NVIDIA GTC 2026 重點拆解

NVIDIA 今年的 GTC 2026，場面真的很大。Jensen Huang 在聖荷西台上直接丟出數字，超過 1,000 場 session、2,000 位講者，還有 450 多家贊助商。光看這些數字，你就知道這不是單純的開發者大會，比較像一場把整個 AI 產業鏈叫來開會的超大型業務場合。

但講白了，真正重要的不是機器人跳舞，也不是 AI 生成的音樂回顧。這次 GTC 的核心訊息很直接：NVIDIA 要賣的早就不是單顆 GPU，而是一整套 AI 工廠。從晶片、伺服器、網路、儲存、模擬，到 Agent 執行環境，它想全包。

如果你是台灣做資料中心、企業軟體、系統整合，甚至做邊緣運算的人，這次 GTC 很值得看。因為 NVIDIA 已經把產品敘事從「買卡」改成「買整個 AI 基礎設施」，而且這套話術看起來不是說說而已。

GTC 2026 真正主角是 AI 工廠

Jensen Huang 這次的主軸很明白，就是 AI factory。你可以把它理解成新一代資料中心，但它不是傳統雲端機房的延伸，而是專門為模型訓練、推論、Agent 執行和模擬打造的生產線。NVIDIA 想賣的是這整條線，不是裡面某一個零件。

這次最醒目的平台是 Vera Rubin。NVIDIA 把它定義成給 agentic AI 用的 full-stack computing platform。這種講法很有意思，因為它不是在比單顆晶片跑分，而是在強調 CPU、GPU、記憶體、網路、儲存和軟體是一起設計的。對大客戶來說，這比單項規格更有吸引力。

Vera Rubin 的組成也刻意講得很完整。NVIDIA 說它涵蓋 7 顆晶片、5 套 rack-scale system，外加 1 套 supercomputer design，還有新的 Vera CPU 與 BlueField-4 STX 儲存架構。這種包法很像在告訴客戶：你不要自己拼，我這裡有整套參考答案。

Huang 還丟出一個很大的商業數字。他說 2025 到 2027 年之間，他看到至少 1 兆美元的營收機會。我覺得這句話有點業務腔，但也很誠實。因為這說明 NVIDIA 為什麼一直往網通、儲存、參考架構、模擬工具和資料中心藍圖擴張。單賣 GPU，天花板比較低。整包賣，單案金額才會夠大。

• GTC 2026 有超過 1,000 場 session。
• 現場有超過 2,000 位講者。
• 活動贊助商超過 450 家。
• Vera Rubin 涵蓋 7 顆晶片與 5 套 rack-scale system。

還有一個容易被忽略的點，是 DSX。NVIDIA 這次推出 Vera Rubin DSX AI Factory reference design、Omniverse DSX Blueprint，還有 DSX Air。意思很明白，連你還沒開始蓋機房前，它就想先進場。先幫你模擬，再幫你規劃，最後連實際部署都包進來。

對雲端服務商、模型公司，或大型企業來說，這很有吸引力。因為現在組一個大型叢集，成本不是幾百萬美元而已，常常是上億美元起跳。只要設計錯一層，後面維運就會很痛。NVIDIA 現在賣的其實是「少踩坑」的保險。

CUDA 還是 NVIDIA 最硬的護城河

今年剛好是 CUDA 20 週年。Jensen Huang 在 keynote 花了不少時間回頭講這段歷史。老實說，這不是懷舊而已，而是在提醒市場，NVIDIA 今天能從繪圖晶片一路吃到人工智慧，靠的不是只有硬體，還有一整層別人很難追上的軟體生態。

很多人講 NVIDIA，第一反應都是 GPU 很快。這沒錯，但只講一半。真正麻煩的是，CUDA 已經深深卡進研究、訓練、推論、科學運算、機器人模擬這些流程裡。你今天如果要換平台，不是換一張卡那麼簡單，而是整個軟體堆疊、工具鏈和團隊習慣都要重來。

所以 NVIDIA 現在講 full stack，底氣不是空的。因為它有 CUDA，才能把每一代新硬體都包進更大的軟體故事。從訓練框架、推論最佳化、網路通訊，到模擬環境，全部都能互相咬合。這也是為什麼競爭對手常常規格看起來不差，但實際導入還是卡卡的。

“This conference is going to cover every single layer of the five-layer cake of artificial intelligence.”

Jensen Huang，NVIDIA 執行長，GTC 2026

Jensen 在台上還特別把焦點拉回推論。他甚至直接接住分析師給 NVIDIA 的稱號，說自己是 inference king。這種講法很張揚，但背後的商業邏輯很清楚。訓練是一次性的大單，推論才是長期吃電、吃伺服器、吃 Token 成本的地方。

你可能會想問，那跟 CUDA 有什麼關係。關係很大。因為企業現在在意的，不只是某張卡每秒幾 TFLOPS，而是整個系統的 cost per token。軟體最佳化、記憶體配置、網路延遲、推論框架，全部都會影響成本。CUDA 讓 NVIDIA 可以把這些東西綁在一起賣。

更有意思的是，NVIDIA 還順手預告 Vera Rubin 之後的下一代架構 Feynman，還有 Rosa CPU、LP40、BlueField-5、CX10、Kyber 互連和光學 scale-out。名字很多，聽起來有點像在背宇宙艦隊清單。但商業訊息很簡單：它要客戶用「世代更新」的方式規劃 AI 基礎設施，而不是一次買一批伺服器就結束。

Agent 平台成了 NVIDIA 新戰場

這次另一個大主題，是 agentic AI。NVIDIA 在 GTC 上推了 OpenClaw、OpenShell 和 NemoClaw，想把 Agent 從模型展示拉到企業可部署的層級。這件事很重要，因為現在大家都在講 AI 助理，但真正能進公司內部流程的產品，卡的通常不是模型能力，而是安全、權限、資料路由和維運。

OpenClaw 被包裝成開源基底，OpenShell 是企業內部安全部署的 runtime，NemoClaw 則負責政策控管、隱私路由和網路護欄。這三個名字看起來有點中二，但拼起來其實就是一套企業 Agent 平台。NVIDIA 不想把這層市場全讓給 OpenAI、Anthropic 或各種 SaaS 新創。

Jensen 還說，每家公司現在都需要一套 OpenClaw strategy。這句話聽起來很像在下指導棋，但也反映出 NVIDIA 的判斷：企業內部 Agent 會是接下來 12 到 24 個月最實際的採購項目之一。因為它可以直接碰到客服、法務、內部知識庫、IT 支援和銷售流程。

• OpenClaw 被定位為個人與企業 Agent 的開源基礎。
• OpenShell 主打企業內部安全部署。
• NemoClaw 處理政策、隱私與網路護欄。
• GTC 現場還辦了 build-a-claw 活動，時間是 3 月 16 日到 3 月 19 日。

當然，台上有些說法還是有點浮誇。像 OpenClaw 被形容成「人類史上最受歡迎的開源專案」，這種話我覺得聽聽就好。你真的要比 Git、Linux、Python，這句話很難站得住腳。GTC 本來就有表演成分，這部分不用太認真。

但更實際的地方，在於 NVIDIA 正在把 Agent 跟自己的基礎設施綁死。你如果用它的 runtime、政策控管、隱私路由，再加上它的推論加速和伺服器，那整個系統就很難拆。這招很聰明。因為錢不一定要從聊天機器人訂閱來賺，從部署、維運和長期推論流量來賺，反而更穩。

NVIDIA 也擴大了 Nemotron Coalition，涵蓋語言、視覺、機器人、自駕、生物和氣候等 6 類模型家族。這表示它不打算只押單一通用模型，而是把模型做成產業套件。對企業來說，這比一個萬能聊天機器人更容易買單，因為應用場景更明確。

實體 AI 從配角變成主線

GTC 過去幾年一直都有機器人和自駕內容，但今年的比重明顯更高。Jensen 把 physical AI 跟推論、AI 工廠並列成核心主題，這代表 NVIDIA 已經不滿足於只待在雲端資料中心。它想把觸角伸到工廠、車輛、邊緣設備和自動化系統。

台上點名的合作夥伴也很多。車廠包含 BYD、Hyundai、Nissan、Geely，還提到跟 Uber 的 ride-hailing 部署合作。工業夥伴則有 ABB、Universal Robots、KUKA。連電信業者 T-Mobile 都被拿來講，因為邊緣 AI 需要更多靠近終端的運算節點。

現場那個 Olaf demo 看起來很秀，但它不是單純動畫表演。NVIDIA 想傳達的是，角色行為、物理模擬、感知與控制，可以透過 Newton physics engine 和 Omniverse 的模擬環境整合起來。也就是說，虛擬世界不再只是展示用，而是訓練真實機器的重要場地。

• 車廠夥伴包含 BYD、Hyundai、Nissan、Geely。
• NVIDIA 提到與 Uber 合作 ride-hailing 部署。
• 工業夥伴包含 ABB、Universal Robots、KUKA。
• Omniverse 與模擬工具被定位為真實機器的訓練場。

這塊市場很難做，但如果做起來，價值很高。因為實體 AI 涉及合成資料、模擬平台、機器人模型、邊緣推論硬體和實際部署。每一層都能收錢，而且採購週期通常比雲端訓練叢集更長。對 NVIDIA 來說，這是另一條長線收入來源。

台灣供應鏈也要特別注意這段。因為只要 physical AI 真的開始放量，受益的不會只有 NVIDIA。伺服器代工、工業電腦、感測器、散熱、網通、車用電子都有機會分到單。這也是為什麼近兩年很多硬體廠都開始重新包裝自己，從 OEM 講到 AI solution partner。說真的，這種轉型有些很硬拗，但市場方向確實在那裡。

不過現實面也要看清楚。自駕、機器人、工業自動化的導入速度，通常比雲端軟體慢很多。法規、安全認證、現場整合、售後維護，沒有一個簡單。NVIDIA 這次把 physical AI 拉到中心位置，代表它準備長期投入，不是明年就要看到全面爆發。

競品壓力還在，但 NVIDIA 先贏在整合

如果只看晶片，NVIDIA 當然不是沒有對手。AMD 一直在追，Intel 也沒放棄，Google 有 TPU，AWS 有 Trainium 和 Inferentia，Microsoft 也在推自家加速器。問題在於，企業買大規模 AI 系統時，看的不是單一零件，而是整體導入難度和穩定性。

這也是 GTC 2026 最值得注意的地方。NVIDIA 幾乎把所有產品都包進同一套敘事裡。你要蓋 AI 工廠，它有參考架構。你要跑推論，它有整包軟硬體。你要做 Agent，它有 runtime 和 policy。你要做機器人，它有模擬和物理引擎。這種整合能力，現在真的沒幾家能完整對打。

我覺得短期內，最大客戶還是會繼續買 NVIDIA。因為超大規模雲端業者和模型公司，最怕的不是硬體貴，而是系統不穩、相容性差、部署拖延。當一個叢集動輒幾萬顆 GPU，任何 5% 的效率損失都很痛。這時候，買整套通常比自己混搭來得省事。

• NVIDIA 優勢在 CUDA、生態系、整體方案。
• AMD 有硬體追趕壓力，但軟體黏著度還在補。
• Google TPU 與 AWS 自研晶片主要服務自家雲端。
• 企業客戶更在意 cost per token 與部署風險。

這不代表 NVIDIA 沒風險。第一個風險是價格。它現在幾乎掌握高階 AI 基礎設施的定價權，客戶嘴上不講，心裡一定很不爽。只要替代方案成熟到某個程度，大客戶一定會想分散供應商。第二個風險是產品線越來越大，內部整合和對外溝通也會變複雜，稍微失手就可能讓客戶覺得眼花撩亂。

還有一點很現實。NVIDIA 現在講的每一層都要吃資本支出。AI 工廠、推論叢集、機器人模擬、企業 Agent 平台，沒有一個便宜。假如總體景氣轉弱，或企業開始更嚴格看 AI 投資回報，採購節奏就可能放慢。所以 GTC 台上那些華麗展示，最後還是得回到一個老問題：客戶到底能不能賺到錢。

GTC 之後，開發者和企業該看什麼

如果你是開發者，我覺得接下來 12 個月最值得觀察的，不是機器人唱歌影片有多紅，而是企業 Agent 會不會真的大量上線。因為這件事最接近可落地的商業模式。從內部知識查詢、客服自動化，到程式開發助手，這些都能直接算 ROI。

如果你是企業 IT 或平台團隊，現在該問的問題很具體。你要不要把推論系統綁在單一供應商上。你能不能接受從晶片到 runtime 都用 NVIDIA。你有沒有能力自己整合替代方案。這些問題現在不先想，等預算要編時就會很被動。

我的預測很簡單。未來一年，NVIDIA 最快看到成果的，不會是消費級聊天產品，而是大型推論叢集、企業內部 Agent 部署，還有更多實體 AI 合作案。如果到了明年 GTC，NVIDIA 能拿出這三塊更清楚的營收或客戶案例，那這次大會就不是單純產品秀，而是一張非常完整的銷售地圖。

對台灣市場來說，這也代表一個很實際的機會。從伺服器、散熱、機殼、交換器，到工業電腦和系統整合，只要 AI 基礎設施繼續往上堆，供應鏈就還有戲。你不一定要做模型公司，才吃得到這波錢。很多時候，真正穩的生意，反而是那些把機房、網路和部署搞定的人。

最後一句話。GTC 2026 告訴大家的事其實很直白：AI 競爭已經從模型展示，慢慢轉向系統整合和長期營運。誰能把硬體、軟體、資料、網路和部署串好，誰就比較有機會把帳單開出去。這件事聽起來不浪漫，但很賺錢。