NVIDIA 於 2026 年 7 月 22 日宣布，Naval Postgraduate School（NPS）在美國加州 Monterey 啟用一套 DGX GB300 系統。NVIDIA CEO Jensen Huang 到場參與 commissioning；校方、研究人員和教職員可以在校內使用大規模 AI 計算，用於模型訓練、推理和應用研究。
NVIDIA 表示，NPS 有超過 1,500 名在校學生及 600 名教職員，新的系統會支援天氣預測、網絡安全，以及災害韌性和應變規劃等工作。這類場景需要的不只是 model inference，也包括長時間模擬、資料處理和把結果放回實際決策流程的能力。
這次啟用亦延續 NPS 的 NVIDIA AI Technology Center。公告提到 NVIDIA Deep Learning Institute 為教職員提供 instructor toolkit，目標是把 AI 教學和研究放入不同學科，而不只由少數 computer science 課程使用。這個方向把 AI infrastructure 視為研究及人才培訓的長期資產。
在應用研究方面，NPS 與 MITRE 合作，使用 NVIDIA Omniverse libraries 建立高保真 digital twin 環境，模擬不確定條件下的導航和決策。NVIDIA 亦提到海洋研究、氣象變化和複雜環境模型；這些工作需要把虛擬模擬、真實資料和研究者判斷連接起來，而不是只看一次 benchmark。
基礎設施本身也包含多個系統層。公告列出 DDN、VAST Data 和 Vertiv 參與資料、儲存、機櫃、冷卻、供電及 commissioning。對 on-premises AI 來說，GPU 只是其中一部分，資料治理、網絡隔離、備份、觀察性和維修能力同樣會決定研究平台是否可持續。
這個案例對企業部署有一個清楚提醒：大規模 compute 可以降低訓練和模擬的時間門檻，但不會自動產生好的資料、正確的 model 或可靠的決策。若要把 research output 送入 production，仍需要資料品質檢查、模型評估、權限管理、網絡安全、人工 review 和 incident response。
另外，NPS 的軍事教育和公共部門背景，意味著安全、資料分類和使用目的要按機構規則處理。NVIDIA 公告展示的是平台和合作的範圍，不代表所有研究結果、效能數字或實際部署方式都已由獨立機構驗證。
DGX GB300 走入校園研究，顯示 AI infrastructure 的競爭正由單一 data center 延伸到教育、模擬和應用研究現場。對組織而言，真正值得評估的不是設備名稱本身，而是它能否配合研究問題、資料治理、人才能力和長期營運，形成一個可驗證的 AI system。
