標籤
Nvidia
NVIDIA 不只是 GPU 供應商，也牽動 CUDA、生態系、AI 資料中心與晶片供應鏈。從模型訓練、推論加速到 HBM、電力與伺服器採購，它的動向常直接反映 AI 基礎設施的下一步。
29 篇文章
為什麼 Nebius 的 AI 轉型比炒作更真實
Nebius 的 Nvidia 背書與大額合約，代表它的 AI 轉型已經從題材變成可驗證的生意。
Nvidia 出資 Corning 工廠擴產
Nvidia 砸數十億美元幫 Corning 蓋新工廠，另有最高 32 億美元股權投資。這筆交易把 AI 競賽拉進材料、製造與供應鏈。
Nvidia 40 億美元 AI 投資潮
Nvidia 2026 年的 AI 股權承諾已超過 400 億美元，從 OpenAI、CoreWeave 到 IREN、Corning，都在它的投資版圖裡。
為什麼 NVIDIA 和 Corning 這筆合作比另一則 AI 新聞更重要
NVIDIA 與 Corning 的合作顯示，AI 基礎設施的關鍵瓶頸正在從 GPU 轉向光學連接與美國本土製造能力。
黃仁勳的 AI 警告，其實在講同事
黃仁勳說，AI 不一定先搶走你的工作，先搶走你位置的，可能是更會用 AI 的同事。這篇拆解他的說法、Nvidia 的布局、以及白領職場正在發生的變化。
萬元檔 AI 電腦怎麼配
萬元檔 AI 電腦怎麼配？從 RTX 5070 Ti、5700X 到 2TB SSD，這篇直接講顯存、硬碟、電源和平台怎麼取捨。
CUDA 架構怎麼跑：SM、核心、記憶體
CUDA GPU 把工作拆給 SM、數千個核心和分層記憶體。這篇用台灣開發者看得懂的方式，拆開它為何特別適合平行運算。
Nvidia MLPerf 成績證明軟體還很重要
Nvidia 在 MLPerf v6.0 交出最高 2.77x 推論提升。GB300 NVL72 的成績顯示，Dynamo、TensorRT-LLM 這類軟體優化，已經和 GPU 硬體同樣重要。
NVIDIA 說 AGI 已到來，代表什麼
Jensen Huang 說 AGI 已經到來，但他的定義比多數研究者更窄。這篇拆解這句話對團隊預算、開發流程與企業自動化的實際影響。
黃仁勳：AI 會創造更多工作
NVIDIA 執行長黃仁勳認為，AI 會創造比它消滅更多工作。從 NVIDIA 人數成長與產品需求來看，這個說法不是空話。
OpenAI 與 Anthropic 傳要 IPO
OpenAI 與 Anthropic 傳出規劃 IPO，估值上看 1 兆與 5,000 億美元。這不只牽動 AI 融資，也會改寫雲端、GPU 與企業軟體的資金流向。
NVIDIA 論壇聊 SU(7) CUDA 晶格引擎
NVIDIA Developer Forums 一篇貼文把 7×7×7 晶格、shared memory、warp 與 bank conflict 放在一起談。重點不是 SU(7) 名字多炫，而是 CUDA 真的吃不吃這套。
Meta 在艾爾帕索砸 100 億美元蓋 AI 資料中心
Meta 把艾爾帕索資料中心從 15 億美元拉到 100 億美元，目標 2028 年達 1GW。這代表 AI 競賽已經從模型，直接打到電力、晶片和用水。
DeepSeek 之後，NVIDIA 股價會回來嗎
DeepSeek 讓市場重新算 AI 成本，但 NVIDIA 仍握有 GPU、CUDA 與資料中心供應鏈。本文用數字、競品與產業脈絡，拆解股價能否回升。
OpenAI 1220 億美元拚 AI 基礎設施
OpenAI 把 AI 堆疊拉到雲端、晶片和資料中心。它同時牽手 Microsoft、Oracle、AWS、NVIDIA、AMD、Broadcom，目標是把算力供應鏈做成多路備援。
CUDA asinf() 更準，速度沒掉
NVIDIA Developer Forums 上有人替 CUDA 12.8 的 asinf() 做精度優化，指令數仍維持 26 條。這篇看它怎麼在 GPU 數學裡，硬拚準度與效能。
NVIDIA 把 CUDA Tile 搬進 BASIC
NVIDIA 的 4 月 1 日文章把 CUDA Tile 接到 BASIC，拿 70 年代語言示範現代 GPU tile 編程。笑點很多，但背後的編譯器設計很認真。
黃仁勳說 AGI 到了？先別急
黃仁勳說 AGI 可能已經到了，但他講的是實用版定義。真正的爭點，是 AI 到底要多像人，才配叫 AGI。
NVIDIA 再刷 MLPerf 推論紀錄
NVIDIA 在 MLPerf Inference v6.0 再交出新成績，GB300 NVL72 對 DeepSeek-R1 伺服器推論提升 2.7x，Llama 3.1 405B 也提升 1.5x。
OpenAI 募資 1220 億美元，IPO 近了
OpenAI 完成 1220 億美元募資，估值衝上 8520 億美元，還自稱月營收 20 億美元。這筆錢不只買算力，也在為可能的 IPO 鋪路。
NVIDIA Rubin 把 AI 基礎設施拉到新尺度
NVIDIA Rubin 以六顆晶片組成平台，主打推論成本最高降 10 倍，並把 Vera Rubin NVL72 推向雲端與企業 AI。
OpenAI 豪賭算力，AI 經濟學變了
OpenAI 年化營收傳出已超過 200 億美元，但晶片、電力與資料中心支出也一路暴衝。需求很真實，問題是帳怎麼算得過去，這正是 AI 產業現在最難迴避的現實。
2026 大科技怎麼看 AI
2026 年 AI 的主線越來越清楚：Agent 進入正式環境、資安與治理變成產品本體，醫療與製造先吃到紅利，基礎設施與量子運算也開始搶戲。從 Anthropic、Google 到 Microsoft，八份預測其實都在講同一件事。
微軟與 NVIDIA 想用 AI 解核能卡關
微軟與 NVIDIA 把 AI 帶進核能許可、設計與施工流程。Aalo Atomics 稱許可作業加快 92%，每年可省 8000 萬美元。重點不在花俏模型，而是把文件、模擬與審查流程接到同一套數位底座。
2026 科技趨勢：AI 進入實戰
IBM 對 2026 的觀察很直接：多代理系統會開始進入正式環境，AI 硬體焦點從堆算力轉向效率，量子運算也要面對一次可驗證的實際考驗。重點不再是最大模型，而是能不能在企業裡穩定、便宜、可治理地跑起來。
2026 年 3 月 AI 模型新聞重點
2026 年 3 月的 AI 圈看起來很安靜，其實重點早就不在新模型。真正有料的是推論速度、KV cache 壓縮、Agent 權限控制，還有 OpenAI 內部重組。對開發者來說，這些變化比排行榜多 1 分更實際。
OpenClaw 逼問 AI 模型價值
OpenClaw 從開發者 side project 竄進 Nvidia GTC 主舞台，讓市場開始正視一件事：AI 的價值可能正從大型模型本身，轉向代理軟體、在地部署與權限控制。對 OpenAI、Anthropic 與 Nvidia，這題都很硬。
NVIDIA Rubin 把六顆晶片塞進 AI 機櫃
NVIDIA 在 CES 2026 端出 Rubin 平台，主打推論 Token 成本最高可比 Blackwell 低 10 倍，MoE 訓練可少用 4 倍 GPU。重點不只是一顆新 GPU，而是把 CPU、網路、DPU、交換器整包賣成機櫃級 AI 系統。
NVIDIA GTC 2026 重點拆解
NVIDIA 在 GTC 2026 一口氣端出 1,000 場 session、2,000 位講者，還把 AI 工廠、推論基礎設施、Agent 平台與實體 AI 全部綁成一套銷售方案。這場大會重點不是單一 GPU，而是從晶片到軟體的整包系統。