中国工业报 王珊珊
“每个制造商需要两个工厂：一个制造产品，一个制造智能。”
近日，在巴黎GTC大会的镁光灯下，黄仁勋再次表演了一场关于“未来工厂”的惊艳演说。上述那句极具穿透力的口号，为英伟达宣布在德国建设首座“AI工厂”定下了基调——一个以一万张Blackwell GPU堆砌而成的数字工厂，将推动制造业进入具身智能的新时代。
但对中国而言，这场由“万卡”驱动的工业革命，究竟是值得全力追随的未来范式，还是一场以算力包装的技术泡沫？
英伟达的战略重塑：卖卡，更是卖“水电煤”
在6月11日的演讲中，英伟达CEO黄仁勋系统阐述了"双工厂"战略构想，该战略将生产体系划分为物理工厂和AI工厂两大板块：前者专注于实体产品制造，后者则致力于创造驱动产品的智能内核。
AI工厂的变革性意义在于，数据中心功能跃迁，从传统的数据存储中心进化为智能生产设施；通过整合算力、算法、数据三要素，实现AI模型的工业化生产；产出"智能通证"这一新型生产资料，就如电力之于工业革命。
德国示范工厂的建设体现了这一战略的落地。硬件配置，部署1万张GPU（含DGXB200和RTXPRO服务器）；软件生态，集成CUDA库、RTX平台及Omniverse仿真环境；产业协同，联合西门子、Ansys等工业软件巨头构建完整解决方案。
这一创新模式预示着AI发展正进入新阶段。智能体系统实现从被动响应到主动决策的进化，AI基础设施呈现规模化、工业化特征，各行业将获得持续稳定的智能供给。
正如黄仁勋所言，AI工厂正在成为新工业革命的核心引擎，其产生的智能通证将为全球经济注入全新动能。
常信科技CEO葛林波接受中国工业报采访时表示，从算力作为未来基础设施的角度来看，英伟达“AI工厂”的万卡算力布局恰是算力向“工业水电”进化的缩影，大模型训练与工业仿真等垂直场景正共同驱动算力向基础设施进化。英伟达万卡算力支撑工业仿真难题突破，AI模型迭代频率从“年”跃至“周”，要求算力成为可持续供给的基础资源；德国工厂数字孪生调试、制造业全流程闭环等场景落地，则推动算力通过云平台与工业AI渗透至生产环节，其与软件厂商的合作正是在构建算力“传输网络”。
科技领域观察者、深圳东风环境有限公司副总裁胡双接受中国工业报采访时表示，表面来看，这是一场由算力驱动的科技秀。实质上，英伟达是在重构制造业的基础设施逻辑。从GPU卖家到工业智能底座的“供应商”，英伟达的转型并非简单地将芯片卖进工厂，而是用Omniverse+GPU+仿真平台+生态合作伙伴，构建一个“AI即基础设施”的工业图景。如同电力之于第二次工业革命，英伟达希望将自己变成第三次工业革命的“电网”：制造业的每一个决策、每一次验证、每一次迭代，都是以GPU为电、以算法为逻辑、以仿真为现实。
天娱数科首席数据官吴邦毅接受中国工业报采访时表示，英伟达德国“AI工厂”的核心价值之一在于其直面并破解了工业智能化进程中的“数据缺失”瓶颈。首先，填补“物理世界数据鸿沟”：许多工业场景（如极端工况测试、新品研发、复杂故障模拟）难以获取足量、高质量的真实数据。AI工厂通过高保真虚拟仿真（数字孪生），在Omniverse中生成海量、标注精确的合成数据，有效弥补了现实数据的稀缺性和获取成本高昂的问题，为训练可靠的工业AI模型（如预测性维护、机器人控制）提供了燃料。其次，突破“小样本学习”困境：传统工业领域（如精密制造）往往依赖专家经验，难以转化为结构化大数据。万卡算力驱动的生成式AI，能基于有限样本生成多样化、符合物理规律的衍生数据，极大缓解特定场景下样本量不足导致模型泛化能力差的难题，加速冷启动。另外，规避“数据孤岛”与合规风险：跨国企业或供应链协同常受数据主权、隐私法规限制。AI工厂在本地（德国）构建算力与生成能力，能在合规边界内“就地”生成、处理敏感数据（如核心工艺参数），减少跨境传输风险，同时通过合成数据保护核心Know-how。
“英伟达描绘的‘AI工厂’美轮美奂，但真正把物理工厂‘上云’，远非GPU采购那么简单。第一是软件鸿沟。从CAD到工业数字孪生、从机器人控制到仿真引擎，每一层都需要深度集成与定制开发，这是人力成本极高的软件工程。第二是组织成本。AI工厂的真正门槛在于‘认知与管理体系’，它要求企业不仅拥有数据资源，更需具备对数据、算力、仿真链条的深度理解与组织能力。第三是ROI挑战。对于大量利润微薄、迭代慢的制造企业而言，能否在可控周期内收回对AI工厂的巨额投资，是必须直面的现实问题。英伟达的‘万卡神话’，是否也面临类似特斯拉FSD那样的“技术乐观vs商业冷静”的周期性考验？”胡双分析道。
中国路径：硬追英伟达，还是轻量破局？
值得注意的是，欧洲尤其是德国，对AI驱动制造这套叙事是积极跟进的。此次英伟达选择落地德国，也传递出明确的产业信号。据悉，德国政府在2020年就提出，计划到2025年，通过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。胡双认为，德国具有良好的工程文化土壤和产业政策支撑。
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”，并推动“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。
据第一财经报道，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。除此国内厂商中，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弹性计算服务提供工业仿真等场景的需求。
一位华为云内部人士表示，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（SIMSpace）等。
但问题在于，中国制造业，真的适合复制这条“万卡级”路线吗？
中国并不缺“卡”。工信部下属研究机构赛迪顾问人工智能与大数据研究中心高级分析师白润轩曾对媒体表示，截至2024年上半年，国内已经建设和正在建设的智算中心超过250个。
胡双指出，不乏万卡级集群，却出现了结构性闲置的现象。这背后隐含的逻辑是：“卡”够了，场景没跟上；架构先进了，产业承载力不足。英伟达的工业AI云，本质是一套“硬算力+软生态”的封闭系统，门槛极高，适合具备强组织力和资金力的大型企业。但中国制造业90%以上是中小企业，当前更需要的是“低门槛、轻生态、快部署”的AI基础设施。这也是为何“DeepSeek式”架构正在获得政策与资本青睐——不是堆芯片，而是通过模型压缩、稀疏训练、知识蒸馏等技术，用更少的卡，做更多的事。这条“弱算力强智能”的路线，或许才是中国破局英伟达“算力霸权”的正确姿势。
葛林波表示，任何基础设施普及初期都存在“超前投入”特征，如19世纪铁路建设热潮。英伟达计划在欧洲布局20座“AI超级工厂”，而中国建成200多个智算中心，本质是为AI应用爆发储备产能。当前市场正从“堆砌算力”转向效率竞争，中国企业探索的“普惠算力”“降低算力需求”路径，类似电力行业从“发电规模”到“智能电网”的进化，核心在于将算力转化为解决方案而非单纯硬件。
他认为，中国算力发展需走“场景+生态”的差异化路径。国内企业已具备万卡集群能力，但关键在于以“更低成本、更灵活模式”降低中小企业使用门槛，并依托制造业场景多样性（如新能源汽车），通过“工业数字模型”“仿真云平台”等定制化优化算力效率，而非盲目复制英伟达的“算力+生态”模式。算力泡沫本质是技术进化的阵痛，其价值不在于规模而在于对生产力的转化。中国需在投入中平衡技术与产业需求，让算力真正成为滋养千行百业的底层基础设施，正如电力的价值最终体现在点亮工厂与家庭，而非发电机数量本身。
吴邦毅分析，我们亟需加强工业物理引擎与合成数据生成技术的自主投入。与其单纯追求硬件算力堆砌，更应聚焦如何利用轻量化仿真工具（如国产CAE+AI）为中小企业“造数据”，降低其智能化门槛。数据缺失的解决能力，将是未来工业AI竞争的关键维度。英伟达此举实质是定义了下一代工业数据的“生成基础设施”。数据缺失是工业AI化的根本障碍，英伟达AI工厂通过“虚拟生成”大规模填补数据缺口，此举破解了关键瓶颈并构建新壁垒，中国需在数据生成能力上加速自主创新。
胡双表示，中国需要“AI工厂”，但不一定是“英伟达式”的AI工厂。真正适合中国国情的路径，或许是分布式轻量化算力体系，依托开源模型、边缘计算与混合云，构建中小企业用得起的“普惠智能平台”；场景驱动的智能部署，从数字孪生、机器视觉、缺陷检测等垂直场景出发，构建逐步演进的能力栈；国产化软硬融合生态，以华为昇腾、寒武纪为硬件底座，以MindSpore、九章云极等平台为抓手，推动软硬协同。
正如蘑菇物联工业AI首席技术官周子叶所言，中国的破局，不在单点算力追赶，而在通过技术模式创新撬动“非标市场”。
“在AI工厂面前，我们需要‘制造力冷静‘’，英伟达的AI工厂，是资本、技术、品牌、生态四力合一的产物。它具有划时代意义，但并不适用于所有市场，更不是所有国家都该仿造的模板。”胡双坦言，
对中国而言，更重要的是守住制造业的韧性与多样性，在“算力不平权”的格局下，走出自己的“技术降维路径”。
制造业的下一场革命，不一定始于万卡的轰鸣，也可能来自一颗“低功耗、高智能”的国产芯片。
请输入验证码