2026-10-24 14:09:58 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

黄仁勋在柏林GTC讲透AI五层蛋糕：算力能买，数据主权买不来

安恒信息

2026年10月23日 10:48
浙江

去阅读

北京时间10月21日，英伟达GTC大会在柏林举行，黄仁勋发表主题演讲。柏林是他这趟欧洲之行的收官站——此前一周，英伟达的足迹遍布巴黎、伦敦、斯德哥尔摩和都柏林。这场演讲信息量很大：AI工厂、智能体、机器人、自动驾驶都有新动作。黄仁勋给整场演讲定的调是：“我们正处在一场新工业革命的开端。”

本文先用几分钟带你过一遍干货，再聊一个容易被忽略、但对政企客户最要命的话题——主权AI背后，拼的其实是数据。

黄仁勋在GTC发表主题演讲（资料图）

一、先上干货：这场演讲讲了什么

AI是一块“五层蛋糕”，而欧洲怕的是只吃到最后一口。

黄仁勋把AI产业拆成五层：最底层是能源，往上是先进计算机、AI工厂、Token与数字智能，顶层才是应用。他的核心论点是，基础设施必须先于模型存在——就像先有电网才有电器、先有网络才有互联网。原话说得很直白：“想成为AI经济的一部分，你不能只消费AI，你要生产AI。”这句话是说给欧洲听的：如果只有应用层的繁荣，底下的算力、工厂和模型都掌握在别人手里，欧洲就只是AI的消费市场。

AI工厂按下快进键：部署从6个月缩到14天。

新发布的DSX POD把原本要在数据中心现场完成的布线、集成和测试，全部前置到工厂完成：一套Vera Rubin DSX POD由七个液冷计算机架组成，内部以约17公里的Spectrum-X线缆互连，在工厂内完成集成与测试后，装进集装箱整体交付。只要现场的电力、冷却、网络配套齐备，上线时间可从约6个月压缩到最快14天。配套的DSX平台还做了能效升级：动态功率管理可在相同Token产出下降低最高30%的功耗，闭环液冷与干式冷却则大幅减少冷却耗水。

黄仁勋还现场算了一笔账：一座1GW的AI工厂造价约500亿美元，年收入可达400亿美元，晚投产一个季度，就少赚约100亿美元。在这个量级上，“部署速度”本身就是竞争力。承载这一切的Vera Rubin平台已经全面量产，其NVL72系统面向智能体负载的每兆瓦吞吐量达到上一代的30倍（英伟达官方口径）。

智能体被装进了“笼子”，而且看守在硬件层。

新发布的OpenShell参考架构，把智能体治理直接做进计算架构，三层分工：模型在Vera Rubin上“思考”，智能体的框架与工具调用在Vera CPU上“行动”，BlueField-4芯片运行Sentry安全软件，在主系统之外“治理”——持续带外监测智能体行为、在芯片内执行安全策略，智能体一旦试图越界，毫秒级隔离关停。

黄仁勋的原话是：“企业要部署数十亿个智能体，安全与控制必须建进计算架构本身”，智能体要处在“被关住、被监测、受控制”（contained, monitored and under control）的状态。值得注意的是合作名单：Anthropic、OpenAI、微软、谷歌云、Meta之外，还有CrowdStrike、Palo Alto Networks等安全厂商——连卖铲子的人都开始卖笼子，安全厂商则集体进场站台，这本身就是一个信号。英伟达还称，Sentry把监测工作卸载到DPU上，反而能把智能体容量提升最高20%；这套架构同样延伸到DGX Spark等桌面与边缘设备。

智能体开始直连企业数据库，也开始接管工程师的工具。
Kumo结构化数据开放模型家族与扩展后的Agent Toolkit发布：前者让AI直接利用企业的表格与关系型数据库做预测分析，后者打通数据接入、检索与智能体开发的整条链路。这意味着，企业数据正在从“给人看的报表”变成“给智能体调用的接口”。演讲的演示环节里，达索系统的设计智能体根据工程要求调用专业设计与仿真工具，把大众高尔夫的车门设计调整到途观上，发现振动问题后自行修改方案，最后交由工程师审核定夺。黄仁勋的判断是：AI不会终结软件和工具公司，恰恰相反，智能体需要调用工具才能干活，工具公司将同时提供软件，和“擅长使用这些软件的智能体”。
物理AI与行业应用：一场演讲里的其他拼图。
机器人方向，Isaac平台扩展，新增Isaac OS、Isaac Lab 3.0与仿真训练资产，Agile Robots推出人形机器人参考平台；自动驾驶方向，发布Alpamayo 2车端模型与Halos SAFE安全评估框架，并深化与奔驰、沃尔沃、Bolt的合作；医疗方向，联合华盛顿大学蛋白质设计研究所推出蛋白质设计模型，并扩大自适应放疗合作；电信方向，推出Aerial RAN Computer配置，探索通信网络与AI算力基础设施的融合。一句话：AI正从屏幕里走出来，进入工厂、汽车和医院。
欧洲是主角：近100亿美元，买的是“自己生产AI”的门票。
英伟达过去一年在欧洲投入近100亿美元，合作伙伴超过1.2万家；欧莱雅、Revolut、Spotify、默克、沃达丰、保时捷、雀巢、汇丰等欧洲巨头，都在与英伟达共建AI能力。法国Mistral的新一代大模型，就是在欧洲本土数据中心、用3800张英伟达GPU训练出来的——这是黄仁勋最爱举的\"主权AI样板\"。演讲前两天（10月19日），他还与德国总理默茨同台出席“投资德国”峰会，探讨AI如何改造德国引以为傲的汽车与工业体系。

二、主权AI：算力可以买，数据买不来

这场演讲的底色，是“主权AI”。欧洲的焦虑有制度根源：GDPR实施多年，欧洲对个人数据保护、数据出境与外部技术依赖格外敏感。当AI成为像电力一样的基础设施，“AI工厂建在别人的土地上、用别人的云、跑别人的模型”，就不再只是商业问题，而是产业命脉问题。

据美联社报道，就在GTC前夕，黄仁勋提醒德国制造企业：拥抱AI、推进自动化的同时，要保住自己的工业know-how，把数据留在德国。

这句话点破了主权AI的真正结构。主权AI有三层：

算力主权，可以买。集装箱式的AI工厂14天就能交付，钱到位，机架就到位。
模型主权，可以训。开源模型、训练工具链日趋成熟，Mistral已经在欧洲做出了样板。
数据主权，买不来。企业的生产数据、客户数据、工艺数据，是几十年经营沉淀下来的资产：搬不走，因为它就是业务本身；复制不了，因为它是独一无二的经验；也泄露不起，因为它就是竞争力本身。

更关键的是，AI正在同步放大数据的风险敞口，至少有三重：

汇聚即靶心。传统IT时代，数据分散在各业务系统里；AI工厂时代，训练语料、业务数据库、知识库被集中汇聚到数据湖与向量库中，攻击者一次得手，就可能端走企业的\"数据全集\"。
调用即通道。智能体被授予直接访问生产数据库、调用业务系统的权限后，每一次调用都是一个潜在的数据出口；权限给大了是越权，审计跟不上是黑箱。
流通即扩散。跨部门、跨机构的数据共享与联合建模成为常态，数据一旦流出边界，靠合同约束，远不如靠技术约束可靠。

这不是欧洲独有的问题。在中国，政务、金融、能源、制造等行业推进本地化AI部署时，面对的是同一道题：《数据安全法》确立的数据分类分级保护制度、《个人信息保护法》的合规要求、数据出境安全评估规则、关键信息基础设施保护要求——都指向同一个原则：数据治理必须与AI建设同步规划、同步施工，而不是模型上线之后再补一课。AI工厂的施工图上，应该有数据安全的一页。

三、先把数据的护城河挖好

安恒数盾数据安全解决方案，正是为这道题准备的。它以“身份”和“数据”为双中心——既管谁在访问，也管被访问的是什么数据；覆盖数据收集、存储、加工、使用、提供、交易、公开的全生命周期；并将防护场景划分为生产区、测试开发区、应用区、共享开放区、运维管理区、数据要素安全流通区与数据安全态势感知区七大区域，体系化应对不同场景下的数据风险。落到AI场景，它的四项核心能力正好对位：

摸清家底：训练数据先分级，再入湖。 AiSort通过网络嗅探与数据库协议解析主动发现数据资产，基于深度学习等AI识别技术自动完成敏感数据识别与分类分级，生成数据资产目录；同时对数据库的用户权限、弱口令、安全配置基线与漏洞做全面梳理。安恒已将自研恒脑用于数据分类分级场景，显著提升了分级的效率与规模——摸清家底这件事，本身就可以用AI来做。

管住访问：不管访问者是人还是智能体。 AiGate数据安全网关以数据库虚拟补丁技术在数据访问路径上建立防护层，无需升级数据库补丁，即可让漏洞“隐形”；同时提供独立于数据库自身的第三方权控体系，对特权账号的高危操作（如批量删除、清空表）实时拦截并告警，确需执行的危险操作，须提交临时授权工单、经多级审批后方可进行。把智能体的数据库访问也收口到同一条受控通道，权限最小化、操作可审计，Kumo式“智能体直连数据库”才能放心落地。

看清全局：识别“不像人”的访问。数据安全态势感知通过风险评估、数据梳理、访问监控与大数据分析，持续评估数据资产的价值、弱点与威胁；并结合UEBA异常行为分析等智能化手段，识别异常的数据访问模式。智能体的批量读取、高频查询，与人类运维的行为特征截然不同——看得见，才能管得住。

流通可用不可见：数据敢共享，才能生金。面向数据共享开放与联合建模场景，数据要素安全流通能力结合隐私保护计算技术，综合运用联邦学习、安全多方计算等手段，实现数据所有权与使用权的分离，保障原始数据“可用不可见、可用不可取”，让跨机构的数据合作可控、可溯。主权不是把数据锁死，而是让数据在不出域、不失控的前提下流动增值。