Parceria de IA entre Nvidia e Alemanha Coloca Ambição Industrial Contra Dependência Externa
Nvidia e Alemanha estariam preparando uma parceria de IA envolvendo cerca de 12 empresas alemãs, apesar da busca declarada de Berlim por maior soberania tecnológica. Siemens, Audi e Black Forest Labs estão entre as empresas que devem participar. A parceria de IA entre Nvidia e Alemanha se concentraria em IA física e em modelos fundacionais industriais competitivos internacionalmente.
IA física refere-se a sistemas que percebem, simulam e atuam no mundo físico. Suas aplicações incluem robôs, veículos autônomos, fábricas e outras máquinas que operam sob restrições do mundo real.
A iniciativa relatada é mais do que outro acordo para comprar equipamentos de computação. A Alemanha parece disposta a conectar políticas públicas, dados industriais nacionais e a pilha computacional da Nvidia em um programa coordenado. Essa abordagem poderia acelerar a implantação, mas também coloca um fornecedor dos Estados Unidos perto do centro da estratégia alemã de IA industrial.
O plano ainda não foi detalhado integralmente em um acordo público. O governo alemão e a Nvidia não publicaram uma lista completa de participantes, orçamento, modelo de governança ou cronograma de implementação. Essas lacunas importam porque o valor do projeto depende de quem controla seus modelos, dados e camadas operacionais.
A Parceria de IA entre Nvidia e Alemanha Ainda É um Plano Relatado
A mudança imediata é a coordenação política em torno de um programa de IA industrial, e não a chegada de uma plataforma nacional concluída.
O governo federal da Alemanha planeja estabelecer uma grande parceria com a Nvidia, segundo reportagem citada pela rádio pública alemã. Esperava-se que o chanceler Friedrich Merz e o CEO da Nvidia, Jensen Huang, apresentassem a cooperação em uma cúpula de investimentos em Berlim.
O plano relatado tem dois objetivos principais. O primeiro é criar bases para a IA física, incluindo sistemas de treinamento para robôs e veículos autônomos. O segundo é treinar modelos fundacionais industriais de alto desempenho que possam competir internacionalmente.
Um modelo fundacional é um sistema de IA treinado de forma ampla que organizações podem adaptar a muitas tarefas especializadas. Um modelo fundacional industrial, por sua vez, enfatiza informações de engenharia, comportamento de máquinas, processos de produção e outros dados específicos do domínio.
Cerca de 12 empresas alemãs pretendem aderir, segundo relatos. Siemens, a subsidiária da Volkswagen Audi e a Black Forest Labs, sediada em Freiburg, são as três participantes nomeadas. As identidades e responsabilidades das empresas restantes não foram divulgadas publicamente.
Esses nomes revelam a estrutura pretendida. A Siemens pode contribuir com software industrial, sistemas de automação, gêmeos digitais e experiência em fábricas. A Audi oferece ambientes de manufatura, dados de engenharia de veículos e possíveis aplicações de direção autônoma. A Black Forest Labs traz experiência na construção de modelos generativos, especialmente sistemas que processam ou produzem informações visuais.
A Nvidia fornece a camada técnica comum. Essa camada pode incluir GPUs, redes, software CUDA, ferramentas de simulação, estruturas de modelos e sistemas de implantação. Ela pode conectar o treinamento de modelos em centros de dados à inferência dentro de fábricas, veículos e robôs.
No entanto, a reportagem deixa várias questões importantes sem resposta. Ela não identifica um orçamento final, processo de aquisição, local de computação, estrutura de compartilhamento de dados ou modelo de propriedade. Também não estabelece se a iniciativa é uma nova infraestrutura ou uma camada de coordenação acima de projetos existentes.
Essa distinção importa porque a Alemanha já possui vários programas vinculados à Nvidia. A Deutsche Telekom opera uma nuvem de IA industrial equipada com até 10.000 GPUs da Nvidia. Siemens e Nvidia também estão expandindo sua parceria de longa data em software industrial.
A iniciativa federal relatada pode combinar esses investimentos sob uma estratégia mais ampla. Em vez disso, ela pode financiar um programa separado de desenvolvimento de modelos. Até que o governo divulgue documentos formais, os leitores devem tratar ambas as interpretações como possibilidades, e não como fatos estabelecidos.
A expressão “parceria de IA entre Nvidia e Alemanha” descreve, portanto, uma direção com participantes nomeados e objetivos relatados. Ela ainda não descreve um contrato concluído com limites técnicos transparentes.
Essa lacuna de verificação não deve ocultar o sinal subjacente. Berlim quer que o desenvolvimento de IA industrial avance além de projetos-piloto isolados. O governo parece estar reunindo grandes fabricantes, um laboratório de IA e um fornecedor dominante de computação em torno de prioridades nacionais compartilhadas.
Essa coordenação política cria a tensão central do artigo. A Alemanha quer capturar mais valor da IA industrial enquanto depende de infraestrutura controlada fora da Alemanha e da Europa.
Por Que a Alemanha Está Impulsionando a IA Física Agora
A Alemanha está tentando converter a profundidade de sua manufatura em uma vantagem de IA antes que fornecedores de software e computação capturem a maior parte desse valor.
A Alemanha não consegue igualar facilmente os Estados Unidos em plataformas de internet para consumidores ou computação em nuvem em hiperescala. Ela possui ativos mais fortes em máquinas, engenharia automotiva, automação industrial, química, sistemas de energia e manufatura avançada.
A IA física oferece uma rota que utiliza esses ativos. Treinar um modelo útil para fábricas exige mais do que grandes coleções de texto. Exige telemetria de máquinas, desenhos de engenharia, simulações, registros de manutenção, restrições de produção e feedback de operações físicas.
Os fabricantes alemães detêm quantidades substanciais dessas informações. Eles também empregam especialistas que entendem por que um processo dá certo, falha ou se torna inseguro. Essa combinação dá ao país uma vantagem potencial sobre desenvolvedores de modelos sem acesso industrial equivalente.
No entanto, o conhecimento industrial não se transforma automaticamente em um modelo competitivo. As empresas precisam limpar e governar seus dados, garantir capacidade computacional, projetar avaliações e integrar resultados à tecnologia operacional.
Tecnologia operacional inclui o hardware e o software que monitoram ou controlam equipamentos físicos. Conectá-la à IA generativa introduz requisitos de confiabilidade mais rigorosos do que os enfrentados por um chatbot típico de escritório.
Um modelo que redige um e-mail imperfeito causa danos limitados. Um modelo que produz uma instrução de engenharia defeituosa pode afetar equipamentos, trabalhadores, produtos ou a conformidade regulatória. A implantação industrial, portanto, exige simulação, validação, controles de acesso e revisão humana responsável.
A Nvidia posicionou sua plataforma em torno desses requisitos. Suas ferramentas oferecem suporte a computação acelerada, gêmeos digitais, simulação de robótica, desenvolvimento de direção autônoma e implantação de sistemas em nuvem a dispositivos de borda.
A empresa anunciou anteriormente uma fábrica alemã de IA industrial usando 10.000 GPUs Blackwell. A Nvidia afirmou que o sistema daria suporte a design, engenharia, simulação, gêmeos digitais de fábricas e robótica. O anúncio da empresa sobre a fábrica alemã de IA também citou software da Siemens entre as cargas de trabalho esperadas para operar ali.
Posteriormente, a Deutsche Telekom descreveu a infraestrutura como um projeto de um bilhão de euros. Sua nuvem de IA industrial está hospedada na Alemanha e atende fabricantes, startups, pesquisadores e instituições públicas.
A nuvem tornou-se um teste inicial da IA industrial da Nvidia na Alemanha. Ela oferecia hospedagem nacional e controles europeus de dados, mantendo o hardware e o software da Nvidia por baixo.
O novo plano federal parece buscar uma camada de valor diferente. A capacidade de hardware dá às empresas um lugar para treinar modelos. Um programa coordenado de modelos determina o que elas treinam, quais dados entram no sistema e quem pode reutilizar os resultados.
Essa mudança explica a inclusão relatada da Black Forest Labs. A empresa não é uma fabricante tradicional. Ela desenvolve modelos generativos de imagem, dando ao grupo experiência com treinamento de modelos em larga escala e sistemas multimodais.
Sistemas multimodais processam mais de um tipo de entrada, como texto, imagens, vídeo, leituras de sensores ou informações 3D. Essa capacidade é relevante para máquinas que precisam interpretar ambientes físicos em constante mudança.
O envolvimento da Audi aponta para outro campo de testes valioso. A produção moderna de veículos já utiliza câmeras, robôs, simulações e fluxos de trabalho rigidamente controlados. O desenvolvimento de veículos também produz dados extensos de engenharia e visuais.
Os programas alemães de IA física podem usar esses ambientes para testar se os modelos proporcionam ganhos operacionais repetíveis. O objetivo não é simplesmente um chatbot alemão para engenheiros. É um software que ajuda máquinas e pessoas a raciocinar sobre equipamentos reais.
O momento adiciona urgência. Os fabricantes europeus enfrentam altos custos de energia, forças de trabalho envelhecidas, crescimento mais lento da produtividade e pressão de concorrentes americanos e chineses. A IA industrial não pode resolver cada problema, mas a automação e ciclos de engenharia mais rápidos podem influenciar vários deles.
A liderança política da Alemanha também quer resultados visíveis de investimento. Um consórcio de empresas reconhecíveis oferece um projeto nacional mais claro do que numerosos experimentos desconectados.
O risco é que a velocidade política recompense anúncios antes que a governança esteja pronta. Um programa coordenado precisa de regras para acesso a dados, propriedade intelectual, licenciamento de modelos, cibersegurança, responsabilidade e participação de fabricantes menores.
Sem essas regras, as maiores empresas poderiam capturar a maior parte dos benefícios. As pequenas e médias empresas industriais da Alemanha poderiam receber serviços sem ganhar influência sobre os modelos subjacentes.
A Soberania Industrial Encontra a Pilha Completa da Nvidia
A estratégia da Alemanha trata a Nvidia como a rota mais rápida para a capacidade industrial, embora essa rota aprofunde a dependência da plataforma da Nvidia.
Este é o principal equilíbrio do projeto. A Alemanha quer controle sobre dados industriais, desenvolvimento de modelos e resultados econômicos. A Nvidia fornece as ferramentas integradas necessárias para avançar rapidamente, mas essas ferramentas concentram a alavancagem técnica em um único fornecedor.
A dependência começa com as GPUs, mas se estende muito além. A plataforma de software CUDA da Nvidia ajuda desenvolvedores a programar seus processadores. Seus produtos de rede conectam grandes clusters de computação. Omniverse oferece suporte a fluxos de trabalho de simulação e gêmeos digitais.
A Nvidia também oferece estruturas de robótica, sistemas de direção autônoma, serviços de modelos e software empresarial. Usar esses componentes em conjunto pode reduzir o trabalho de integração e encurtar os cronogramas de implantação.
Essa integração é atraente para os fabricantes. Construir hardware compatível, software de sistema, estruturas de modelos, ferramentas de simulação e serviços de suporte de fornecedores separados cria uma sobrecarga significativa de engenharia.
Uma pilha completa também pode gerar aprisionamento tecnológico. Equipes treinadas em bibliotecas da Nvidia podem considerar a migração cara. Modelos otimizados para hardware da Nvidia podem não ser transferidos de modo eficiente para aceleradores alternativos. Fluxos de trabalho de simulação e implantação podem se vincular a interfaces proprietárias.
A parceria federal precisa, portanto, separar três formas de soberania. A soberania de dados diz respeito a onde as informações residem e quem pode acessá-las. A soberania operacional diz respeito à capacidade de organizações alemãs executarem sistemas críticos em condições adversas.
A soberania tecnológica faz uma pergunta mais difícil. A Alemanha consegue modificar, substituir, auditar ou manter de forma independente as camadas essenciais de computação e software?
A hospedagem doméstica de dados pode sustentar a primeira categoria sem entregar a terceira. Um centro de dados alemão repleto de sistemas Nvidia continua dependente do roteiro de produtos, do licenciamento, do suporte e da cadeia de fornecimento da Nvidia.
Isso não torna a estratégia irracional. Substituir a Nvidia imediatamente provavelmente atrasaria a implementação industrial e elevaria o risco de execução. A Alemanha dispõe de poucas alternativas nacionais que ofereçam uma combinação equivalente de hardware e software maduro.
A questão relevante é se a Nvidia serve como estrutura temporária ou infraestrutura permanente. Uma estrutura temporária ajuda empresas alemãs a desenvolver modelos, competências, padrões e aplicações que preservam alguma portabilidade. A infraestrutura permanente deixa capacidades essenciais acopladas a um único fornecedor.
A Siemens está no centro dessa decisão. A empresa trabalha com a Nvidia desde 2022, inicialmente em aplicações de metaverso industrial. A colaboração agora abrange gêmeos digitais, manufatura orientada por IA, simulação e infraestrutura industrial.
Em janeiro de 2026, as empresas anunciaram uma aliança industrial ampliada destinada a tornar a IA parte dos fluxos de trabalho industriais. Também propuseram a fábrica de eletrônicos da Siemens em Erlangen como um primeiro modelo para a manufatura adaptativa.
A parceria une o software industrial e o conhecimento em automação da Siemens à computação acelerada da Nvidia. Ela oferece à indústria alemã uma camada substancial de aplicações sobre o hardware da Nvidia.
Essa camada de aplicações pode preservar poder de negociação se a Siemens controlar os relacionamentos com clientes, as definições de fluxo de trabalho, os modelos de domínio e os padrões de integração. Ela oferece menos poder de negociação se operações essenciais dependerem de componentes fechados que apenas a Nvidia consegue manter.
A Audi enfrenta uma escolha relacionada. Empresas automotivas precisam de infraestrutura de simulação e IA para planejamento de fábricas, robótica, assistência ao motorista e sistemas autônomos. A Nvidia oferece plataformas relevantes em várias dessas categorias.
No entanto, fabricantes de automóveis já administram dependências complexas de fornecedores. Concentrar mais engenharia, produção e inteligência veicular em uma única plataforma de computação aumenta o risco de concentração.
A Black Forest Labs introduz uma forma diferente de poder de negociação. Uma desenvolvedora alemã de modelos pode contribuir com expertise em treinamento e reter propriedade intelectual dos modelos. Sua participação poderia manter mais valor na Alemanha do que uma aquisição apenas de hardware.
Ainda assim, a propriedade dos modelos por si só não elimina a dependência da plataforma. Treinamento, otimização e inferência podem continuar estreitamente vinculados aos sistemas da Nvidia.
A versão mais forte do programa transformaria a portabilidade em uma entrega explícita. Os participantes poderiam definir formatos de dados abertos, métodos de avaliação publicados, interfaces interoperáveis de modelos e artefatos de treinamento exportáveis.
A versão mais fraca subsidiaria o consumo da Nvidia enquanto descreveria a hospedagem doméstica como soberania. Os detalhes públicos ainda não são suficientes para determinar qual versão a Alemanha está adotando.
Siemens, Audi e Black Forest Labs precisam provar que o modelo funciona
O consórcio só terá sucesso se seus membros transformarem infraestrutura compartilhada em sistemas industriais mensuráveis, e não em mais uma coleção de demonstrações.
A IA industrial não sofre com falta de simulações bem-acabadas. O trabalho difícil começa quando um modelo encontra dados incompletos, maquinário envelhecido, condições incomuns de fábrica e procedimentos rigorosos de segurança.
A Siemens e a Nvidia já estabeleceram um local prático de teste. A parceria ampliada identificou a Siemens Electronics Factory em Erlangen como um modelo para manufatura adaptativa orientada por IA.
Um modelo de fábrica oferece mais do que um ambiente de apresentação. Engenheiros podem comparar as recomendações dos modelos com resultados reais de produção. Podem medir tempo de inatividade, consumo de energia, taxas de qualidade, tempo de reconfiguração e intervenção humana.
Essas medições exigem referências cuidadosamente definidas. Um fornecedor pode alegar fluxos de trabalho mais rápidos após selecionar tarefas favoráveis. Uma avaliação independente requer processos representativos e resultados medidos ao longo de períodos operacionais significativos.
A mesma exigência se aplica à robótica. Um robô pode ter bom desempenho em uma demonstração controlada e falhar quando iluminação, materiais, layouts ou comportamento humano mudam.
A simulação pode expor um sistema a muitos cenários antes da implementação física. Gêmeos digitais representam produtos, equipamentos ou processos em software, permitindo que equipes testem mudanças sem alterar imediatamente as máquinas reais.
As ferramentas de simulação da Nvidia e o software industrial da Siemens tornam esse um foco natural da parceria. Ainda assim, um gêmeo digital só permanece útil quando reflete com precisão o sistema físico.
Os dados da fábrica mudam à medida que os equipamentos se desgastam, fornecedores mudam ou operadores ajustam processos. Modelos e simulações precisam ser atualizados, monitorados e validados continuamente.
A Audi poderia testar esses métodos em engenharia e produção de veículos. Uma montadora pode usar simulações para planejar layouts de fábrica, treinar tarefas robóticas e identificar gargalos de produção.
Veículos autônomos criam desafios mais rigorosos. Sistemas de treinamento precisam lidar com situações raras, incerteza e requisitos de segurança. Um programa nacional não deve tratar robótica de fábrica e autonomia rodoviária como problemas intercambiáveis.
Modelos fundamentais industriais apresentam outro problema de avaliação. Uma pontuação geral em benchmark diz pouco sobre se um modelo compreende uma especificação de máquina ou gera uma sequência segura de manutenção.
O consórcio precisa de avaliações específicas por tarefa, criadas com especialistas do domínio. Esses testes devem abranger precisão, confiabilidade, vazamento de dados, segurança, uso de energia, latência e a frequência das correções humanas necessárias.
A Black Forest Labs pode ajudar no desenvolvimento de modelos visuais e multimodais. Casos de uso industriais frequentemente envolvem feeds de câmera, imagens de projeto, diagramas, digitalizações e cenas 3D, além de texto.
Um assistente de manutenção poderia combinar a pergunta de um técnico com leituras de sensores e uma imagem do equipamento. Um sistema de qualidade poderia comparar a saída da câmera com especificações de projeto enquanto explica o defeito suspeito.
Essas aplicações parecem críveis, mas o acesso aos dados de treinamento continua difícil. As empresas frequentemente armazenam conhecimento de engenharia em sistemas incompatíveis, documentos locais, portais de fornecedores e na experiência dos funcionários.
Um modelo compartilhado também gera preocupações competitivas. A Audi não compartilhará livremente informações sensíveis de manufatura com participantes não relacionados. A Siemens precisa proteger os dados de clientes incorporados aos fluxos de trabalho industriais.
O programa poderia lidar com isso por meio de ambientes de treinamento separados, acesso controlado a dados, métodos federados ou dados sintéticos. Dados sintéticos são informações geradas artificialmente, projetadas para representar padrões reais sem copiar cada registro original.
Cada método envolve compensações. A separação limita o benefício do aprendizado compartilhado. Abordagens federadas aumentam a complexidade técnica. Dados sintéticos podem deixar de captar condições raras que importam em operações físicas.
A cibersegurança cria outra restrição. Conectar modelos a sistemas de fábrica amplia o número de componentes que invasores podem atingir. Manipulação de prompts, sensores comprometidos, dados contaminados ou permissões excessivas podem gerar consequências físicas.
As regras europeias para IA acrescentam obrigações de governança, especialmente quando sistemas afetam a segurança ou decisões reguladas. O projeto precisa incorporar essas obrigações ao desenvolvimento e à implementação, em vez de adicionar conformidade depois que os modelos forem treinados.
Empresas menores também precisam de uma via viável de participação. A base industrial da Alemanha vai muito além da Siemens e da Audi. Fornecedores frequentemente detêm conhecimento especializado de processos, mas não possuem grandes equipes de engenharia de IA.
A rede de fábricas de IA da Comissão Europeia foi criada, em parte, para dar a startups e pequenas empresas acesso a computação, serviços de dados e expertise. A iniciativa alemã da Nvidia deve complementar esse sistema, em vez de criar um clube corporativo fechado.
Acesso aberto não exige publicar todos os conjuntos de dados industriais. Pode significar critérios de candidatura transparentes, ferramentas de avaliação reutilizáveis, modelos de referência compartilhados, suporte técnico e alocações justas de computação.
Essa estrutura ajudaria a distinguir um programa nacional de capacitação de uma coleção de acordos comerciais bilaterais.
Três sinais mostrarão se a aposta da Alemanha está funcionando
Os próximos pontos de comprovação são governança formal, desempenho mensurável em fábricas e alternativas críveis dentro da pilha tecnológica.
O primeiro sinal é um acordo governamental completo. Berlim deve publicar a lista de participantes, fontes de financiamento, marcos do projeto, estrutura de contratação e estrutura de tomada de decisões.
O acordo deve explicar o que o público recebe em troca de seu apoio. Entregas relevantes incluem acesso a modelos, resultados de pesquisa, padrões abertos, capacitação da força de trabalho e oportunidades de participação para empresas menores.
Os termos de propriedade serão especialmente importantes. Modelos industriais podem conter valor derivado de dados empresariais, pesquisa pública e infraestrutura da Nvidia. O acordo precisa declarar quem pode usar, modificar, licenciar ou exportar cada ativo resultante.
Uma estrutura transparente reforçaria a tese de que a parceria de IA entre Nvidia e Alemanha constrói capacidade compartilhada. Termos vagos sustentariam preocupações de que o governo está coordenando a demanda para um único fornecedor.
O segundo sinal é o desempenho de uma implementação industrial real. A fábrica da Siemens em Erlangen é a candidata mais clara, porque a aliança Siemens-Nvidia já a identificou como um modelo.
Evidências úteis incluiriam mudanças explicadas de forma independente no tempo de produção, tempo de inatividade, taxas de defeitos, velocidade de reconfiguração ou consumo de energia. Os resultados devem identificar o processo testado e o período de comparação.
A Audi poderia fornecer uma segunda via de validação. Um caso de uso documentado em planejamento de produção, robótica ou engenharia mostraria se a tecnologia é transferível entre organizações.
Um piloto bem-sucedido também deve divulgar seus limites. Os leitores precisam saber com que frequência humanos anularam o sistema, quais tarefas continuaram inadequadas e qual trabalho de integração foi necessário para a implementação.
Sem essas informações, uma melhoria percentual pode ocultar o custo e a complexidade necessários para produzi-la.
O terceiro sinal é se o programa cria opções técnicas além da Nvidia. Isso não exige que a Alemanha remova a Nvidia do projeto. Exige evidências de que aplicações e modelos podem migrar entre ambientes compatíveis.
Interfaces abertas, formatos portáteis de modelos e avaliações neutras em relação ao hardware fortaleceriam a posição da Alemanha. O apoio a projetos europeus de semicondutores ou aceleradores alternativos tornaria esse sinal ainda mais forte.
O resultado oposto seria um acoplamento mais profundo. Se modelos industriais alemães exigirem componentes proprietários da Nvidia em todas as camadas, a hospedagem doméstica oferecerá independência tecnológica limitada.
A estratégia computacional mais ampla da Europa oferece uma comparação útil. A EuroHPC está construindo fábricas públicas de IA, enquanto a União Europeia busca gigafábricas de IA maiores, com mais de 100.000 processadores avançados.
Esses programas buscam combinar poder computacional, dados, talentos e acesso. A iniciativa relatada da Alemanha acrescenta grandes usuários industriais e desenvolvimento de modelos a essa equação.
A coordenação entre esses programas determinará se a Europa cria uma capacidade conectada ou projetos sobrepostos. Um fabricante não deveria enfrentar padrões separados para infraestrutura nacional, europeia e apoiada por fornecedores.
Desenvolvedores devem se importar porque a IA industrial exige disciplinas de engenharia diferentes das aplicações de consumo. Avaliação, simulação, permissões, latência e segurança operacional têm mais peso do que fluência conversacional.
Os compradores empresariais devem se importar porque a seleção de fornecedores agora influencia o controle de longo prazo sobre modelos e fluxos de trabalho. Uma implantação rápida pode gerar anos de custos de mudança.
Os trabalhadores do conhecimento devem se importar porque a expertise industrial entrará cada vez mais em sistemas de treinamento e recuperação de IA. As empresas precisam de formas confiáveis de organizar documentos técnicos, decisões e contexto operacional.
As equipes que preparam essas informações podem começar criando uma base de conhecimento pesquisável. Uma melhor organização das fontes não resolve a dependência de infraestrutura, mas aprimora a avaliação de modelos e a supervisão humana.
O esforço de IA física da Alemanha agora conta com uma coalizão industrial plausível e bases computacionais substanciais. O que ainda não tem são detalhes públicos suficientes para provar que velocidade e soberania se reforçam mutuamente.
Os próximos um a três meses devem responder a três perguntas. Berlim publicará uma governança aplicável? Os participantes identificarão uma implantação mensurável em fábrica? A arquitetura preservará opções além da Nvidia?
Essas respostas determinarão se a IA industrial da Nvidia na Alemanha se tornará um motor de capacidades domésticas ou um mercado maior para uma plataforma americana. Observe os contratos, as medições nas fábricas e as interfaces, não apenas os logotipos dos participantes.
