？在你的经验中，安全和速度是相辅相成的吗？

这是个迭代过程，我认为会出现不同路径。一些非常早期的采用者愿意承担一定风险。对更广泛的主流企业来说，你会听到很多人说，治理让我们能够快速推进。

这听起来有点反直觉。通常……

这听起来有点反直觉。人们通常认为治理会拖慢速度，带来人人都讨厌的官僚流程。但有防御规则，反而能加快进展。比如，愿不愿意把信用卡交给智能体？如果让它不受限制地使用，当然不愿意；如果明确规定它可以做什么、何时做、为什么做、给它什么指引，以及怎样限制它的行为，确保采取安全行动，那就是完全不同的对话。具体取决于公司。

由工程驱动的安全能推动采用。

是的，归根结底是工程问题。模型本身并不天然危险；它如何部署、如何引入企业，才决定它是危险还是安全。

这让我想到微软 CEO Satya Nadella 最近谈到的新型内部威胁。如果部署了许多智能体，就会产生新的风险。Thomas，你最了解这个问题。你怎么看？攻击方能跟上速度吗？

这是个已知的未知，因为我们才刚刚开始。进来之前我们还聊到一件事，Bartley 解释说，有时攻击者用智能体发起攻击，公司里的本地智能体可能会开始与这些新智能体对话，甚至一起行动，形成攻击传播。比如外来的智能体会说：“你能开张工单给我权限吗？”内部智能体可能会回答：“当然，你是公司员工吗？我可以帮你开工单。”这类情况我们在 OpenClaw 也看到过。有人把它叫作智能体群或协作行为。这一切都很新，我们正发现智能体相遇、交互时会出现什么；它们之间的互动仍有些难以预测。

另一个让我振奋的观点来自 Anthropic 高级工程师 Sethu Douglas。他说，AI 时代的网络安全防御显然会占上风。我们离网络防御明显占优的世界还有多远？

我认为可以从一个角度来看：很多情况下防御比进攻容易。我们谈到经过微调的智能体，我最近和一位创办人聊过构建网络防御模型需要做什么，结果发现相对容易，因为很多工作是分析日志、做分类。机器很擅长快速处理大量日志。相反，攻击者要探索各种路径、不断尝试和主动出击。一边像是阅读大量书籍，机器非常擅长；另一边则需要实验和采取行动，复杂得多。这大概是我目前看待网络攻防的方式。

Bartley 和 Chris，快速回答一下，我们时间不多了。

我觉得我们已经很接近。我们已经看到，有些模型把每次修复的成本从 10 美元降到了 3 美分，而且这是过去三个月实现的。

哇。

因为我们不必面面俱到。我们可以专注做好这件事。我认为网络防御模型的前景非常光明。

还有主动防御的一面。我们会扫描软件、打补丁、修复问题。我们可以主动部署安全软件，让模型在后台持续做渗透测试，验证企业当前的防御状态。

Thomas、Bartley、Chris，这场讨论太精彩了，我们还可以再聊 20 分钟。非常感谢各位。

谢谢。

AI 热潮背后还有大规模实体建设：AI 工厂、芯片、能源，以及数十亿美元投资。欧洲希望在这场建设中发挥更大作用。过去一小时我们一直在聊这个问题，但究竟需要什么？请看。

人工智能将成为基础设施。

客户想建造 AI 工厂。这是人类历史上规模最大的基础设施建设。你必须掌握自己的基础设施。它不再只是把计算机当作工厂，而是算力等于收入。

我也确信，算力等于 GDP。你生成 token 并销售它们，这就是 AI 时代的经济逻辑。AI 时代，智能 token 是新的货币，而 AI 工厂是生产它们的基础设施。

今天来讨论欧洲 AI 工厂的设计、运营和融资，需要做些什么的嘉宾有 Nebius 的 Katie Velage、Schneider 副总裁 Frederic Godl，以及 Brookfield AI 负责人 Sika Rasheed。欢迎各位，非常令人期待。

Arkady，你上次财报电话会上分享了客户愿意支付的每瓦价格，以及愿意预付款的金额等惊人数据。GPU 融资和基础设施建设一直是公开市场上的热门话题。昨晚 SpaceX 也发布了一些说法。我想很多人以为经历了每瓦 50 美元的交易后，价格会下降，但 SpaceX 说价格反而上涨了。你能给我们一个最新情况吗？

是的，价格还在，需求也还在。这其实是市场最主要的现象。我们面临很多挑战：如何融资、如何建设、如何筹措资金、芯片从哪里来。但最重要的是，只要需求存在，其他事情就不是问题，而是任务。我们把生活中的事情分为问题和任务：问题是长期存在、无法改变的事；任务则可以处理。如果没有需求，那才是问题。需求就在这里，所以我们的市场没有问题，其他都是我们知道怎么处理的任务。

问题在于供给不足。

是的。

黄仁勋也一直这么说，不断强调需求有多强。我们受到供给限制。过去几周你们经历了市场波动，像坐过山车一样，但你决定继续做下去，甚至转向现货价格。能谈谈这个决定吗？是什么让你有信心这么做？

首先，有两件事大家都确信。第一，AI 会很重要。AI 无处不在、处处创造价值。第二，通往 AI 顶峰的道路会很颠簸，波动很多。所以关键是怎样让公司能够承受波动。我们正在为此建设公司，资产负债表也是按这个目标设计的。定价是帮助我们应对这些起伏的组成部分之一。价格应该由市场决定，在供需……

……供需还没有平衡，所以需要引入类似拍卖的机制。我们过去在互联网广告、出租车和配送市场都见过这种机制，供需通过某种方式匹配。我认为基础设施市场也需要自动化的供需平衡机制，并围绕它建设整个系统。我们刚刚推出了这样的机制，先从一个小领域开始，也就是可中断容量：这类容量很容易获取，也很容易退还。我们昨天上线，已经有了最初的市场反应，价格上涨了。

这说明需求确实存在。Frederic，需求可以很旺盛，我们也都想建设，但正如节目里谈到的，还有实体限制，比如电力。你认为电网现在决定了 AI 的发展速度吗？

电力确实是限制之一。不过回到你之前的问题，我们才刚刚开始大规模使用 AI。以电网为例，我们知道它可以优化，而目前还没有优化。一天中有用电量很高的峰值时段，也有用电较低、或者可再生能源供应充足的谷值时段。我们知道，借助 AI 可以优化这条曲线，让更多电力变得可用。这是一个 AI 可以大规模应用的领域。获取电力确实需要时间，但有多种办法能加快可用电力的增长。欧洲的优势是仍有一些电力充足的地区，可以在那里建设 AI 基础设施。

有意思。很多人谈欧洲去工业化，但好处是有闲置电力可用于 AI。正如 AI 帮助美国再工业化，如果这里也有一些富余产能，AI 可能在欧洲发挥同样作用。

完全正确。以 Schneider Electric 为例，我们提供基础设施，并把这些设施连接起来，让管理更加高效。每次建设 AI 基础设施都会创造就业、培养技能。我们有一个密集项目，培训人们掌握电气化相关能力。AI 要用电，但未来所有新技术也都会用更多电：电动车、机器人，以及你们稍后会谈到的其他技术。通过建设 AI 基础设施，我们也在培养未来所需的专业能力，这极为重要。

最后举个例子：如今 AI 数据中心正转向 800 伏直流电，而直流电也是电动车等未来技术会用到的技术。因此，这是为欧洲未来做好准备的正确方向。建设 AI 基础设施不仅能惠及民众和经济，还能让劳动力为未来做好准备。

我想补充 Frederic 刚才的话。AI 对欧洲再合适不过了，原因包括 Frederic 提到的那些。但过去 20 年左右，欧洲还有两个大问题。第一是……

……生产力下降，第二是人口增长。因此从理论上说，中长期来看，AI 技术本身可以解决整个欧洲大陆的这两个问题。

我想你至少是台上第二位管理千亿美元以上基金的人，这很惊人。恭喜，这个数字真不小。

确实不小。

Arkady 谈到基础设施建设的融资成本和 AI 投资回报，这最近一直受到质疑。我觉得高融资成本的解药，就是高 GPU 租赁价格。资本主义和市场很棒的一点就是能提供解药。能谈谈融资吗？你们怎样配置这千亿美元基金，现场看到了什么？

首先感谢邀请，这是我一年中最喜欢的活动之一。现场气氛太棒了（笑），我得感谢黄仁勋和 Nico。但说正事，算力成本还在下降。这是杰文斯悖论发挥作用的前提：token 成本下降后，技术采用应该呈指数增长。另一个比喻是，电力推动了工业革命，而 AI 将推动智能革命。

我想把它和电力基础设施对比。电力基础设施作为资产类别已经存在几十年，具有生产力、耐久性和可替代性，因此我们能够以合适的资本成本融资。算力也会如此。谈杰文斯悖论时，我们要把概念说准确。Silicon Data Trades（据字幕转写）有一项 token 指数，综合了价格和产品组合。它显示 token 价格下降，使用的 token 也转向更便宜的类型；但租一小时 GPU 的价格却直线上升。这是因为同一 GPU 小时能产出更多、更有用的 token，GPU 小时本身就更有价值。因此，虽然 token 价格下跌，客户支付给 GPU 云公司的租赁价格却在快速上升。你们上次财报电话会上已经涨价多少次了？

没人记数。

哈哈，现在没人数了。我们拍卖每 12 分钟涨一次价。

不过价格不总是上涨，有时也会下跌。

我们要把概念说清楚：token 价格下降、转向更便宜的 token，并不代表从 Arkady 那里租 GPU 的价格会下降。

因为需求还在。我们必须满足需求。需求越高，token 价格越低，需求增长越快……

但容量无法这么快增长。

所以才会有这些瓶颈。不过再说一次，这些都是可处理的任务。

我知道你说的是哪张图，两条线一条往下、一条往上。Sika，需求确实可能迅速增长，新技术也会出现，但我们控制不了宏观环境和利率。你们最近怎么考虑这些因素？

中东局势会让能源价格在一段时间内维持高位，进而影响短期利率；更准确地说，先影响通胀，再影响短期利率。但电力、数据中心和算力都是中长期资产。投资时通常关注我刚才提到的三点：资产的耐久性、可替代性和生产力，这些因素并没有真正改变。

……你怎么看这些中长期资产的融资和融资成本？Frederic，我觉得这里有一点很重要，尤其是在环保意识很强的欧洲：我们重建电网、增加发电能力时，正在采用更新、更现代、更环保的发电技术。能谈谈吗？很多 AI 相关变化，比如 800 伏直流电，其实对环境很有益。

是的。正如我说的，所有新技术都会消耗更多电力。一个关键信息是，欧洲和世界各国都需要加强电力基础设施。发电结构正转向更多可再生能源和绿色技术，中期可能也会增加核能。当稳定电源和可再生能源结合起来，电力就会更加绿色。我特别想强调，AI 能大幅提升电网效率。我们刚才谈到，中东局势带来了短期危机；但从中期来看，我们完全相信 AI 能优化电价，因为它可以削减用电高峰，而高峰时段的发电成本最高。通过削峰，例如帮助房主更好管理用电，就能让全天电价更加平稳。

还有电池。AI 工厂需要电池储能；有了电池可以储存电力，降低消费者电价，让用电更环保。借助 AI，你可以调整用电时间。

是的，当然。

对个人用户尤其如此；工业企业或数据中心有持续的基础负载，但个人用户可以调整用电时间。当然，没人想每天站在配电箱前手动开关设备。AI 可以以可负担的成本替你完成这些，让你受益于更低的电价。

不好意思，你继续。

一些国家已经在实施灵活电价。我相信未来个人和企业会有更多机会节省能源账单。这是一个例子。第二个例子是我们所谓的“智能化连接”：把实体资产与数字世界连接起来，帮助许多企业更充分地利用基础设施。

你说的这些创新，有些已经在发生，有些会在未来实现。但我们现在仍然缺电。我想问，重大突破能不能足够快地出现，以满足大家谈到的需求？

这是个非常重要的问题。我认为 AI 有几类风险。第一是技术本身：模型还会不会继续进步？答案是会，它们仍在变好。第二是企业采用会不会停滞？目前我们才刚刚开始用聊天机器人，表面之下还有巨大的 AI 应用空间，物理 AI 也还在前方。最后一项正是你提到的电力：基础设施能不能跟上前两项趋势？我相信可以。短期可能有些波折，但从中长期看一定能跟上。看看美国就知道……

……我认为这对欧洲未来几个月乃至几年都很重要。仅美国的 AI 基础设施就需要 100 吉瓦电力，而电网只能提供 30 吉瓦。一个简单办法是在电表后方部署电源，也就是把计算中心建到电源附近。Brookfield 和 Bloom Energy 已宣布建立 250 亿美元合作伙伴关系，之后可能还会扩大，以解决这个问题。无论是燃料电池还是其他发电方式，我相信这些技术最终都会填补美国和欧洲的缺口。

Arkady，笼统来说，建设一座新的 AI 工厂——以前叫“Neocloud”，我更喜欢 AI 工厂这个说法——大概有两种模式。一种是找到场地和电力，再让客户签长期采购合同。

对，然后拿合同及其保障去借钱。

再买 GPU。这种方式给执行系统的压力并不大。你们的模式有些不同，也许更健康，能谈谈吗？

我们是一家全栈云服务商，想成为全球最大的 AI 云之一，目前应该已经是欧洲最大的。所谓云，是指我们从土地、电力、外壳，到机架、集装箱、软件栈、推理服务、智能体，整套系统都自己建设。我们是面向多租户的全栈云。

检验标准是：新开放权重模型发布的第一天，你们是不是就能成为首发合作伙伴？你们已经为越来越多这样的模型担任首发伙伴了。

是的，在我们的 token 工厂里，所有开放模型通常都是我们第一天就提供的模型。我们直接从自己的工厂向企业和终端客户提供模型。

太好了。顺便问一下，第一场 GPU 拍卖结果如何？我在 X 上看到一些内容，价格看起来不错。

参与者越多，拍卖对我们越有利。我建议大家去看看价格。我开场前刚查过，某些区域的一些 GPU 价格仍然很低。H100 可以找到每小时 79 美分的价格，这是我们的基础价；我们设置了价格上下限。有些 GPU 已经到达上限、售罄了，但仍有空位，欢迎去试试。

这些算力交易对 GTC 上很多人应该都很有吸引力。最后我想问大家一个快问快答。我们谈了很多限制因素，却没谈监管。在美国，随着中期选举临近，这也是个瓶颈。Arkady，你觉得监管问题会改善还是恶化？

关于 AI 监管和安全，AI 到底安全不安全？在被证明相反之前，我会说 AI 是一种工具。

工具也可能危险。电力在 100 年前很危险，可能造成过许多人死亡；现在电力无处不在，却成了最安全的技术之一。汽车也一样，虽然有危险。

我们不把它看成问题，而是任务。如果有什么东西危险，就有很多……

……工程师可以通过工程办法绕开限制、解决问题。这才是我们应该关注的。

再说一次，在我看来这不是生存级威胁。

Frederic，欧洲建设数据中心或 AI 工厂的审批环境和社会态度如何？

我先说一个简单的数据：十年前，欧洲拥有全球 25% 的算力；如今只有 15%。欧洲在一种我们已经解释过对未来极其重要的技术上，失去了 10 个百分点。算力可以支持数字孪生、提升效率、更好地管理电网。因此我们必须醒过来，确保法规支持投资趋势，让欧洲获得应有的算力份额。

监管确实越来越严格。不过欧洲需要本地化、主权算力，整个大陆都需要它来提高生产力。我们预计短期到中期内，政府会继续支持这一点，否则算力会转移到别处。无论如何都会找到办法。

太好了。非常感谢各位，今天聊得很精彩。希望大家踊跃参与拍卖。

是的（笑）。高价格是高融资利率的解药。

AI 已经改变了写作、搜索和创作方式。现在它正在改变建造、移动，甚至治愈疾病的方式。请看。

机器人技术是世代难逢的机会。这些制造工厂本质上会变成巨型机器人。我们预先仿真所有东西，电子设备也全部整合，再构建成数字孪生。

自动驾驶汽车的 ChatGPT 时刻已经到来。

你们都将受益于加速计算和人工智能，工作规模可以达到过去的 100 倍、1,000 倍。

物理 AI 已经到来。每家工业公司都会成为机器人公司。

在欧洲，AI 已经开始掌舵。从汽车、工厂车间到医疗保健，欧洲一些大型公司正努力实现这一目标。今天的嘉宾有 Humanoid 创办人兼首席执行官 Ardum Sokalof；西门子医疗的 Arthur Kindle；Agile Robots 创办人兼首席执行官 Mr. Ja Pangchen；以及 Mercedes-Benz 首席执行官 Ola Källenius。先生们，欢迎。今天最后一场讨论即将开始，黄仁勋正准备登台。

Ardum，先介绍一下你们的进展。你们签署了把人形机器人部署到工厂的协议。当客户不再看演示，而是开始看生产数据、要求看到投资回报时，情况会有什么变化？顺便说，你的山羊胡太棒了。

谢谢。

Gavin 也会留胡子了。

我们看到很多很酷的演示，但真正的较量要从实际部署开始。明年我们会做决定，12 月会在德国与 Schaeffler 开始首次部署。我们需要让机器人每天完全自主运行 16 小时，并达到人类的工作速度。我们发现这非常有挑战性，但……

……我们相信现在正是开始真正部署、在真实设施和环境里运行的时机。客户想看到怎样的回报？他们希望投资回收期不到两年。我们的机器人每小时成本不到同等人工成本的一半，因此回收期不到一年。

太好了。Arthur，我很期待和你聊这个。Ardum 刚说机器人成本会比人工低 50%。你所在的医疗影像领域有个很有意思的现象：一些著名 AI 研究人员曾预测，大约到现在，放射科医生就会消失，因为 AI 读片会比人类更好。可相反的事情发生了，编程领域也是如此。为什么“AI 会灾难性地影响就业”这样的预测到目前为止在你的行业里完全错了？我想现在放射科医生比过去更多。

是的，你说得完全对。做出这个预测的人甚至拿过诺贝尔奖，但在这个领域他错了。AI 在医疗各个方面都发挥着关键作用。我们是 Siemens Healthineers，专注于所谓的非传染性疾病，约占全球死亡人数的 75%，包括神经退行性疾病、心血管疾病、中风，以及我所在领域的癌症照护。我们的做法是先了解患者，再根据这种了解制定合适的精准治疗方案。在整个患者路径中，AI 的作用越来越重要：它帮助我们从已发生的事情中学习，也帮助我们预测未来；它能自动化、优化并协调工作流程，但不会移除人的视角，反而帮助医护人员专注于医疗中真正重要的事情——患者。

Jaopang，你经营 Agile Robots，包括机械臂和人形机器人。我一直很关注一个讨论：可能两者都会存在，但人形机器人和专用机器相比，到底怎样？为什么你们大力押注人形机器人？它在哪些方面胜过专用机器？

实际上，我们研究人形机器人很久了。七到十年前，我们先从机械臂和其他机器人系统入手，是因为当时行业还没准备好，尽管技术已经成熟。我们需要说服客户接受合适的机器人形态。因此，我们把人的能力融进手臂、手、传感系统、软件助手等形式，重新设计成客户愿意接受的样子，而且相当成功。如今基础模型等技术取得突破，我们认为是时候把模型、身体、也就是大脑和身体，以及应用整合在一起。所以现在我们重新把软件和硬件结合起来推向市场。我们一直在做同一个方向的工作，只是阶段不同。

能不能解释一下，为什么人形机器人在某些用例中可能比专用机器更好？为什么需要人的形态？

以我的观点，有两个原因。第一，这个世界是人类为人类建造的。你正在用的复印机、我们坐着的桌子，都是为人设计的。所以我认为在相当长一段时间里，人形仍会占主导。不过与此同时，我觉得特定用途的系统也会继续有用，因为……

……比如清理泳池，显然不需要人形机器人，可能只要安装一台专用机器。所以在不久的将来，专用机器在工厂里会很重要。与此同时，模型训练也很重要，因为目前最大的数据集仍然来自人类动作：手指动作、手部动作、身体动作。这是我认为人形形态会很重要的两个原因。

我还想说，你胆子很大。我想你是第一位穿皮夹克来参加 GTC 主题演讲前节目的嘉宾。皮夹克一般是黄仁勋的专属，但我喜欢你的大胆。

说到机器人，Ola，一辆自动驾驶汽车其实就是装着轮子的复杂机器人。我可能记错了，但我觉得美国每年有 5 万起致命车祸，全球每年大约 100 万起。也许数字有偏差，但无论如何，这是拯救生命的真实机会。你们正在使用 Alpamayo，我想你们是最早使用这个自动驾驶平台的公司。能谈谈 Alpamayo、Mercedes-Benz 如何使用它，以及什么时候能实现只有选择开车取乐的人才会在车祸中丧生——比如在赛车道上的世界吗？现在离那有多远？Alpamayo 进展如何？

我不敢再带一件皮夹克来，但至少把自己的夹克带来了。（笑）

你说的美国数字是 5 万起。实际上，如果看全球，每年有 100 万……

5 万，好。

……请把全球数字改成 100 万。

好，100 万。

为什么这不是头条新闻？全球每年约有 100 万人死于交通事故，而每一起都是由人为失误造成的个人悲剧。如今我们即将部署一项技术，最终能把这个数字降到零。

我们与 NVIDIA 合作已经五年了。本周在德国宣布了一项重大消息：我们将在圣诞节前把点到点导航级别的 L2+ 自动驾驶带到德国市场，然后扩展到欧洲。今年早些时候，我们已经在美国启动了这项服务。如果装在车轮上的智能机器人，也就是车轮上的思考机器，知道周围发生什么、做出正确判断，并能与其他机器沟通，街道就会更安全。这是这项技术的一大好处。

另一份巨大礼物是，一旦达到完全自动驾驶——这就是我们正在走的路——人们就能重新获得时间。全世界许多人每天花一小时、一小时半，甚至两小时以上专注开车。如果计算机和软件接管了这项任务，你就可以把那些时间用在自己想做的事情上。自动驾驶时代刚刚开始，它会带来很多好处。

所以每年能挽救 100 万条生命，还能把数十亿小时的空闲时间还给大家。我很好奇，你们为什么选择 Alpamayo？是什么促成了这个决定？

我们和 NVIDIA 的合作由来已久。过去 10 年、12 年、13 年、14 年，我们在 Mercedes 做了很多不同的技术项目，大约五六年前，我和黄仁勋坐下来讨论：“我们要不要全力合作？”一家领先科技公司和一家领先汽车公司，我们一直在研究驾驶辅助系统。实际上我们是驾驶辅助系统的早期发明者，早在 20 世纪 80 年代就做过自动驾驶项目，信不信由你。

……我们决定建立战略合作伙伴关系，一起把这件事做成。五年后，我们已经走到今天，项目即将实现。关键是选对技术伙伴。黄仁勋是一股强大的力量，是一位能够把愿景付诸行动的人。我认为我们对未来有共同看法，并把两支世界一流的技术团队结合起来解决这个任务。

太棒了。我住在旧金山，那里是机器人出租车的天下，对相关数据很熟悉。它们当然更安全，但仍有人抵触，尤其是没坐过的人。我认识一些人，甚至不愿意上车。Ardum，你觉得人们的抵触有多大？当他们重新获得效率和安全时，这种抵触会不会消失？还是说风险很高，担心工厂事故造成挫折？你怎么看？

我们不只是为了效率和生产力而工作，也希望消除石油天然气、能源和采矿等行业中的危险工作。那里有很多人伤亡或遭遇事故。

是，事故。

对。我们认为这是最好的应用场景之一。另外，我们看到大约有 1,000 万个岗位空缺，劳动力短缺非常严重，我们希望填补这个缺口。

真令人难过。有人知道每年有多少人死于工业事故吗？人形机器人也许能把这个数字降到零。

太好了。有人能马上说出数字吗？

数万人。

数万人。也许不是一百万，但仍是数万条生命，而每条生命都很宝贵。说到机器人，各位机器人领域的朋友，我什么时候能在家里拥有一台人形机器人？给我一个大概时间范围吧。

最早和最晚吗？我很乐观，希望自己买得起。

这当然取决于你的风险承受能力。我想现在已经可以……

他已经把所有信息都交给自己的智能体了，所以肯定是第一批采用者。

说真的，我有个 237 天大的女儿。我希望机器人足够安全。等她还这么小的时候，我什么时候能在家里拥有一台人形机器人？

我估计三到五年。

三到五年。Jaopang，你怎么看？

我们团队的看法是一致的：三到五年。

哇。

其实我慕尼黑的家里已经摆满了机器人。

它们每天最有用的功能是什么？

有机器人帮你清理泳池、修剪草坪，就已经很有用了。

有什么痛点吗？

有。比如家务活，清理桌子、把盘子放进洗碗机，对现在的机器人来说仍然很有挑战。不过这些能力会到来，突破可能就在下一个拐点。

Arthur，我非常好奇。我是个年纪比较大的父亲，想活得久一点，想再多要几个孩子，也想参加他们所有人的大学毕业典礼。你认为 AI 会怎样影响人类寿命？

我个人相信……毕竟我们从事的是拯救生命的行业。

正是如此。

比如每年有 2,200 万新发癌症患者。我就不把一生中患前列腺癌的概率详细列出来了，遗憾的是超过 80%；但死于前列腺癌的概率每年都在下降。为什么？因为 AI 可以辅助早期筛查、辅助诊断、提供治疗选择和方案检测，也可以辅助制定治疗计划。我们正与 NVIDIA 合作，让这些过程更顺畅、更节省时间……

AI 还把时间还给了临床医生。它可以辅助制定治疗方案，例如为线性加速器安排非常精准的放射治疗，并与全身治疗配合。昨天我们在法兰克福刚开完一场峰会，有大约 200 位来自世界各地医疗系统的代表参加，包括 Mayo Clinic、Cleveland Clinic 等机构，Charité 也派了代表。我们讨论了一个问题：能不能治愈癌症？如今大家有一种信念，也有投入和承诺，要治愈癌症，或者至少把癌症这类致命疾病转变成慢性病。这会影响寿命、生活质量，也影响你的家庭。

那我们活到 120 岁的概率有多大？

如果……

如果我现在保持健康、坚持运动呢？

健康生活当然是一个方面。再次强调，早期检测是延长寿命的关键，而如今许多 AI 工具都能提供帮助。

这方面正在取得很大进展。

当然，当然。

Ola，我们还没听到你对人形机器人的回答，我换个问法：家用人形机器人什么时候会出现？我们什么时候能拥有自己的自动驾驶汽车？

当然会实现，而且正在发生。如果你住在旧金山，现在已经有叫车服务用自动驾驶车辆代替出租车司机。这是显而易见的用例。但为什么不能让个人拥有一辆？比如你开一辆漂亮的 Mercedes S-Class，下班累了一天不想开车，就告诉车要去哪儿，轻松坐车回家。这会实现，时间表大概与家用机器人相近。

三到五年？

不过工厂里的机器人会更快。我们现在正从演示走向试点。我最近去了我们在匈牙利新开的工厂，那里有一些物流任务正在试点由人形机器人完成。现在还不是最复杂的装配任务，因为那些任务非常难，机器人的手部灵巧度必须达到很高水平。但这正在发生。我认为这十年结束前肯定会有进展；其实我相信 24 个月内，我们就会开始更大规模地在人力物流和部分制造业中部署人形机器人。

投资回报取决于价格，但应该快得多。我们先拿一个工人、一班工作来计算，假设每年成本是 7.5 万美元。

一台人形机器人可以工作三班。

所以只要能正常工作，我认为回本周期会……

大概几周或几个月，肯定不是几年。

太惊人了。

最后一个问题：在机器人领域，中国会比美国先实现吗？这有关系吗？谁想回答都可以。

我先接着说。我们是一家全球公司，在中国经营了 25 年。那里的机器人生态系统也在蓬勃发展。

没错。

我们在中国也在做同样的事情。我认为这场技术竞赛已经开始，让最好的团队胜出。

你在中国看到的进展领先吗？

我不知道他们是否领先。美国在人工智能、前沿模型以及正在发生的一切方面都非常令人印象深刻。也别低估欧洲。欧洲的学术实力和创业环境都非常强……

……非常强。但在我们看来，这不是非此即彼的竞争，而是所有人都能参与。

关于中国，我们一直密切关注和观察中国市场，也积极在那里开展业务。技术本身是至关重要的推动因素，但真正的转型，例如医疗领域的转型，是由人来实现的：技术让人能够专注于患者照护。我认为这一点是我们的优势。

对全球观众来说，这是个好处。各位先生，最后一个问题。

要不要来一轮闪电问答？每人五秒钟。你们想问什么？

导播说我们得结束了。

导播说该结束了。谢谢各位，非常棒。（笑）

我有点嫉妒那件皮夹克，Jaopang。

我有点嫉妒你的山羊胡。

你们这些德国人太规矩了。不过西装真不错！太棒了，谢谢大家，今天太愉快了。

非常感谢。

Gavin，和你合作真是太愉快了。我们第一次见面就一起主持 GTC，希望以后还有很多次。

而且黄仁勋本人马上就要上场，观众正开始走进 Tempodrom——这个名字怎么说来着？柏林的 Tempodrom。我最后再说一次，谢谢你。

这个词真棒。

我很期待。再过一会儿，黄仁勋就会登上 Tempodrom 舞台，分享 NVIDIA 如何推动我们今天一早讨论的未来。

我要感谢所有嘉宾分享他们如何建设欧洲的 AI 未来，也感谢整个 NVIDIA 团队，以及我可爱的搭档 Gavin。