在最近的 GTC（GPU Technology Conference，GPU 技術大會）上，黃仁勳重新探討了人工智能究竟是什麼。他構建了一個「五層蛋糕」的概念，指出能源為先進計算機供電，這些計算機構成 AI 工廠；工廠中運行的模型生成 token，即數字智能，再將其融入各種應用。他還提到「要參與 AI 經濟，就要成為 AI 的生產者，消費 AI 只是其中一部分」。
黃仁勳指出，歐洲與中美的 AI 產業格局存在顯著差異。歐洲的 AI 更多用於工業應用，例如汽車設計、製造及藥物研發等，這些都是其發展 AI 的重要應用場景。由於歐洲擁有扎實的工業基礎，這也造就了其在 AI 使用上的獨特特點。然而，在大模型與雲平台方面，歐洲則更依賴美國公司，通過調用外部模型來滿足快速使用 AI 提效的需求，這雖然能夠解決短期問題，但外部模型的使用成本高昂，且美國企業對本土企業的數據擁有調取權，這與將 AI 用於處理工業數據的企業之間存在天然衝突，安全性難以保障。
黃仁勳提出的 AI 生產者理念對歐洲的影響
黃仁勳所提到的成為 AI 生產者的想法，正好擊中歐洲急需改變的 AI 形勢。他的「五層蛋糕」中的每一層都提出了相應的解決方案，尤其是在 AI 工廠建設方面。他強調，成為生產者的首要任務是建設上游系統，即基礎設施。在 AI 產業中，這包括晶片、算力和雲服務。擁有這些基礎設施後，企業便可以利用本地的算力，使用自己的數據訓練模型，對於那些需要保密的數據，企業也能夠放心地將其上傳至本地雲平台。
這樣一來，企業可以提高對數據和算力的掌控權，減少對外部服務的依賴，並在未來的運營中降低模型使用成本。然而，建設這些基礎設施並非易事，涉及到能源、冷卻、連接部署及本地調試等多個方面，這需要時間。如果從零開始，從購買設備、安裝調試到投入使用，可能需要數月的時間。黃仁勳指出，「你預期的年收入是幾百億美元？就算按 400 億美元/年的收入來計算——這座基礎設施一年產出 400 億——如果只是延遲 3 個月，那就是 100 億美元的損失。」
英偉達提出的 DSX POD，旨在讓用戶更早地產生收入。DSX POD 將部分現場工程提前搬入工廠，將 7 個液冷計算機架及配套系統集成到可運輸的貨櫃中，並確保所有設施正常運行再進行現場交付。根據他的預測，從設備到貨到「產出 token」的時間，可以由「4 到 5 個月」縮短至「大約 1 個月」，這樣不僅能節省設備閒置的成本，還能減少收入推遲的損失。此外，官方還表示，結合 DSX 的電力管理，使用相同的 AI 產出最多可減少 30% 的電力需求。
值得注意的是，電力管理也是「五層蛋糕」中的一層。隨著晶片計算能力的持續提升，供電、冷卻和部署速度可能成為新的瓶頸，這也是英偉達考慮建設工廠的原因。黃仁勳強調，幫助歐洲從 AI 消費者轉型為 AI 生產者，需要從頭開始，逐步解決算力真正投入使用的各個環節。
在能源方面，歐洲擁有施耐德、西門子等相當成熟的能源公司，施耐德電氣負責配電與液冷，西門子則評估熱、噪聲和電網影響，而達索系統則將機架與廠房設計相連。英偉達則負責提供電力管理方案。這樣的合作不僅使英偉達能更好地瞭解自身產品，還可為其帶來新的商機，同時歐洲企業也能將原有產品與工程能力融入新的基礎設施建設中，這並不是一家美國企業的「入侵」，而是一場多方共贏的效率革命。
此外，黃仁勳還提出了產業生態協同的構想，例如模型、仿真和智能體開發工具。如果有企業需要更進一步的開發起點，英偉達也會考慮並提供成品。當然，歐洲企業並非從零開始，已有的工業軟件、自研模型及其他供應商的更適合產品都可能繼續保留在系統中，企業最終需要比較的仍然是性能、成本以及與現有業務的適配程度。
這樣一來，英偉達在歐洲的生態位便有了紮根的基礎。圍繞英偉達基礎設施展開的各種建設，將在歐洲建立起非常廣泛的生態。一旦這些生態與信任逐步建立，已經驗證過的產品與經驗將成為持續採用這套方案的理由。對於使用者而言，本土化的 AI 部署不僅降低了使用成本，還帶來了新的商機，監管上也能由自己負責。
本土合作、客戶信任和品牌生態的共同投入將逐漸累積。在摩爾定律失速的未來，技術可能會被追平，但如果有如此緊密的合作基礎，這將成為難以撼動的商業堡壘。
黃仁勳在演講中指出，「經過計算機行業數十年的發展，我們如今正處於一場新工業革命的開端。」他回顧第一次工業革命時，珍妮紡紗機是早期的代表性發明，讓一個工人能同時操作多個紡錘。隨著紡紗效率的提升，生產規模的擴大和對原料需求的增加，隨之引發了一系列變化，最初是紡織業，後來逐漸擴大到整個社會的生產方式。生產力的變化往往就是這樣牽一發而動全身。
如今的大模型就如同珍妮紡紗機，它使普通人的工作效率獲得了不同程度的提升。隨著 AI 在實際生產中的參與度不斷提高，使用規模也會隨之擴大。對原料——能源和算力的需求也將催生出上游產業鏈；技術更加精進，必然會出現更便利高效的應用和產品。產業之間的相互依賴性不斷加強，產業生態協同將成為必然要求。
然而，這些環節能否共同進步，將影響最終的產出。高盛近期在討論中國 AI 供應鏈時指出，「AI 技術本質上具有乘數效應——供應鏈中多個組件各落後一代可能導致總算力輸出/效率落後一代以上。」因此，每個環節的發展程度都至關重要，產業協同的重要性可見一斑。即使晶片的算力再快，若網絡傳輸、供電或冷卻跟不上，性能也難以充分發揮；算力準備好了，還需要軟件與業務流程的配合，才能轉化為企業實際獲得的效率提升。
單個環節的技術領先，只有在其他環節的配合下，才能轉化為實際的生產力；產業協同將影響 AI 投入最終能產生多少回報。
英偉達提出的這份「歐洲 AI 發展攻略」，正是這次工業革命的縮影。英偉達的做法，是用一套整合好的全棧技術方案，加上本土化合作，將原本分屬不同領域的產業連接起來。這使其從一個晶片供應商轉變為歐洲產業協同的粘合劑。整套方案的價值在於將產業間逐步磨合的過程，轉化為可提前規劃和推進的合作。
