摘要

  • DFKI 在凯泽斯劳滕运营着一个名为 Pegasus 的 AI 高性能计算集群，其公开文档称可提供 100+ PFLOPs 的 AI 算力、300+ 块 GPU、5500+ 个 CPU 核心和 40+ TiB 内存，通过 Slurm、Enroot 容器和自研监控套件管理 https://pegasus.dfki.de/。
  • Pegasus 按硬件类型划分 GPU 分区，包括 A100、B200（Blackwell）、H100、H200、L40S、RTX 3090、RTX A6000、RTX Pro 6000 Blackwell 和 V100；节点通常配备 8 块 GPU，节点内部通过 NVLink/NVSwitch 互联，节点间通过 InfiniBand 互联，并公布各分区的 ResNet 和 Transformer 训练基准 https://pegasus.dfki.de/docs/slurm-cluster/partitions/。
  • 有日期的部署记录显示了一条清晰的 GPU 扩容时间线：DFKI 2020 年 7 月 27 日的新闻稿称，其机器学习计算中心的首台 NVIDIA DGX A100 投入运行，将集群算力从 20 petaFLOPS 提升至 45 petaFLOPS https://www.dfki.de/en/web/news/nvidia-dgx-a100-20；随后中心宣布扩至第七台 DGX-A100，算力从最初的 20 PetaFLOPS 增至 60+ PetaFLOPS，并与 Interactive Machine Learning 部门的健康领域基础模型研究相关联（引用了 Prof. Daniel Sonntag 的话）https://www.dfki.de/en/web/news/rechenzentrum。
  • 在不来梅，DFKI 机器人创新中心运营着 1,300 平方米的 Maritime Exploration Hall（MarEH）：一个 23 米 × 19 米 × 8 米的试验水池，容纳 340 万升盐水，配有额定压力最高 660 bar 的耐压舱（约 6,600 米水深；同一页面的另一处写的是 6,000 米/600 bar）、一个 4 万升玻璃水箱、一个可控制光照的黑色水箱、一个 VR 实验室，以及一套在 300 Hz 下精度约 4 毫米的 Qualisys 12 摄像头水下动作捕捉系统 https://robotik.dfki-bremen.de/en/research/research-facilities-labs/maritime-infrastructure。
  • DFKI 2021 年 5 月 26 日的新闻稿宣布 SmartFactory-KL（成立于 2005 年）成为 Gaia-X 试验台：网络化生产布局覆盖 SmartFactory-KL、DFKI 的 Innovative Factory Systems（IFS）和凯泽斯劳滕工业大学（WSKL）；Production Level 4 愿景始于 2019 年，一个 PL4 演示装置于 2020 年展示了 Gaia-X 用例；Keran Sivalingam 被列为 smartMA-X（SmartFactory-KL 的 GAIA-X 子项目）项目负责人，且 DFKI 大楼内正在建造第二个配备全新输送系统的演示装置 https://www.dfki.de/en/web/news/sfkl-testbed-gaiax0 https://www.dfki.de/en/web/news/gaia-x-projekt-smartma-x-startet-in-kaiserslautern0。
  • 有明确起止日期的研究项目将这一基础设施转化为可验证的工作：LUMINOUS（EU 拨款 101135724，2024 年 1 月 1 日至 2027 年 3 月 31 日）将生成式与多模态大语言模型与 XR 结合，试点包括针对言语障碍中风幸存者的神经康复、沉浸式工业安全培训和 3D 建筑设计 https://www.dfki.de/en/web/news/project-luminous-the-next-level-of-augmented-reality https://cordis.europa.eu/project/id/101135724；LIEREx（2024 年 7 月 1 日至 2026 年 12 月 31 日）将视觉-语言模型（如 CLIP）植入语义地图，部署在配备 Ouster OS0 激光雷达和 Femto Bolt ToF RGB-D 相机的 TIAGo 2 机器人上，并在 Habitat 模拟器中使用 Matterport3D/HM3D 数据进行评估 https://www.dfki.de/en/web/research/projects-and-publications/project/lierex；SiSWiss（2025 年 6 月 1 日至 2028 年 5 月 31 日）由 L3S 研究中心协调，合作伙伴包括 DFKI、CISPA 和 Laverana，在 BMFTR 计划下开发带差分敏感性感知框架的多角色大语言模型 https://www-live.dfki.de/en/web/research/projects-and-publications/project/siswiss https://www.l3s.de/research-at-l3s/all-projects/siswiss/。
  • 对比之下，该机构的自报规模数字与其自身网页存在冲突：公司简介页列有 29 个研究部门、13 个竞争力中心和 8 个生活实验室，约 960 名研究人员和行政人员、来自 76+ 个国家的 600 名研究生、560+ 个项目 https://www.dfki.de/en/web/about-us/dfki-at-a-glance/company-profile；而 About DFKI 页面写着"十个竞争力中心"，其 www-live.dfki.de 镜像版本据报告写的是 28 个研究部门和十个竞争力中心。

DFKI（Deutsches Forschungszentrum für Künstliche Intelligenz GmbH）成立于 1988 年，是一家非营利性的公私合营机构，总部及研究设施分布在凯泽斯劳滕、萨尔布吕肯、不来梅、下萨克森州（奥尔登堡和奥斯纳布吕克）、达姆施塔特，并在柏林和吕贝克设有实验室，特里尔设有分支办事处。其自述称自身为"全球最大的独立 AI 研究中心"，研究"以人为本的 AI"。这些头衔无从独立核验，但判断一个研究机构，更可靠的方式是看它实际建成并运营的东西。按此标准，DFKI 的公开记录呈现出一个相当具体的图景。

计算：Pegasus 集群与 DGX A100 时间线

DFKI 最清晰的运营证据是其自身的 HPC 文档。Pegasus 集群托管于凯泽斯劳滕，文档首页列出 100+ PFLOPs 的 AI 算力、300+ 块 GPU、5500+ 个 CPU 核心和 40+ TiB 内存，使用 Slurm 工作负载管理器、Enroot 容器环境和自研监控套件 https://pegasus.dfki.de/。文档中的分区页面则更为具体：它按硬件型号列出 GPU 分区，包括 A100-40GB、A100-80GB、B200、H100、H200、L40S、RTX 3090、RTX A6000、RTX Pro 6000 Blackwell 和 V100-32GB，并公布了每个分区的每节点 GPU 数量（通常为 8 块）、GPU 显存（例如 H200 为 141 GB、B200 为 183 GB）和作业时限（较旧的分区为 1–3 天，Blackwell/Hopper 分区最长 1 天），以及使用 NGC PyTorch 容器的 ResNet 和 Transformer 训练基准 https://pegasus.dfki.de/docs/slurm-cluster/partitions/。

带日期的新闻稿为这个集群的历史提供了可核查的时间线。DFKI 2020 年 7 月 27 日的新闻稿称，其机器学习计算中心的首台 NVIDIA DGX A100 投入运行，计划再安装四台；该报道称此次安装将集群算力从当时的 20 petaFLOPS 提升至 45 petaFLOPS，效率提升至每 petaFLOPS 约 1.2 千瓦（此前为约 5 千瓦），并使用 NGC 优化的 TensorFlow 和 PyTorch 容器 https://www.dfki.de/en/web/news/nvidia-dgx-a100-20。后续声明宣布扩容至第七台 DGX-A100，算力从最初的 20 PetaFLOPS 增至 60+ PetaFLOPS，并将该系统与 Interactive Machine Learning 部门及面向健康领域的基础模型研究相关联；Prof. Daniel Sonntag 被引述谈到交互式深度学习的目标 https://www.dfki.de/en/web/news/rechenzentrum。IML 实验室自己的页面描述了一台 DGX-A100（8× A100，最高 640 GB GPU 显存，1.5 PetaFLOPS），托管于凯泽斯劳滕的深度学习中心 https://www.dfki.de/en/web/news/rechenzentrum。

两个数字需要谨慎对待。Pegasus 文档中的"100+ PFLOPs"是当前的自报数字，没有注明日期基准；而 20→45→60+ PFLOPS 序列有带日期的新闻稿支持。两者可能是同一体系在不同时点的记录，但没有任何来源对此做出明确对账。

物理试验台：MarEH 与 SmartFactory-KL

在不来梅，MarEH（Maritime Exploration Hall）是 DFKI 最具体的物理设施。该 1,300 平方米的设施用于在水面和水下测试机器人技术，模拟海上作业任务：主试验池尺寸为 23 米 × 19 米 × 8 米，容纳 340 万升盐水（每升 18 克盐），配有 12.5 吨和 250 公斤的起重系统及一台 500 公斤龙门吊；一个 5 米 × 4 米 × 2.2 米、容量 4 万升的三面玻璃水箱；一个可覆盖以控制光照和浊度的黑色水箱；一个投影面积 21.6 平方米的 VR 实验室；以及一套 12 兆像素、300 Hz、精度约 4 毫米的 Qualisys 水下动作捕捉系统 https://robotik.dfki-bremen.de/en/research/research-facilities-labs/maritime-infrastructure。耐压舱的额定值在源页面自身存在不一致——一处写为 6,000 米/600 bar，另一处写为最高 660 bar/约 6,600 米——本文如实呈现两种表述，而非自行选定一个数字。

在凯泽斯劳滕，SmartFactory-KL 体现了 DFKI 在工业研究方面的布局。DFKI 2021 年 5 月 26 日的新闻稿宣布 SmartFactory-KL 被德国联邦经济事务部选为 Gaia-X 生产试验台，其网络化生产布局涵盖 SmartFactory-KL、DFKI 的 Innovative Factory Systems 部门和凯泽斯劳滕工业大学的 WSKL 部门 https://www.dfki.de/en/web/news/sfkl-testbed-gaiax0。配套页面补充了时间线：2019 年的 Production Level 4 愿景升级了 2011 年的工业 4.0 概念，并形成了 Gaia-X 的理论构想；2020 年，一个 PL4 演示装置在 SmartFactory-KL 的创新实验室展示了可能的 Gaia-X 用例，同时第二个配备全新输送系统的演示装置正在 DFKI 大楼内建造；Keran Sivalingam 被引述谈及将演示装置接入 Gaia-X 网络 https://www.dfki.de/en/web/news/gaia-x-projekt-smartma-x-startet-in-kaiserslautern0。

有日期的项目：2024–2028 的研究管线

DFKI 的项目组合显示了持续、有日期的委托研究工作。LUMINOUS 是 EU Horizon Europe 拨款 101135724（EC 签署日期为 2023 年 10 月 23 日），依据主题 HORIZON-CL4-2023-HUMAN-01-21（下一代扩展现实，RIA）于 2024 年 1 月 1 日启动，至 2027 年 3 月 31 日结束；它将生成式与多模态大语言模型与 XR 结合，采用零样本学习识别未知物体，试点涵盖针对言语障碍中风幸存者的神经康复、沉浸式工业安全培训和 3D 建筑设计。DFKI 自己关于该项目的报道日期为 2024 年 8 月 19 日；CORDIS 记录是关于项目期限的权威来源 https://www.dfki.de/en/web/news/project-luminous-the-next-level-of-augmented-reality https://cordis.europa.eu/project/id/101135724。

LIEREx（Language-Image Embeddings for Robotic Exploration）运行期为 2024 年 7 月 1 日至 2026 年 12 月 31 日；它将视觉-语言模型（如 CLIP）构建到一个支持任意物体查询的语义地图中，部署在移动机器人上，并通过面向目标的室内探索进行评估。相关技术报告记录了具体硬件：一台配备 Ouster OS0 激光雷达和 Femto Bolt ToF RGB-D 相机的 TIAGo 2 机器人平台，以及使用 Matterport3D/HM3D 数据的 Habitat 模拟器 https://www.dfki.de/en/web/research/projects-and-publications/project/lierex。

SiSWiss（面向知识管理的安全语言模型）于 2025 年 6 月 1 日启动，至 2028 年 5 月 31 日结束，在 BMFTR 的"超互联世界中的安全未来技术：人工智能"计划下，由 L3S 研究中心协调，合作伙伴包括 DFKI、CISPA 和 Laverana；其方法是在同一模型实例内结合多个依赖用户和安全级别的角色，通过差分敏感性感知框架按用户权限控制对敏感信息的访问，采用 RLHF 和面向德语市场优化的开源方法 https://www-live.dfki.de/en/web/research/projects-and-publications/project/siswiss https://www.l3s.de/research-at-l3s/all-projects/siswiss/。

NLP 团队的项目进一步完善了这一图景：TSS-MoVe 为交通领域的自动化技术研究构建试点系统，记录在 DZSF 的项目页面上 https://dfki-nlp.github.io/project/tss-move/；Genki4Media 在联邦"Gen-KI für den Mittelstand"计划下开展媒体应用的生成式 AI 研究，Fraunhofer FOKUS 为合作伙伴 https://dfki-nlp.github.io/project/genki4media/。MBAZA-NLP 的 GitHub 代码库记录了从 NLP 团队角度使用 DFKI HPC 基础设施的实际操作流程——Slurm、分区和容器——这印证了 Pegasus 风格的集群访问是一个有文档记录的运营性工作流，而不只是宣传描述 https://github.com/MBAZA-NLP/hpc-infrastructure-access/blob/main/README.md。

自报数字与相互矛盾的数据

对比之下，DFKI 关于自身规模的数据无法保持一致。公司简介页报告 29 个研究部门、13 个竞争力中心和 8 个生活实验室，约 960 名研究人员和行政人员、来自 76+ 个国家的 600 名研究生、560+ 个研究项目，并称超过 160 名员工被聘为教授 https://www.dfki.de/en/web/about-us/dfki-at-a-glance/company-profile。而 About DFKI 页面写着"十个竞争力中心"，其 www-live.dfki.de 镜像版本据报告列出的是 28 个研究部门和十个竞争力中心。这些可能是不同时点的统计快照，但没有任何页面标注"截至"日期，读者无法自行判断。

这种模式正是本文与之前报道的关联所在：BTW 在 2026 年 9 月 25 日审查了 DFKI 的经费核算，在 2026 年 9 月 27 日审查了其治理记录，两者都留下了该研究所实际运营什么的未决问题。这里的证据表明，其运营层级的记录质量高于机构统计层级的记录质量。计算系统有公开文档和分区表；物理试验台有测量尺寸和设备清单；项目有明确的起止日期和资助方。而员工数量、部门数量和竞争力中心数量——即机构规模的统计——在不同页面之间互相矛盾。

对于评估 DFKI 或类似研究机构的技术领导者、投资者和政策观察者而言，可行的结论是：将其带日期的部署记录视为可靠的运行证据，而将其汇总的规模数字视为需要注明年份、且应与当前官方披露核对的自报指标。