英伟达将在德建AI工厂，万卡算力堆砌能否颠覆传统智能工厂？
在遥远的万公里之外，德国的工程师们正面临着新汽车生产线调试的棘手难题，与此同时，在英伟达构建的数字未来世界中，这条生产线已在虚拟空间里完成了所有的优化工作，静待着被搬到现实世界之中。
在巴黎GTC大会的璀璨聚光灯下，英伟达的创始人兼首席执行官黄仁勋向欧洲的制造业界展示了一种全新的构想：“在人工智能引领的时代，每一位制造商都必须拥有两个工厂：一个用于生产实体产品，而另一个则专注于打造驱动这些产品的智能技术。”
英伟达迅速宣布，计划在德国打造全球首个工业人工智能云平台，称之为“AI工厂”，同时，该工厂将配备高达10000个Blackwell GPU。
有人认为这体现了英伟达对工业市场的雄心，他们通过堆叠万卡算力构建的AI工厂有望颠覆传统智能工厂的模式。然而，也有人提出质疑，智能工厂的发展不应受算力的限制，尤其是对于中国制造业来说，更应探索出类似DeepSeek那样减少算力依赖的创新途径。
英伟达的战略核心在于构筑以算力和生态为防御的壁垒，将自己定位为智能制造时代不可或缺的基础设施，如同水电煤一般。而中国要想打破僵局，关键不在于单纯的技术追赶，而在于是否能够以更低廉的成本和更灵活的运作模式，成功开拓市场中的细微空间。蘑菇物联工业AI的首席技术官周子叶在接受记者采访时如是表示。
“两个工厂”
物理工厂承担着产品的制造任务，与此同时，AI工厂致力于研发支撑这些产品的智能技术。依托“双工厂”的理念，英伟达在AI工业领域的布局路径日益明朗。
在6月11日的演讲中，黄仁勋指出，数据中心正经历从传统模式向“AI工厂”的转型。这一转变标志着智能体系统将引领AI从被动接受指令向主动感知、决策和执行的飞跃。这一进展预示着AI将具备更高的自主性，能够独立完成复杂任务，并在更广泛的领域发挥其作用。AI工厂象征着人工智能基础设施的规模化和产业化进程，它集成了强大的计算资源、高效的数据处理机制以及优化的算法体系，进而显著提升AI模型的训练速度、部署效率和实际应用能力。
他强调，未来的数据中心将不再仅仅是文件和数据的存放地，而将转变为一种能够孕育智能、创造价值的生产基地。在这些AI工厂中，其核心职能是制造“智能通证”，就如同发电厂产出电力一般，为各行各业注入活力，引领一场全新的工业变革。
英伟达透露，德国的工厂将配备一万张GPU，这些GPU包括DGXB200和RTX PRO服务器。此外，该工厂还将运行英伟达的CUDA库、AI技术平台RTX、虚拟现实及仿真平台Omniverse的加速服务。同时，西门子、Ansys、Cadence和Rescale等软件厂商也将成为其合作伙伴。
针对这种算力配置，我国部分企业的高层管理人员直接将其称为“顶级配置”。
杭州钛维云创的创始人兼首席执行官张磊向第一财经记者透露，该算力基座的规模实属庞大。据他掌握的信息，国内尚无任何设施能与近2万套Grace Blackwell的算力及软硬件兼容性相媲美。他作出判断，在如此庞大的计算能力支持下，那些在传统工业仿真领域长期困扰我们的难题，诸如流体仿真、软体结构仿真等，有望获得突破性的解决方案。
张磊指出，这一进展将极大地增强工业具身智能的活力。随着工程数字孪生技术和工业机器人算法的更新速度从每年一次提升至每日或每周一次，传统制造业在工程试错和原型验证方面的需求也随之从依赖经验转变为依赖数据。在这种情境下，英伟达的强大资金实力不仅提升了AI芯片的硬件性能极限，同时也在努力打造一个涵盖制造全过程的“算法-仿真-验证”完整生态系统。
张磊强调，这正体现了英伟达的技术优势。在全球范围内，尚未出现规模相当的项目和基础设施，这也表明了在当前市场中，万卡级AI集群在部署和优化方面存在着极高的技术门槛。
九章云极的相关负责人在接受记者采访时指出，英伟达的举措具有明显的导向作用，旨在构筑一个以“算力与生态”为核心，支撑工业制造业基础设施的典范，这无疑等同于工业智能化的“水电煤”。这一地位不仅在于提供算力支持，更在于打造一个涵盖硬件、软件直至生态系统的全面智能基石。
国内虽已出现数个工业AI平台，然而，能够全面涵盖从设计阶段、工程仿真直至数字工厂孪生和机器人技术的全流程集成式云平台，依旧较为罕见。睿甄创新首席执行官罗茜向记者透露，在产品设计阶段、仿真实验过程，以及后期生产线布局和控制逻辑的优化过程中，高精度的物理仿真技术正逐步替代传统的“现场试验纠错”方式。特别是在机器人系统不断更新的过程中，合成数据已成为加快模型训练闭环流程的重要资源之一。
然而，她强调，这种系统化的赋权方式对企业的组织能力提出了更为严苛的挑战。对于那些已经实现了数字化转型的巨型公司，这样的平台能够成为助力他们进一步提升效率的关键动力。然而，对于中小型企业来说，这或许是一场他们难以独自克服的转型难关。在罗茜看来，制造业迈向数字化和智能化的深层次，不仅是对算力资源的考验，更是对认知结构和人才储备同步“进化”的挑战。
中国需要“算力超级工厂”吗？
值得注意的是，英伟达此次选择在德国设立基地，这一举措明显释放出了强烈的产业信号。“特别是在欧洲，尤其是德国，对于AI驱动的制造业这一发展趋势，他们表现出了积极的关注。”罗茜表示，德国制造业一直以来都以其高精度和强大的工程文化闻名，面对AI技术的深度融合，他们也展现出了极大的热情。德国政府于2020年提出，旨在2025年前，通过实施经济激励措施以及一系列未来规划，将人工智能（AI）的资助额度从30亿欧元提升至50亿欧元。
除了在德国推进的项目之外，英伟达还打算在欧洲增设二十座“AI超级工厂”，同时致力于将计算能力在两年内提升至原来的十倍。
黄仁勋表示，你能够目睹我走遍全球与各国政要交流，他们普遍期望将人工智能融入基础设施，并视其为推动制造业发展的关键力量，这标志着一场全新的工业变革正在上演。
刘丽辉，IDC中国的总监，向记者透露，面对人工智能的发展潮流，欧洲地区并未拥有规模可观的本土云计算服务提供商。尽管英伟达并不属于传统意义上的云计算服务商，然而它在智能计算设备领域拥有坚实的根基，这使得它在欧洲市场开展业务尝试和拓展具有得天独厚的优势。
她指出，在智能算力消耗方面，大模型训练与推理、互联网企业以及新能源汽车制造等行业位居前列，特别是欧洲的工业制造在全球享有盛誉，而“工业4.0”这一理念便源自德国。这一特点恰好为英伟达提供了庞大的客户群体。
在中国，英伟达同样拥有合作伙伴，但合作规模尚未触及欧洲工业AI云平台的万卡水平。以火山引擎与英伟达共同打造的虚拟仿真平台veOmniverse为例，该平台专注于工业仿真领域，现已为家居、零售、影视、汽车等多个行业提供服务。刘丽辉如是表示。
记者了解到，华为与阿里云在国内厂商中同样掌握了成熟的万卡集群构建与运营技术。华为此方面的优势主要源于其昇腾AI硬件平台，以及采用的异构计算架构CANN和全场景AI计算框架MindSpore。而阿里云则依靠其SCC超级计算集群，并借助高性能的ECS弹性计算服务，满足工业仿真等特定场景的需求。
华为云内部知情人士向记者透露，与英伟达的产品相比，华为的相关产品主要集中于硬件开发环节，涵盖了工业数字模型驱动引擎（iDME）以及工业仿真云平台（SIM Space）等多个方面。
然而，关于中国是否应当建立“万卡算力工厂”，众多分析师与企业家普遍表现出审慎的立场。
周子叶向记者表示，我国具备构建工业人工智能云平台的能力，然而必须采取发展自主技术生态和深入特定应用场景的策略，以避免与英伟达在硬技术层面直接竞争。
此外，国内知名厂商的负责人在接受记者采访时透露，我国各地已设立超过200家智算中心，且出现了一定程度的闲置。据当前形势分析，未来很可能不会与云计算等企业再单独打造针对特定领域的云服务平台。
英伟达的近期举措表明，他们并非专注于通用计算数据中心的建设，而是致力于将人工智能与物理实体相结合，例如机器人、传感器等。该负责人如此表示。
九章云极的负责人向记者透露，我国算力基础建设相当强大，不应盲目模仿特定领域的云平台模式。他们建议，应采取“普惠算力”的策略，以降低中小企业使用算力的费用，并将技术带来的好处从大型企业延伸到各行各业，让更多企业能够负担得起AI算力基础设施。
在Gartner研究副总裁盛陵海看来，英伟达构建工业人工智能云平台的战略，实则旨在通过引入更多议题，以刺激市场对计算能力的渴求，从而推动显卡的销售。在他看来，这一规模庞大的基础设施项目，源于美国倾向于建设大规模集约化算力中心的战略。然而，中国对于大型算力集群的热情并不高涨。除了云服务提供商，众多企业亦在构建自家的算力平台。他们对数据安全和合规性有着更高的期待。因此，云服务提供商推动垂直云平台的动力并不强劲。
即便中国的云计算服务商致力于打造工业AI云平台，它们也不应受到计算能力的限制，而应探索出一条与DeepSeek相似的、减少计算需求的新途径。盛陵海如是表示。
他向记者透露，面对这个工业人工智能云平台的挑战，英伟达同样面临不小的压力。在推动物理工厂向云端迁移的过程中，软件方面的工作量极为庞大，需要投入大量的人力资源。此外，软件的不断升级和硬件的配套改造，也对企业投入与产出的比例提出了严峻考验。
