NVIDIA云合作伙伴在欧洲扩展主权AI基础设施

英伟达在2026年10月21日GTC柏林站抛出的核心判断是：欧洲AI云生态的竞争焦点已从“有没有算力”转向“每一瓦电能产出多少智能”，而主权AI、开放模型与安全智能体三条主线正在同时被写进同一套全栈基础设施里。

这篇文章表面上是一份云合作伙伴的扩张清单，实质上是一份关于欧洲AI基础设施如何被重新组织的路线图。英伟达没有把自己定位成卖芯片的供应商，而是把自己定位成“AI工厂”整套设计规范的输出者——DSX平台、Vera Rubin、BlueField、Spectrum-X这些名词反复出现，说明它想锁定的是从电力调度到智能体权限边界的每一层。

电力约束才是欧洲AI云的第一性问题

Nscale的测试数据是全文最值得掰开看的一组数字：在GB300 NVL72系统上，DSX MaxLPS让同一电力预算内多塞进37%的GPU，聚合推理吞吐提升近50%。这不是一个普通的性能优化数字，它回答的是欧洲AI基础设施最痛的约束——电力接入周期长、电价高、监管严，每一兆瓦都必须榨出更多token。

当电力成为硬约束，软件层面的电力-工作负载协同调度就从“锦上添花”变成“准入资格”。

Nscale计划在五个欧洲市场部署Vera Rubin基础设施，做前沿模型训练和生产负载，这个“全栈垂直整合平台”的措辞意味着它不想只做裸金属出租，而是要把训练、推理、后训练打包成可交付的服务层。Crusoe走的是另一条路：为Vera Rubin平台设计液冷模块化AI工厂“Spark”，把容量推到离用户更近的地方做低延迟推理，客户名单里出现了Base44、Gradium、LTX、Wonderful这些模型和应用构建者。两条路径的共性在于，欧洲AI云的差异化不再靠GPU数量堆砌，而靠“电力效率×地理贴近×全栈集成”的三重组合。

开放模型正在从“可用”变成“可调优的生产资料”

Nebius在Vera Rubin NVL72之上接入Groq 3 LPX、用Spectrum-X以太网组网，落到Token Factory平台上做托管无服务器和专用端点——这套组合的目标很明确：让延迟敏感的智能体系统拿到更快的token生成速度。更值得注意的是Nebius的Physical AI Workbench，Rhoda AI、RoboForce、Sereact这些机器人公司已经在上面构建，说明欧洲的“物理AI”叙事不是空话，而是有具体的云平台承接。

Baseten与CodeRabbit的案例则给出了开放模型定制化的量化证据：用Nemotron 3.5 Lightning做代码审查路由，经过监督微调和强化学习，路由一致率从75.8%提升到80.7%，评估负载的推理成本估算下降50%。这组数字的意义在于，它证明了企业不必从头训练前沿模型，靠开放权重模型+后训练就能在特定任务上同时拿到准确率和成本的双重改善。

开放模型的商业价值不在“免费”，而在“可被后训练成专有生产资料”。

Fireworks与Era4的合作把Blackwell UltraGPU的直接液冷容量放到英国Chesterfield设施，瞄准金融、保险、生命科学；Mistral用3800块Grace BlackwellGPU在欧洲自有数据中心训出Mistral Large 4，并计划2027年交付Vera Rubin；Verda已经在生产环境跑Nemotron和Cosmos，用Dynamo开源框架做推理优化。这些细节拼出的图景是：欧洲的模型层和应用层正在围绕“开放权重+本地算力+后训练服务”形成一条不依赖美国超大规模云的独立供应链。

智能体的安全边界被做进了硅片

GTC柏林发布的OpenShell参考架构是全文最具战略含义的一段。它把智能体的权限控制拆成三层：Vera Rubin NVL72做模型推理，Vera CPU跑OpenShell做智能体harness和工具调用，BlueField-4 DPU运行NVIDIA Sentry做硅级强制执行。这个分层的关键在于，安全不再是一层外挂的API网关或策略引擎，而是被下沉到DPU的硬件执行层。

当智能体开始连接工具和业务系统，权限边界必须从“软件策略”变成“硅级强制”，否则企业不敢让它进生产。

支持这份参考架构的伙伴名单很长：Aleria、Baseten、Cassava、CoreWeave、Crusoe、DigitalOcean、Firebird、Fireworks、Firmus、G42、GMI Cloud、IREN、Lambda、Lightning AI、Nebius、Nscale、Radiant、Verda、Vultr。这份名单本身就是信号——欧洲及周边区域的AI云玩家集体押注同一套智能体安全架构，意味着“安全智能体部署”正在从差异化卖点变成行业基线。对从业者而言，这意味着未来做智能体产品的团队，权限模型的设计不能再等到上线前才补，而要在选云阶段就把OpenShell这类运行时纳入架构决策。

主权AI的实质是“数据驻留+能源主权+可审计栈”的三位一体

文章反复使用“sovereign”这个词，但真正支撑它的不是口号，而是具体的基础设施选择：区域AI云把Vera Rubin、BlueField、Spectrum-X整套DSX AI Factory平台放在欧洲、北欧、非洲和中亚，让客户对工作负载和数据驻留有更大的选择权和控制权。Aleria、Cassava Technologies、Firebird、G42、Radiant、SWI Compute、Vultr的扩张覆盖了从欧洲到中亚的广域地理，这背后是各国政府对“AI能力不能完全托管在境外超大规模云”的政治诉求。

主权AI的落地形态不是国产芯片，而是“本地电力+本地数据+可审计的全栈云平台”。

这对行业的影响是双面的。一方面，欧洲的模型构建者、工业企业、研究机构获得了更贴近数据和能源的算力选项，训练和后训练的排队周期有望缩短；另一方面，云伙伴们被绑进英伟达的全栈规范里，差异化空间被压缩到电力调度效率、液冷部署速度和行业解决方案的深度上。Nscale的37% GPU密度提升、Crusoe的模块化液冷、Nebius的Physical AI Workbench，都是在这个被压缩的差异化空间里找位置。

所以呢：欧洲AI云的竞争单位已经从“GPU小时”变成“每瓦智能产出”

把全文的细节串起来看，英伟达想传递的判断很清楚：欧洲AI云生态的扩张不是简单的容量竞赛，而是一场关于“电力效率、开放模型后训练能力、智能体安全执行层”的三线并行建设。对云伙伴而言，能不能拿到Vera Rubin的交付节奏、能不能把DSX MaxLPS这类电力协同软件用出数字、能不能在OpenShell参考架构上做出可审计的智能体部署方案，将决定它们在2027年前的站位。

对开发者和企业来说，信号同样明确：选云的标准正在从“有没有H100/B200”转向“这家云能不能在我的电力预算内给我更多有效token、能不能让我用开放权重模型做后训练、能不能在硅级层面给我的智能体划出权限边界”。Mistral用3800块Grace Blackwell训出Mistral Large 4、CodeRabbit把路由一致率拉高近5个百分点同时砍掉一半推理成本、Nscale在同等电力下多塞37%的GPU——这些数字才是欧洲AI云叙事里真正可复用的经验值。英伟达把GTC柏林的主题定为“主权、开放、为安全智能体而建”，本质上是在说：欧洲AI基础设施的下一阶段，拼的不是谁有更多卡，而是谁能在电力、开放模型和安全执行这三件事上同时交出可验证的工程答案。