黄仁勋表示，计算机产业正处于一场新工业革命的起点。随着 AI 从内容生成工具向能够自主推理、调用工具和执行任务的智能体演进，企业不仅需要使用 AI，还需要具备生产和部署 AI 的能力。
AI 工厂加速落地，基础设施建设迈向标准化
黄仁勋将 AI 产业比作一个由五层构成的体系：能源、加速计算、AI 工厂、AI 模型，以及嵌入各类应用的数字智能。他指出，AI 模型出现之前，基础设施必须先行到位。随着 AI 应用扩张，电力供应、数据中心建设和算力部署效率正成为产业发展的关键因素。
为加快基础设施建设，英伟达宣布推出 DSX POD 参考设计，用于建设基于 Vera Rubin 平台的完整 AI 工厂。合作伙伴可在模块化集装箱内完成系统集成与验证。英伟达表示，在现场公用设施准备就绪后，该方案有望将部署周期从约六个月缩短至 14 天。
英伟达还称，其 DSX AI 工厂平台能够将冷却用水量降至近零，并在实现相同 AI 产出的情况下减少最多 30% 的能耗。
通过标准化硬件、软件和基础设施设计，英伟达希望降低数据中心建设的复杂度，加快算力投入使用。公司表示，已与欧莱雅、Spotify、沃达丰、保时捷、雀巢和汇丰银行等欧洲企业开展 AI 合作，并计划向欧洲技术生态投入近 100 亿美元，与超过 1.2 万家合作伙伴协作。
黄仁勋强调，欧洲不应只消费 AI 服务，还应具备生产 AI 的能力。这也体现出英伟达希望通过本地算力基础设施和行业应用，进一步扩大在欧洲市场的影响力。
智能体成为新计算平台
智能体是此次演讲的另一项重点。与主要负责回答问题的聊天机器人不同，智能体能够进行推理、调用工具、访问知识库并执行工作流程。随着其承担的任务越来越复杂，Token ( 词元 ) 消耗也有望进一步增长。
针对这一挑战，英伟达推出 OpenShell 安全智能体参考架构，通过开源运行环境、内核级沙箱和策略控制机制，限制智能体能够访问的资源，并监测其行为。黄仁勋表示，智能体的权限应根据具体任务动态调整。
英伟达还发布 Agent Knowledge Foundation，帮助智能体接入企业文档、数据库等内部信息，并提供文档解析、信息检索和结构化数据预测等工具。
黄仁勋认为，企业专有知识是提升智能体能力的关键。企业可以基于英伟达的开放模型，利用自身数据进行后训练，使模型适配特定业务需求。他将这一过程称为打造 " 主权智能 "。
在模型层面，英伟达展示了覆盖多个专业领域的开放模型，包括用于语言任务的 Nemotron、用于世界基础模型的 Cosmos、面向人形机器人的 GR00T，以及用于自动驾驶的 Alpamayo 等。
与此同时，英伟达继续强化 CUDA-X 加速计算库的作用。公司表示，其加速计算平台已有超过 1100 万名开发者。相关工具能够帮助智能体调用模拟器、计算求解器和数据处理引擎，将 AI 能力转化为实际工作成果。
从芯片到模型、软件和开发工具，英伟达正试图通过全栈生态提高客户黏性，扩大其在 AI 产业链中的价值份额。
AI 应用从数字世界走向现实产业
物理 AI 是此次大会的另一条主线。英伟达展示了智能体在工业设计、实验室和工厂中的应用：在 Lila Sciences 平台，智能体协助设计潜在的淋巴瘤治疗方案；在西门子工厂，智能体通过数字孪生测试新产品的生产计划；在达索系统的工程设计场景中，智能体则借助仿真识别车辆设计问题并优化方案。
医疗领域，英伟达与西门子医疗正在开发 AI 驱动的自适应放射治疗方案。系统通过数字孪生模拟设备和患者解剖结构，并结合实时成像与传感器数据，在患者身体和肿瘤发生变化时调整放射治疗目标。
在自动驾驶领域，沃尔沃汽车正在采用英伟达 Hyperion 计算平台及 Alpamayo 软件栈。黄仁勋还宣布，大众商用车、捷豹路虎、沃尔沃和梅赛德斯 - 奔驰的下一代车型将兼容 Hyperion 平台，相关应用涉及 L3、L4 级自动驾驶及未来 Robotaxi 车队。
这些布局表明，英伟达希望将加速计算的应用范围从数据中心扩展至工厂、医院、汽车和机器人等现实场景。公司无需直接制造所有终端设备，也可以通过提供计算平台、模型和软件工具参与相关产业的发展。
