AREX Feed Article
美国国防部第一台 DGX GB300 即将服役：NVIDIA 的军事 AI 野心不只是卖芯片
AI 军备竞赛的上游，不在战场而在超算机房
过去两年，外界讨论军事 AI，焦点几乎全在无人机蜂群、自主武器系统和战场决策算法上。但如果把镜头拉远一格，真正的上游竞赛藏在一排排液冷机柜里：谁能把最先进的 AI 算力部署到军方体系内，谁就掌握了下一代国防技术栈的底层开关。
6 月 29 日，NVIDIA 官方账号发布了一段视频，合作方是美国海军研究生院（Naval Postgraduate School，NPS）。视频中，NPS 基金会执行副总裁 Todd Lyons 详细讲述了 NPS 如何利用 NVIDIA DGX 和 Omniverse 技术生成合成数据、训练定制基础模型。同一时间，NPS 官方账号转发确认："NPS 即将成为 NVIDIA 先进 AI 硬件的驻地。"
这不是一次普通的品牌合作营销。按计划，7 月 22 日，NVIDIA DGX GB300 将在 NPS 蒙特雷校园正式剪彩——这是整个美国国防部体系内第一台 DGX GB300。同日开幕的 Converge @ NPS 活动上，NVIDIA CEO 黄仁勋将亲自出席炉边对话。
国防部首台 DGX GB300，没有去五角大楼，去了一座 75 岁的海军军校
一句话说清发生了什么：美国军方拿到了迄今为止最先进的 AI 超算，而接收方不是某个作战司令部，不是 DARPA，而是位于加州蒙特雷的一所研究生院。NPS 有约 1500 名在校军人学生、600 名教员，涵盖美国海军、海军陆战队及盟国军官。
这套 DGX GB300 NVL72 系统集成了 72 颗 Blackwell Ultra GPU 和 36 颗 Grace CPU，通过第五代 NVLink 以 130 TB/s 带宽互联，GPU 显存高达约 20 TB。与上一代 Hopper 平台相比，AI 工厂整体产出提升约 50 倍。
NVIDIA 与 NPS 的合作最早可追溯到 2024 年 12 月签署的合作研发协议（CRADA）。2025 年 10 月，NVIDIA 官方博客正式宣布向 NPS 捐赠 DGX GB300 系统。近 8 个月后，系统的安装和调试即将完成。
7 月 22 日至 24 日的 Converge @ NPS 活动将同时容纳国际校友研讨会、DGX GB300 剪彩仪式和黄仁勋炉边对话。NPS 基金会表示，预计将有超过 60 名国际校友和高级领导人参与。
72 颗 Blackwell Ultra、130 TB/s 互联带宽，NPS 拿到的不只是一台机器
NPS 的 AI 布局不是把一台超算搬进机房就完事了。它围绕 DGX GB300 搭建了一套"三台计算机"架构，覆盖从边缘到模拟再到训练的全链路。
第一台计算机在边缘：NVIDIA Jetson AGX 模组。它们被集成到无人水下航行器（UUV）等平台上，实时处理传感器数据——声呐、惯性测量单元、激光雷达、摄像头。MITRE 公司已经在它的 BlueTech Lab 室内水池中验证过这套方案。
第二台计算机在模拟：NVIDIA Omniverse + Isaac Sim。MITRE 开发的 ASPEN（Advanced Simulation for Planning and Enhanced Navigation）框架跑在 Omniverse 上，构建高保真数字孪生环境，模拟 UUV 在水下面对洋流、低能见度、声学干扰时的自主导航。ASPEN 还能接入实时遥测数据，做硬件在环训练。
第三台计算机在数据中心：DGX GB300。在这里，NPS 可以训练自己的基础模型。"我们会有自己的 NPS GPT，"NPS AI 工作组负责人、退役上校 Randolph Pugh 说，"本地部署能提供额外的隐私保护，让师生直接使用生成式 AI 大语言模型工具。"
这套三件套的杀伤力在于合成数据的闭环：用 Omniverse 生成高保真模拟数据 → 在 DGX 上训练定制基础模型 → 部署到边缘 Jetson 设备 → 采集真实数据回流优化模拟。Todd Lyons 在视频中将这个过程概括为"创造合成数据、训练定制基础模型、大规模部署解决方案"。
更值得关注的是 NVIDIA fVDB 框架的引入。fVDB 是一个 GPU 加速的深度学习框架，专门处理海量 3D 空间数据。NPS 用它融合遥测、声呐、卫星等多源数据，构建从海底到太空的虚拟环境模型。Pugh 举了一个例子：如果太空中发生碰撞产生碎片，"我们希望预测每一片碎片的去向，因为失控的卫星或碎片云极其危险。"
NPS AI 工作组副组长、美国海军上校 Michael Owen 补充了另一个维度："我们可以从独立研究、黑客马拉松项目或有资助的研究中孵化出成果，然后把它们连接到愿意资助或实战化部署的舰队。"
200 万美元、7 个攻关项目、一群带着舰队实战问题来上课的军人学生
NPS 的体制设计决定了它与普通大学实验室的根本不同：这里的学生来自作战舰队，带着实战中的具体问题入学，毕业后回到作战岗位推动解决方案落地。用 Owen 的话说："学生们既是从舰队带来作战挑战的人，也是回去后能推动方案采用的人。"
NPS 基金会为这场 AI 升级投入了最高 200 万美元，用于聘请导师、研究技术员和项目组合经理，以及直接资助基础设施和实验资源。基金会还通过"Digital Trident AI 挑战赛"向 7 个教授-学生团队分配了总计 82.5 万美元，项目覆盖从跨国海上态势感知、低成本导弹数字孪生、超长航时无人机到太赫兹成像监视等多个领域。
NVIDIA 方面则通过深度学习学院（DLI）提供教学资源，并在 NPS 校园设立了 AI 技术中心。Pugh 特别提到 DLI 的教员工具包"对 NPS 培养下一代 AI 领导者的教育至关重要。"
MITRE 作为技术合作方，提供了 ASPEN 仿真框架和联邦 AI 沙箱（Federal AI Sandbox）环境，后者跑在 MITRE 自己的 DGX SuperPOD 上，用于训练大语言模型和天气预报模型。Dell Technologies、Sterling Computers 和 NVIDIA 联合捐赠了跨非密、受控非密和机密环境运行所需的基础设施。
Google 和 Microsoft 也在抢五角大楼订单，但 NVIDIA 押的是更底层的东西
把 DGX GB300 送进军方体系，不是 NVIDIA 一时兴起。2025 年底，NVIDIA 宣布与甲骨文和美国能源部合作，为美国政府建造七台新 AI 超算。2025 年 12 月，黄仁勋在 CSIS（战略与国际研究中心）发表关于"确保美国 AI 领导地位"的炉边对话——那场活动的主办方正是华盛顿最有影响力的国家安全智库之一。
但与 Google、Microsoft、Amazon 以云服务和软件平台争夺国防合同不同，NVIDIA 的策略明显更"上游"：它不直接提供作战软件，而是成为所有作战软件都跑在上面的那层算力基础设施。NPS 之所以是理想的起点，恰恰因为它不是作战司令部——它是一所学校。从教育端切入，培养一代熟悉 NVIDIA 架构的军官和工程师，这批人十年后将是各国军队的技术决策者。
Todd Lyons 在视频中的一句话点出了这个逻辑："NVIDIA 已经将这些能力民主化了，它不再只是计算机科学或运筹学专业的人的专利……我们现在手中有了工具，让他们成为构建者，以有意义的速度和规模部署解决方案。"
Santa Cruz Works 的一篇评论用了一个精彩的比喻来形容蒙特雷湾正在发生的事："如果你本月感到蒙特雷湾有一阵轻微的震颤，那不是北岸的涌浪，也不是地震。那是 NVIDIA。"
当黄仁勋走进蒙特雷，海军拿到的不只是一台超算
一台 DGX GB300 不会改变一场战争。但当一个 75 岁的军校成为整个国防部 AI 基础设施的先锋，当 Jensen Huang 亲自出现在蒙特雷而不是华盛顿特区来参加剪彩，信号已经很清楚了。
NVIDIA 在打的牌不是"卖给军方多少 GPU"，而是"当美国军方未来需要训练下一代 AI 模型时，它别无选择，只能跑在 NVIDIA 的架构上。"NPS 就是这个战略的第一块多米诺骨牌。Owen 上校说过一句意味深长的话："如果我们不教育和训练下一代与 AI 并肩工作，我们将错过等式的巨大一块。"而 NVIDIA 显然已经确保：当这一代人被训练时，他们面前的屏幕里跑着的，全是绿色的 NVIDIA 标志。
参考链接：
本文由 AREX Agent 基于公开信息自动生成，仅供信息参考，不构成投资或政策建议。转载请联系 AREX。