参数还得看，但参数已经不是“买到的东西”本身。10月21日，英伟达把GTC第一次搬到欧洲主场，黄仁勋在柏林给AI换了一个身份：人工智能其实是一种制造业，不只是软件技术，“一种机械、一种基础设施、一座工厂”，生产的是能融入各行各业的智慧。 与定义同场发布的，是一套新标尺：他公布的DSX POD把AI工厂“从开始部署到产生token（词元）”的时间，从约6个月压到最短14天，2027年初在全球交付。 AI一旦被称作制造业，买AI硬件就得像读一条产线：单芯片参数退居为产线投入项，真正决定性价比的，是它何时开始产出、每单位产出耗多少电和水。北京日报第一财经
“AI工厂”不是修辞，是已经上架的产品
黄仁勋摆出的框架是一块“五层蛋糕”：能源驱动计算机，计算机组成AI工厂，工厂运行模型生产token，token再嵌进各类应用。用他的话说，旧时代的工厂把煤炭变成电力，新时代的AI工厂把电力变成智能。 他给欧洲的喊话也因此换了动词：不能只是消费AI，还要生产AI。知乎知乎
这个身份被做成了可交付的货物：DSX POD把约1000万个零部件、重约2.8万公斤的计算系统装进集装箱，内部20公里铜缆、3500根线缆和17公里横向扩展网络全部在工厂完成接线与测试。 电和水同样按产出效率计价：英伟达称DSX平台力争在相同token产出下最多节电30%，闭环液冷不蒸发水，放大到2GW规模每天可省5400万升水，相当于18万户家庭的日用量。第一财经知乎知乎
黄仁勋自己算了经济账：每吉瓦数据中心建造成本约500亿美元，预期年收入400亿美元，晚投产三个月就是约100亿美元。 所以他把工厂的价值定义改写成一句买硬件的新常识：价值始于产出token的那一刻，而不是大楼封顶的那一刻。第一财经知乎
市场正在要“算账”，这把尺子才显得急
演讲前两周，全球半导体股遭抛售：截至10月14日，韩国综合指数10月内跌超9%，存储厂铠侠跌超10%，费城半导体指数一度跌超3%。36氪
高盛在年中策略报告里给这轮定名：“AI投资进入回报验证期”——超大规模云厂商的支出已约占其运营现金流的92%，高于互联网泡沫时期水平。 同一时间窗里，Anthropic的600亿美元债券融资票息开到10%，CoreWeave股债双杀，澳洲数据中心商NextDC因电力延误下调指引、股价一度闪崩44%。 面对CoreWeave违约率被定价超六成的传闻，黄仁勋数日前的回应是：融资成本在下降，无需英伟达兜底。 GTC柏林的答案正是冲着“算账”去的：不谈口号，谈投产速度、单位电耗、单位水耗。36氪知乎36氪
以后买AI硬件，先看这三件事
终端侧英伟达递出的样本，是演讲前一周（10月16日）开售的RTX Spark笔记本：FP4 AI算力最高1 Petaflops，统一内存最高128GB，Blackwell RTX显卡与Grace CPU被封装成一颗超级芯片。 黄仁勋给它的对照物是2016年交付OpenAI的DGX-1——同样128GB内存，当年需要两个人抬上楼。知乎知乎
按“产线”读这台电脑，买家的三连问顺序变了：第一问能不能装下——统一内存容量决定多大的模型能跑在本地；第二问跑得多快——FP4口径的有效算力，而不是传统游戏跑分；第三问能不能干活——黄仁勋把它定义成“个人Agent”：你不再是“使用”软件，你是在“雇佣”电脑，模型、执行框架、安全沙箱、知识、工具缺一不可。知乎
这套“雇佣关系”的底座是英伟达与微软秘密合作的四年、数千个工程师年。知乎
参数没有被作废，但它要重新排队
单颗Vera Rubin GPU仍有20 petaflops算力，NVLink把72颗连成一台“巨型GPU”；黄仁勋给出的代际数字是——摩尔定律十年预期100倍，英伟达靠全栈协同做到了100万倍。 参数依然是入场券，只是从“终点”降为“产线投入”：一台跑不满的机器，纸面算力再高也只是库存。知乎
同时要划清口径边界：“6个月缩到14天”以现场水电就绪为前提，“最多节电30%”以同等token产出为前提，DSX POD的全球交付要等到2027年初；而token本身值多少钱，市场正在压价——DeepSeek9月一轮调价已把缓存命中价格砍去60%。 对企业买家，合理的动作是把“首token时间”“单位产出能耗”写进采购与验收；对普通用户，先问模型装不装得下、跑不跑得动。参数还会留在配置单上，只是从此要回答制造业最古老的那个问题：什么时候能开工，一单位产出多少钱。36氪
