
德意志電信(Deutsche Telekom)正式在慕尼黑啟用了歐洲最大的專用 AI 工廠,這是一座旨在確保歐洲大陸數位主權的里程碑式設施。這座被稱為「工業 AI 雲」(Industrial AI Cloud)的數據中心由約 10,000 顆 NVIDIA Blackwell GPU 驅動,可提供高達 0.5 ExaFLOPS 的驚人運算效能。這次啟用標誌著德國及更廣泛的歐盟在減少對美國和中國超大型雲端業者(Hyperscalers)關鍵人工智慧基礎設施依賴方面,邁出了決定性的一步。
該設施位於慕尼黑的 Tucherpark,代表了 德意志電信(Deutsche Telekom) 與 NVIDIA 之間 10 億歐元的共同投資。它是專為工業領域設計的,提供訓練複雜機器學習模型、運行高級模擬以及驅動自主機器人所需的高效能運算(HPC)。德意志電信執行長 Tim Höttges 將此次啟動描述為歐洲技術未來的「衝刺」,並強調該設施將主權 AI 的概念從政策討論轉化為有形的矽與鋼。
在 工業 AI 雲(Industrial AI Cloud) 的核心,是 NVIDIA 最新的 Blackwell 架構,這是一種針對現代生成式 AI(Generative AI)萬億參數規模進行優化的晶片設計。該設施部署了 NVIDIA DGX B200 系統和 NVIDIA RTX PRO Server GPU。這種配置不僅僅是為了追求原始速度;它是為「物理 AI」量身定制的——即將 AI 整合到製造、機器人與物流領域。
該基礎設施由強大的連接骨幹支持,配備四條 400 GB 光纖鏈路和 75 公里的內部光纖佈線,以確保低延遲的數據傳輸。存儲架構擁有 20 PB 的容量,足以處理工業數位分身(Digital twins)和大語言模型(LLM)訓練所產生的大規模數據集。
慕尼黑 AI 工廠 的核心價值主張是「主權」。在工業 AI 雲的背景下,這指的是歐洲企業在訓練和部署 AI 模型時,能夠將其專有數據嚴格保留在歐盟和德國的司法管轄區內。這種合規性對於汽車、醫療保健和金融等在嚴格的 GDPR 和商業秘密法規下運作的行業至關重要。
為了實現這一目標,德意志電信與 SAP 合作創建了「德國堆棧」(Deutschland-Stack)。這個軟體層將 SAP 的商業技術平台(Business Technology Platform)與底層硬體整合,為企業 AI 提供安全、合規的環境。透過確保數據處理、存儲和管理在德國法律管轄下的德國領土上進行,該設施解決了歐洲採納 AI 的主要障礙之一:對數據洩露給外國勢力的擔憂。
該設施已經開始運作,擁有多個引人注目的錨點客戶,他們正利用這些運算能力開發下一代應用。
這些合作夥伴關係突顯了該雲端的「工業」重心。與通用型消費者 AI 模型不同,這裡的工作負載專注於解決物理工程挑戰、優化供應鏈和自動化工廠車間。
考慮到 AI 超級運算的巨大能源需求,慕尼黑設施已改裝了先進的可持續發展措施。數據中心利用河水冷卻系統,利用當地地理環境為高密度 GPU 集群維持最佳運行溫度。此外,該站點已整合到慕尼黑的城市能源網路中,並計劃將伺服器產生的廢熱回饋到城市的區域供熱系統中。這種循環能源方法符合德意志電信更廣泛的淨零目標以及歐盟對數據中心的環境法規。
為了理解此次部署的規模,將工業 AI 雲的規格與標準企業部署進行比較是有幫助的。
表 1:技術與營運規格
| 特性 | 規格 | 戰略影響 |
|---|---|---|
| GPU 架構 | NVIDIA Blackwell (DGX B200 / RTX PRO) | 支援萬億參數模型的訓練 |
| 峰值效能 | 0.5 ExaFLOPS | 位居歐洲超級電腦前列 |
| 數據主權 | 100% 歐盟/德國管轄權 | 工業敏感數據的 GDPR 合規性 |
| 連接性 | 4x 400 GB 光纖鏈路 | 即時推論的超低延遲 |
| 冷卻系統 | 河水與廢熱回收 | 高能源效率(低 PUE 值) |
| 主要生態系統 | SAP 「Deutschland-Stack」 | 企業 ERP 系統的原生整合 |
慕尼黑 AI 工廠的啟用被廣泛視為對抗 AWS、Google Cloud 和 Microsoft Azure 等美國超大型雲端業者主導地位的對策。雖然硬體仍由美國設計(NVIDIA),但運營控制權顯然屬於歐洲。
NVIDIA 執行長黃仁勳(Jensen Huang)出席了啟用儀式,他指出:「每個製造商都需要兩座工廠:一座用於製造產品,另一座用於創造驅動產品的智慧。」有了這座設施,德國現在擁有了維持其「製造工廠」所需的「智慧工廠」。
展望未來,德意志電信計劃擴展這一模式,有可能在其他歐洲地區建立類似的主權 AI 樞紐。目前,慕尼黑設施證明了歐洲在全球 AI 競賽中保持競爭力的決心,並為傳統工業強國如何轉向演算法時代提供了藍圖。