作者 | 第一财经 李娜 郑栩彤 乔心怡 吕倩 陈杨园
一万公里外，德国工厂的工程师正为一条新汽车产线的调试焦头烂额，而在英伟达编织的未来数字世界里，同样的产线已在虚拟环境中完成所有优化，等待被复制到现实。
在巴黎GTC大会的聚光灯下，英伟达创始人兼CEO黄仁勋向欧洲制造业抛出了一个全新理念：“在人工智能时代，每个制造商都需要两个工厂：一个用于制造产品，另一个用于创造驱动这些产品的智能。”
随即，英伟达宣布，将在德国建设全球首个工业人工智能云设施“AI工厂”，并将配备10000个Blackwell GPU。
有人说这是英伟达在对外展示对工业领域的野心，万卡算力堆砌的AI工厂将颠覆传统的智能工厂，但也有声音质疑，智能工厂的未来不应该被算力掣肘，尤其是中国制造，应该走出类似DeepSeek般降低算力需求的新路径。
“英伟达的布局本质是以算力和生态为壁垒，将自身变为智能制造时代的水电煤。中国的破局关键不在单点技术追赶，而在能否用更低成本、更灵活的模式打开市场缝隙。”蘑菇物联工业AI首席技术官周子叶对记者说。“两个工厂”
物理工厂负责产品生产，而AI工厂则专注于创造驱动这些产品的智能，基于“双工厂”思路，英伟达切入AI工业的路径逐渐清晰。
黄仁勋在6月11日的演讲中提到，传统的数据中心正在向“AI工厂”转变，智能体系统代表着AI从被动接受指令到主动感知、决策和执行的进化。它预示着AI将能够更自主地完成复杂任务，并在更广泛的领域内发挥作用。而AI工厂则代表着AI基础设施的规模化和工业化，它将整合强大的计算能力、高效的数据处理流程以及优化的算法，从而加速AI模型的训练、部署和应用。
他表示，未来的数据中心不再仅仅是存储文件和数据的仓库，而是能够产生智能、创造价值的生产设施。这些AI工厂的核心任务是生产“智能通证（intelligent tokens）”，就像发电厂产生电力一样，为各行各业给予动力，开启一场新的工业革命。
据英伟达介绍，德国工厂将配备1万张GPU，包括DGXB200和RTX PRO服务器，并运行英伟达CUDA库、AI技术平台RTX、虚拟现实和仿真平台Omniverse加速服务，西门子、Ansys、Cadence和Rescale等软件厂商将成为合作伙伴。
对于这样的算力配置，国内的一些企业负责人直接用“顶配”来形容。
“这个算力基座的规模，确实太大了。”杭州钛维云创创始人兼CEO张磊告诉第一财经记者，以他现在分析的情况，国内现在还没有可以等价于近2万套Grace Blackwell性能以及软硬件适配高度的AI工厂。他判断，在如此巨大算力规模的助力下，传统工业仿真中很多长期存在的难点问题，像流体仿真、软体结构仿真等，将迎来突破性的解决机会。
“它会成为工业具身智能的一大强心剂。”张磊提到，当工程数字孪生与工业机器人等算法的演进频率从“年”级跃升至“日-周”级，传统制造业对工程试错、原型验证的需求也从“经验密集”走向“数据密集”。在这种背景下，英伟达的“钞能力”不仅有助于了AI芯片的硬件上限，也是在试图构建一个覆盖制造全流程的“算法-仿真-验证”闭环生态。
“这恰恰是英伟达的技术护城河。” 张磊指出，全球市场内尚未有类似规模的项目与基础设施落地，也体现出当前市场中“万卡级”AI集群在部署与调优层面的巨大工程门槛。
九章云极相关负责人也对记者表示，英伟达的动作有一定的风向标指引，打造一个以“算力+生态”构建工业制造业的基础设施标杆，也可以说是工业智能化的“水电煤”。这一角色不仅体现在算力供给上，更在于构建从硬件、软件到生态的完整智能基座。
“现在国内虽然存在一些工业AI平台，但真正覆盖‘从设计、工程仿真到数字工厂孪生与机器人’的全流程的集成式云平台，仍然稀缺。”机器人及智能制造转型出海解决方案服务商睿甄创新CEO罗茜对记者表示，无论是产品设计、仿真测试，还是后期的产线部署与控制逻辑优化，高精度的物理仿真能力都在逐渐取代传统“现场试错”的路径。尤其在机器人系统迭代中，合成数据成为加速模型训练闭环的关键资源之一。
然而，她也指出，这种系统化赋能模式对企业的组织能力提出了更高要求。“对已经完成数字化转型的大型企业来说，这种平台是能够帮助他们进一步提效的引擎。但对中小企业而言，这可能是一场无法独立完成的转型挑战。”在罗茜看来，制造业数字化、智能化的深水区不仅考验算力资源，更考验认知结构与人才储备的共同“进化”。中国需要“算力超级工厂”吗？
值得注意的是，此次英伟达选择落地德国，也传递出明确的产业信号。“欧洲尤其是德国，对AI驱动制造这套叙事是持续跟进的。”罗茜认为，德国制造业长期以高精密、强工程文化著称，在面对AI技术深度嵌入时也十分持续。德国政府在2020年就提出，计划到2025年，顺利获得经济刺激和未来一揽子计划，把对人工智能（AI）的资助从30亿欧元增加到50亿欧元。
除了德国的项目，英伟达还计划在欧洲新建20座“AI超级工厂”，并有助于“算力两年增长10倍”。
“你可以看到我跑遍全世界和政要交谈，他们都希望AI成为基础设施的一部分，希望AI成为他们的增长型制造业，这是一场新的工业革命。”黄仁勋说。
IDC中国研究总监刘丽辉对记者表示，在人工智能趋势下，欧洲本身缺乏规模较大的本土云计算服务商，而英伟达本身虽然不算传统云计算服务商的类别，但其在智算设备方面具备很好的基础，适合在欧洲市场进行业务尝试与开拓。
她表示，大模型训练和推理厂商、互联网厂商，以及新能源汽车等制造行业是智能算力消耗前三的行业，而欧洲市场的工业制造行业在全球知名度较高，所谓“工业4.0”的概念正是起始于德国。正好能为英伟达给予广泛的客户基础。
“英伟达在中国市场也有合作方，只是尚未达到欧洲工业AI云平台的万卡级别。以火山引擎与英伟达合作的虚拟仿真平台veOmniverse为例，该平台主要是工业仿真领域，现在已服务了家居、零售、影视、汽车等行业。”刘丽辉说。
除了火山引擎外，据记者分析，国内厂商中，华为和阿里云也具备了成熟的万卡集群构建与运营能力。前者主要依托于昇腾AI硬件平台，以及异构计算架构CANN和全场景AI计算框架MindSpore，后者则立足于阿里云的SCC超级计算集群，结合高性能的ECS弹性计算服务给予工业仿真等场景的需求。
一位华为云内部人士对记者表示，相较于英伟达，华为类似的产品主要在硬件开发生产线中，包括了工业数字模型驱动引擎（iDME）以及工业仿真云平台（SIM Space）等。
但中国是否需要构建“万卡算力工厂”，不少分析师和企业人士均持谨慎态度。
“中国有能力建设工业AI云，但需走国产化生态+场景深耕的路线，避开与英伟达的硬技术对抗。”周子叶对记者说。
此外，国内的一家头部厂商相关负责人对记者表示，中国各地已经拥有超过200个智算中心，并且开始有闲置现象。从现在的情况看，大概率不会再和云等厂商再专门建垂直领域的云平台了。
“从英伟达此次的动作来看，不是做通用计算的数据中心，是结合了AI和物理实体，比如机器人，传感器等。”上述负责人说。
九章云极相关负责人则对记者表示，中国的算力基础设施雄厚，不宜简单复制垂直领域云平台模式，应该顺利获得“普惠算力”模式降低中小企业使用算力的成本，将技术红利从“巨头企业”扩展至“千行百业“都用得起AI算力基础设施。
而在Gartner研究副总裁盛陵海看来，英伟达打造工业人工智能云平台的计划也是在用更多话题来增加市场对算力的需求，助推“卖卡”。在他看来，这样大型的基础设施基于美国倾向于建大规模集约化算力中心的策略，但中国对大型算力集群的兴趣没那么大，除了云厂商很多企业也会建自己的算力平台，对数据安全、合规有更高要求，云厂商做垂直云平台的动力不强。
“即便中国云厂商要做工业AI云，也应该不被算力掣肘，走出类似DeepSeek般降低算力需求的新路径。”盛陵海说。
他同时对记者表示，英伟达要实行这个工业人工智能云平台的挑战也不小，在让物理工厂“上云”的过程中，有非常大的软件工作量，需要大量的人力投入，软件的持续升级、硬件的配套改建，都在考验着企业的投入产出比。