一萬公里外，德國工廠的工程師正為一條新汽車產線的調試焦頭爛額，而在英偉達編織的未來數字世界里，同樣的產線已在虛擬環境中完成所有優化，等待被復制到現實。
在巴黎GTC大會的聚光燈下，英偉達創始人兼CEO黃仁勛向歐洲制造業拋出了一個全新理念：“在人工智能時代，每個制造商都需要兩個工廠：一個用于制造產品，另一個用于創造驅動這些產品的智能。”
隨即，英偉達宣布，將在德國建設全球首個工業人工智能云設施“AI工廠”，并將配備10000個Blackwell GPU。
有人說這是英偉達在對外展示對工業領域的野心，萬卡算力堆砌的AI工廠將顛覆傳統的智能工廠，但也有聲音質疑，智能工廠的未來不應該被算力掣肘，尤其是中國制造，應該走出類似DeepSeek般降低算力需求的新路徑。
“英偉達的布局本質是以算力和生態為壁壘，將自身變為智能制造時代的水電煤。中國的破局關鍵不在單點技術追趕，而在能否用更低成本、更靈活的模式打開市場縫隙。”蘑菇物聯工業AI首席技術官周子葉對記者說。
“兩個工廠”
物理工廠負責產品生產，而AI工廠則專注于創造驅動這些產品的智能，基于“雙工廠”思路，英偉達切入AI工業的路徑逐漸清晰。
黃仁勛在6月11日的演講中提到，傳統的數據中心正在向“AI工廠”轉變，智能體系統代表著AI從被動接受指令到主動感知、決策和執行的進化。它預示著AI將能夠更自主地完成復雜任務，并在更廣泛的領域內發揮作用。而AI工廠則代表著AI基礎設施的規模化和工業化，它將整合強大的計算能力、高效的數據處理流程以及優化的算法，從而加速AI模型的訓練、部署和應用。
他表示，未來的數據中心不再僅僅是存儲文件和數據的倉庫，而是能夠產生智能、創造價值的生產設施。這些AI工廠的核心任務是生產“智能通證（intelligent tokens）”，就像發電廠產生電力一樣，為各行各業提供動力，開啟一場新的工業革命。
據英偉達介紹，德國工廠將配備1萬張GPU，包括DGXB200和RTX PRO服務器，并運行英偉達CUDA庫、AI技術平臺RTX、虛擬現實和仿真平臺Omniverse加速服務，西門子、Ansys、Cadence和Rescale等軟件廠商將成為合作伙伴。
對于這樣的算力配置，國內的一些企業負責人直接用“頂配”來形容。
“這個算力基座的規模，確實太大了。”杭州鈦維云創創始人兼CEO張磊告訴第一財經記者，以他目前了解的情況，國內目前還沒有可以等價于近2萬套Grace Blackwell性能以及軟硬件適配高度的AI工廠。他判斷，在如此巨大算力規模的助力下，傳統工業仿真中很多長期存在的難點問題，像流體仿真、軟體結構仿真等，將迎來突破性的解決機會。
“它會成為工業具身智能的一大強心劑。”張磊提到，當工程數字孿生與工業機器人等算法的演進頻率從“年”級躍升至“日-周”級，傳統制造業對工程試錯、原型驗證的需求也從“經驗密集”走向“數據密集”。在這種背景下，英偉達的“鈔能力”不僅推動了AI芯片的硬件上限，也是在試圖構建一個覆蓋制造全流程的“算法-仿真-驗證”閉環生態。
“這恰恰是英偉達的技術護城河。” 張磊指出，全球市場內尚未有類似規模的項目與基礎設施落地，也體現出當前市場中“萬卡級”AI集群在部署與調優層面的巨大工程門檻。
九章云極相關負責人也對記者表示，英偉達的動作有一定的風向標指引，打造一個以“算力 生態”構建工業制造業的基礎設施標桿，也可以說是工業智能化的“水電煤。這一角色不僅體現在算力供給上，更在于構建從硬件、軟件到生態的完整智能基座。
“目前國內雖然存在一些工業AI平臺，但真正覆蓋‘從設計、工程仿真到數字工廠孿生與機器人’的全流程的集成式云平臺，仍然稀缺。”機器人及智能制造轉型出海解決方案服務商睿甄創新CEO羅茜對記者表示，無論是產品設計、仿真測試，還是后期的產線部署與控制邏輯優化，高精度的物理仿真能力都在逐漸取代傳統“現場試錯”的路徑。尤其在機器人系統迭代中，合成數據成為加速模型訓練閉環的關鍵資源之一。
然而，她也指出，這種系統化賦能模式對企業的組織能力提出了更高要求。“對已經完成數字化轉型的大型企業來說，這種平臺能夠幫助他們進一步提效的引擎。但對中小企業而言，這可能是一場無法獨立完成的轉型挑戰。”在羅茜看來，制造業數字化、智能化的深水區不僅考驗算力資源，更考驗認知結構與人才儲備的共同“進化”。
中國需要“算力超級工廠”嗎？
值得注意的是，此次英偉達選擇落地德國，也傳遞出明確的產業信號。“歐洲尤其是德國，對AI驅動制造這套敘事是積極跟進的。”羅茜認為，德國制造業長期以高精密、強工程文化著稱，在面對AI技術深度嵌入時也十分積極。德國政府在2020年就提出，計劃到2025年，通過經濟刺激和未來一攬子計劃，把對人工智能（AI）的資助從30億歐元增加到50億歐元。
除了德國的項目，英偉達還計劃在歐洲新建20座“AI超級工廠”，并推動“算力兩年增長10倍”。
“你可以看到我跑遍全世界和政要交談，他們都希望AI成為基礎設施的一部分，希望AI成為他們的增長型制造業，這是一場新的工業革命。”黃仁勛說。
IDC中國助理研究總監劉麗輝對記者表示，在人工智能浪潮趨勢下，歐洲本身缺乏規模較大的本土云計算服務商，而英偉達本身雖然不算傳統云計算服務商的類別，但其在智算設備方面具備很好的基礎，適合在歐洲市場進行業務嘗試與開拓。
她表示，大模型訓練和推理廠商、互聯網廠商，以及新能源汽車等制造行業是智能算力消耗前三的行業，而歐洲市場的工業制造行業在全球知名度較高，所謂“工業4.0”的概念正是起始于德國。正好能為英偉達提供廣泛的客戶基礎。
“英偉達在中國市場也有合作方，只是尚未達到歐洲工業AI云平臺的萬卡級別。以火山引擎與英偉達合作的虛擬仿真平臺veOmniverse為例，該平臺主要是工業仿真領域，目前已服務了家居、零售、影視、汽車等行業。”劉麗輝說。
除了火山引擎外，據記者了解，國內廠商中，華為和阿里云也具備了成熟的萬卡集群構建與運營能力。前者主要依托于昇騰AI硬件平臺，以及異構計算架構CANN和全場景AI計算框架MindSpore，后者則立足于阿里云的SCC超級計算集群，結合高性能的ECS彈性計算服務提供工業仿真等場景的需求。
一位華為云內部人士對記者表示，相較于英偉達，華為類似的產品主要在硬件開發生產線中，包括了工業數字模型驅動引擎（iDME）以及工業仿真云平臺（SIM Space）等。
但中國是否需要構建“萬卡算力工廠”，不少分析師和企業人士均持謹慎態度。
“中國有能力建設工業AI云，但需走國產化生態 場景深耕的路線，避開與英偉達的硬技術對抗。”周子葉對記者說。
此外，國內的一家頭部廠商相關負責人對記者表示，中國各地已經擁有超過200個智算中心，并且開始有閑置現象。從目前的情況看，大概率不會再和云等廠商再專門建垂直領域的云平臺了。“從英偉達此次的動作來看，不是做通用計算的數據中心，是結合了AI和物理實體，比如機器人，傳感器等。”
九章云極相關負責人則對記者表示，中國的算力基礎設施雄厚，不宜簡單復制垂直領域云平臺模式，應該通過“普惠算力”模式降低中小企業使用算力的成本，將技術紅利從“巨頭企業”擴展至“千行百業“都用的起的AI算力基礎設施。
而在Gartner研究副總裁盛陵海看來，英偉達打造工業人工智能云平臺的計劃也是在用更多話題來增加市場對算力的需求，助推“賣卡”。在他看來，這樣大型的基礎設施基于美國傾向于建大規模集約化算力中心的策略，但中國對大型算力集群的興趣沒那么大，除了云廠商很多企業也會建自己的算力平臺，對數據安全、合規有更高要求，云廠商做垂直云平臺的動力不強。
“即便中國云廠商要做工業AI云，也應該不被算力掣肘，走出類似DeepSeek般降低算力需求的新路徑。”盛陵海說。
他同時對記者表示，英偉達要做好這個工業人工智能云平臺的挑戰也不小，在讓物理工廠“上云”的過程中，有非常大的軟件工作量，需要大量的人力投入，軟件的持續升級、硬件的配套改建，都在考驗著企業的投入產出比。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
