公众号记得加星标⭐️，第一时间推送不会错过。
英伟达GTC柏林2026大会，黄仁勋照例一身黑皮衣登场，又带来了一次重磅演讲。今年年初，他曾提出一个“五层蛋糕”架构来描绘AI产业的版图：能源 → 芯片 → 基础设施 → 模型 → 应用。五层自下而上堆叠，勾勒出这场技术革命的完整链条。
而这一次，他显然不满足于“画架构”，他的视线正从“技术如何构建”转向一个更现实的命题：技术如何真正投入使用、如何变成产能、如何开始赚钱。如果说五层蛋糕回答了“AI产业长什么样”，那么本次GTC给出的答案则是——“谁来建、怎么建、多快建”。
从6个月到14天，“AI工厂”有了新范本
过去建一座AI数据中心，靠的是工地、工人和漫长的调试周期；而英伟达在GTC上发布的DSX POD参考设计，试图把这个逻辑彻底改写——整套Vera Rubin AI工厂在合作伙伴的工厂里装进模块化集装箱，线缆、电路、液冷管路全部布设完毕并通过功能验证，运抵现场后接上电力、冷却和网络即可开机。值得一提的是，这一部署周期的单位从“月”变成了“周”：现场部署从6个月压缩至最短14天。
部署周期变快的背后是产业理念的转变。按照黄仁勋的话来说：“AI工厂的价值，始于它开始产出Token的那一刻，而不是厂房施工完工之时。”换句话说，在AI基础设施这门生意里，“建成”不等于“交付”，能跑模型、能出Token、能接生产负载才是。
DSX POD 将计算、网络、线缆布线、机架级供电以及液冷系统的集成与安装工作转移至生产工厂完成，减少传统现场建设模式下繁重的规划、施工、专业人力投入与物流压力。本质上是在把数据中心建设从“工程项目”改造成“制造业品控流程”。
而在工厂完成测试的集装箱设备，可以规避零部件交付延期风险，减少成本高昂且容易出错的现场施工环节，大幅缩短模型训练与生产推理的落地周期。对于客户而言，营收起点被大幅提前。这也是“首次产出Token”这个概念被反复强调的原因，它正在成为衡量AI基础设施投资回报的新锚点。
三年2.5倍载板产能，CPO光引擎15倍扩产
DSX POD要落地，前提是硬件供给跟得上。英伟达同日宣布的供应链扩产计划，规模同样惊人。未来三年，自身产品对应的载板产能将提升至现有2.5倍，并拉来六家顶级制造伙伴分头承接关键环节。
在载板领域，英伟达向揖斐电支付数十亿美元产能预付款，其日本大野工厂扩产后，目标产能达到当前水平的3倍，新增产能预计自2028年第一季度开始爬坡；三星电机初期将利用韩国现有产能供货，并推进韩国世宗、釜山工厂升级及新建项目。到2028年，分配给英伟达的产量预计将占三星电机年度封装基板总产能的相当大比例。欣兴电子中国台湾KF基板扩产预计于2027年第二季度开始贡献产能，并于2028年年中达到满负荷运转。
在先进封装领域，英伟达与Amkor在韩国扩产，目标2028年底中介层晶圆产能提升3倍以上。
在测试领域，2026至2027年整体半导体测试产能翻倍。英伟达向京元电子支付11亿美元预付款建设美国测试厂，2027年4月量产；新加坡产线2027年2月量产。
在共封装光学（CPO）领域，英伟达与SPIL在中国台湾扩产光引擎，2027年中产能扩至15倍，2028年底再翻一番。
英伟达用真金白银锁定产能，供应商则敢于重资产扩产。这已经超出传统采购关系，英伟达不自己建厂，但通过资本纽带把全球最顶尖的载板、封装、测试、光引擎厂商纳入自己的产能体系。
“我们正处于新一轮工业革命的开端”
在会上，黄仁勋直言，“经过计算机行业数十年的发展，我们现在正处于新一轮工业革命的开端。”核心技术突破之后，胜负手从来不是技术本身，而是能否大规模制造、快速部署、持续供给。
需求端已经拉满。Vera Rubin全面投产后，平台能力将从普通模型、大语言模型拓展到完整的AI智能体任务。Agent意味着更复杂的工作负载、更长的推理链路、更持续的Token消耗，对应的是对算力基础设施“量”和“持续供给能力”的双重渴求。尤其是CPO光引擎15倍、再翻一番的扩产计划，指向的是下一个瓶颈，即大规模计算集群内部互连：当单卡性能逼近物理极限，“把更多的卡连成更大的系统”成为刚需，而光互连正是那条路。
供给端，谁能更快把工厂立起来，谁就能承接这轮浪潮。DSX POD恰好回应了这个需求：模块化、工厂预制、部署快，天然适合快速复制落地，绕开各地数据中心施工能力和人力的限制。
所以把这些都串联起来，英伟达的棋路也就清晰可见：用DSX POD重新定义AI基础设施的“交付形态”，用供应链预付款锁定“供给上限”，再用全栈平台绑定“需求入口”。竞争对手还在追赶芯片，而英伟达已经把竞争的维度拉升到新的层级——谁能以周为单位、在全球范围交付一整座AI工厂。这也许才是本次GTC最值得关注的信息：AI竞赛的下一场，拼的不只是单个产品的性能，或许还有制造、物流和供应链的工程化能力。
