当地时间10月20日到22日，英伟达GTC大会在德国柏林举行。 你可能以为黄仁勋这趟是去发布新显卡的。他真正想做的事，比发布显卡大得多： 让整个德国制造业，装上AI 。 在柏林「投资德国」峰会上，他与德国总理默茨对谈，英伟达宣布投资四家德国初创企业、与西门子合作推进AI工厂。100多场专题分享，主题从加速计算到智能体AI、物理AI、机器人、AI基础设施。 黄仁勋有一句话值得裱起来：下一波AI浪潮，将与物理世界紧密结合。 和你有什么关系 你可能觉得德国工厂、制造业AI化离你很远。但这是AI行业最重要的一个转向信号：上半场拼算力，下半场拼「谁能把AI装进真实世界」。这个转向会决定三件事：你的工作会不会被替代、你的技能还值不值钱、你所在的城市会不会被产业AI化甩下。看懂黄仁勋这次柏林之行，你就看懂了AI下半场的规则。 1 黄仁勋不卖显卡了，改卖AI工厂 先纠正一个惯性认知：GTC是英伟达一年一度最重要的技术大会，往年主角是新一代GPU。但这次在柏林，主角变了。 重心从「卖GPU」转向「卖AI工厂」 ：GPU只是零件，AI工厂才是产品。黄仁勋要卖的不是芯片，是一整套「把算力变成生产力」的流水线。 证据摆在明面上：投资四家德国初创企业，与西门子联手推进AI工厂，设100多场专题分享，聚焦智能体AI、物理AI、机器人和AI基础设施。大会同步公布基于8192块GPU完成104量子比特容错量子计算模拟的成果，也是在证明同一件事：算力不是为了跑分，是为了干活。 为什么在AI泡沫疑云最重的时候，他把摊子越铺越大？因为叙事在换题。 上半场，英伟达靠卖「铲子」赚翻了：淘金热里最稳的生意是卖铲子，AI热里最稳的生意是卖芯片。但卖铲子的终局是什么？是淘金的人越来越少。黄仁勋比谁都清楚：芯片生意的天花板，取决于有多少AI工厂真正建起来、转起来。 所以他不只是卖铲子，他开始帮你规划矿场、帮你挖到金子 。卖芯片的终局是给芯片找用武之地，AI工厂就是最大的买家。 AI的下半场，比的不是谁的芯片多，是谁能让芯片在车间里真正干活。 这次为什么选柏林？答案在黄仁勋自己的话里：上一次重大工业革命是电气化，电气化催生了三个地理上的领先者：德国、美国和日本。德国是上一次工业革命的赢家，也是这次AI工业革命最想争取的样板。拿下德国，等于给全世界制造业大国立了一个标杆：连德国都装了AI，你还在等什么。 2 电子永远无法取代原子 黄仁勋在柏林说了第二句值得裱起来的话：电子永远无法取代原子。 这句话是说给所有以为AI要颠覆制造业的人听的。他的判断恰恰相反： 数字技术不会取代制造业，只会放大制造业 。德国深厚的工程与制造知识无可替代，那些几十年积累下来的工艺数据，是德国的「自然资源」，AI只会让这些优势更大。 这背后是AI的一次大转向： 物理AI 。 过去几年，AI活在屏幕里：写文章、画图、聊天。下一波AI要离开屏幕，走进车间：机器人、制造业、汽车、重工业，都要长出智能。 中国工程院院士于海斌说得更精确： 物理AI，是人工智能从数字空间走向真实物理世界的关键一跃 。 他还给「这一跃」立了标准，世界模型要有三项能力： 先模拟再行动 ，在真实环境动手之前，先在内部模型里推演一遍； 补全看不到的信息 ，基于已知推断被遮挡或缺失的部分；预 测未来发生什么 ，预判下一步的走向。 这三项能力，恰恰划出了AI的真实水位：只会复述已经发生的事，那是记忆；能判断没看到的环节出了什么问题，那是经验；能说出接下来会怎样，那才叫懂。 今天的大模型，最擅长的恰恰是第一层：复述与生成。它们知道很多，但不会预判。 从「知道」跨到「预判」，是AI真正的跃迁，也是物理AI要补的课 。 举个眼前的例子：一条汽车产线，过去靠老师傅的经验判断焊接质量，现在装上物理AI，先在数字模型里模拟每一次焊接，再根据传感器数据补全看不到的瑕疵，最后预判哪一批零件可能出问题。车间里没有魔法，只有把老师傅几十年的经验，变成机器也能用的判断力。这，就是物理AI的落地方式。 AI上半场学会了说话，下半场要学会干活。 3 这场工业革命，没有第二次机会 黄仁勋对德国总理默茨说了一句很重的话：这场工业革命声势浩大、威力无穷，你们不会再有第二次机会了。 他不是在危言耸听。他这趟欧洲之行，先到法国、瑞典、英国，再到德国，挨个喊话。对德国的评价也很直接：不是没有人才，是想得太多、做得太少。 这句话，其实是说给所有产业大国听的，包括中国。 德国有百年工业积累，是制造业大国；中国同样是，而且拥有全球最完整的制造业体系。当AI开始进入物理世界，制造业大国反而是主场：车间、流水线、供应链，这些「原子」密集的地方，正是物理AI最好的训练场。 默茨在那场对话里也接住了这个信号：呼吁德国中小企业向AI开放数据。这句话的分量在于： 数据不是保密的资产，是喂给AI的养料
