以前建一座AI数据中心要多久？答案是6个月起步：搭机架、布线、装管道、接电网、反复调试，每一环都可能拖工期。而在刚刚结束的GTC柏林站上，黄仁勋给出了一个新答案——只要场地就绪，部署最快能压到14天。知乎知乎
办法简单粗暴：把整座AI工厂装进集装箱。
一个集装箱，1000万个零件
这套东西叫Vera Rubin DSX POD。机架、网络、布线、供电、液冷，全部在工厂里装好、测完、验证过，然后塞进标准集装箱发货。到现场只剩三件事：接电、接冷却、接网络。
别看它叫"集装箱"，里面塞的东西相当吓人：7个Vera Rubin NVL72液冷机架，约1000万个零部件，总重2.8万公斤——快赶上一辆主战坦克。内部铺了20公里铜缆、3500根线缆，还有17公里长的Scale-out网络，靠已经全面量产的Spectrum-X交换机互连，整套系统用800V直流供电。C114通信网
黄仁勋在现场喊出的口号是：“The Container is the AI Factory”——集装箱即AI工厂。
老黄的新账本：晚3个月=亏100亿美元
为什么英伟达突然卷起了"交付速度"？因为AI工厂这门生意，时间比单价贵得多。
黄仁勋自己算过一笔账：一座1GW的数据中心，投资约500亿美元，建成年收入约400亿美元，晚投产3个月就是100亿美元的营收损失。他的原话是：“AI工厂的价值在于开始生产Token之时，而非施工结束之日。”C114通信网
翻译成人话：机器在仓库里多躺一天，客户就多烧一天钱。所以英伟达这次卖的不是更快的芯片，而是三个字——不用等。
对英伟达自己，这也是商业模式的升级：卖卡是一锤子买卖，卖"开箱即用的工厂"是长期收租。
电费省30%，水几乎不用
DSX POD还顺手解决了AI数据中心最被诟病的两件事：电和水。
先说电。配套的DSX MaxLPS像个电力调度大脑，动态调配电力匹配负载，同样的token产出下最高省电30%。早期测试里，Blackwell Ultra集群在模拟电网事件下能把负荷降40%，关键业务照常跑。知乎
再说水。传统数据中心靠冷却塔蒸发散热，是耗水大户。DSX POD改用温水闭环液冷+室外干式冷却器，进液温度最高45℃——比浴缸里的水还烫，冷却用水却接近于零，在2吉瓦规模下每日节水约5400万升。这套设计在欧洲尤其吃香——德国对新建数据中心的用水指标卡得很死。知乎知乎
一个反常识细节：四个工位，没有一个叫"训练"
有知乎作者拆了DSX POD的机架配置，发现一个挺有意思的事：NVL72负责推理，MGX面向安全Agent，CMX做存储和知识服务，RTX跑CUDA-X工具链——四个工位并排看，没有一个是训练。知乎
过去三年，行业比的是谁的训练集群大；现在风向变了。训练是一次性投入，推理是持续性支出，Agent时代更是如此。谁的推理成本低、上线快，谁才能笑到最后。英伟达把整个产品定义从"算力军备"转向"推理交付"，这才是这次发布最值得琢磨的信号。
跟普通人有什么关系？
短期看，DSX POD 2027年初才开始全球交付，买它的是云厂商和大企业，轮不到个人用户。知乎知乎
但间接影响是真实的：交付快、能耗低，意味着算力供给上得更快。算力供给了，云端AI服务才有降价空间；推理成本降了，你手机里的AI助手、游戏里的DLSS、自动驾驶的迭代，才会越来越快、越来越便宜。
GTC现场还有个插曲：演讲中途有人抗议打断，黄仁勋让保安"下手轻点"，然后笑着说"先让我把演讲讲完"。这份松弛背后，是一个把护城河从芯片挖到电力、冷却和交付周期的英伟达。知乎
当建AI工厂像买台式机一样"下单即开箱"，AI这个行业的节奏，只会越来越快。
