輝達執行長黃仁勳今天(17日)在GTC 2026大會上表示，AI 正從聊天機器人階段進一步邁向以 token、推理、AI 工廠、代理型 AI 與實體 AI 為核心的新時代。隨著 OpenAI、Anthropic 等 AI 原生公司快速崛起，加上企業與新創持續大舉投資，黃仁勳預估 2025 年到 2027 年間，輝達可望掌握至少 1 兆美元規模的 AI 商機。以下為《TVBS新聞網》整理重點。
一、黃仁勳演說主軸：AI 已進入「token、推理、AI 工廠、代理型 AI、實體 AI」的新階段
輝達（NVIDIA）創辦人暨執行長黃仁勳今天(17日)在 GTC 2026 主題演講中，從一開始就為整場大會定調：token 是 AI 時代的基礎單位，而未來 AI 發展的核心，將圍繞在 推理（inference）、AI 工廠（AI factory）、代理型 AI（agentic AI），以及能進入真實世界的實體 AI（physical AI）。
大會開場影片以 token 為主題，將其形容為新 AI 時代的基本積木，能用來解開星辰奧秘、建立虛擬世界，並在現實世界中開創新的道路。黃仁勳隨後登台，向現場滿場觀眾致意，並先感謝所有合作夥伴、超過 450 家贊助商、1,000 多場議程與 2,000 位講者。
二、20 年 CUDA、GeForce 與 CUDA-X：輝達如何打下 AI 時代基礎
黃仁勳在演說中先回顧輝達的技術根基，強調今年是 CUDA 問世 20 週年。他把 CUDA 形容為推動加速運算的「飛輪」，因為它支撐了 AI 從訓練到部署、從研究到產業應用的整個生命週期。
在遊戲與圖形方面，他也宣布 DLSS 5，透過 3D 導引神經渲染（3D-guided neural rendering），讓本地端硬體也能實現即時、擬真的 4K 畫質表現。
此外，他特別強調 CUDA-X 函式庫的重要性，稱其為輝達的「皇冠上的明珠」。這些函式庫覆蓋金融服務、醫療、生技、工業、媒體娛樂、量子運算、零售、機器人、電信與汽車等多元領域，構成輝達在各種 AI 向量中的平台優勢。
三、AI 熱潮未歇：新創與大企業一起推升 GPU 需求，運算需求暴增 100 萬倍
黃仁勳指出，過去一年 AI 原生公司（AI natives）大爆發，包括 OpenAI、Anthropic 等知名企業，以及更多還在崛起中的新創公司。根據他的說法，近一年已有約 1,500 億美*流入創投支持 AI 新創。
他因此把原本對 Blackwell 與 Rubin 平台的成長預期進一步上修，認為 2025 年到 2027 年之間，至少可望帶來1兆美元營收或商機。
這與先前外界看到的說法相呼應：輝達曾估計 Blackwell 與 Vera Rubin 相關市場到 2026 年底約有 5,000 億美元機會，如今把時間拉長到 2027 年，累計規模翻倍，顯示其對需求續強極具信心。
四、輝達的新主戰場：推理成為 AI 工廠核心，黃仁勳自豪是「推理之王」
黃仁勳在演說中多次反覆強調，未來 AI 真正驅動需求的，不再只是訓練，而是推理。
他提到，輝達如今在 token 成本方面全球領先，原因在於極端共同設計（extreme codesign）能力，也就是讓軟體與矽晶片從一開始就同步設計、相互優化。黃仁勳還引用分析師對輝達的形容，稱輝達是「推理之王（inference king）」。
五、Vera Rubin：輝達下一代完整平台，不只是晶片，而是整套垂直整合系統
黃仁勳此次最重要的硬體主角，仍是 Vera Rubin。
他強調，Vera Rubin 不是單一晶片，而是一次「世代級的全堆疊運算躍進」，涵蓋：
* 7 顆突破性晶片
* 5 套機櫃級系統
* 1 台為代理型 AI 打造的革命性超級電腦
平台還包括：
* 新一代 NVIDIA Vera CPU
* BlueField-4 STX 儲存架構
黃仁勳說，當輝達談 Vera Rubin 時，並不是只在談一顆處理器，而是在談整個垂直整合、端到端延伸、當作單一巨型系統優化的完整平台。
這與他先前提到的新 AI 工廠思維一致：未來競爭不是單點晶片效能，而是從運算、記憶體、儲存、網路到安全的整體協同能力。
六、Vera Rubin + Groq LPU：新旗艦系統主打推理，速度較 Hopper 快 350 倍
在具體產品上，黃仁勳發表了一套新的 AI 推理系統，將整合：
* 72 台 Vera Rubin 伺服器
* 256 顆 Groq LPU（語言處理器）
黃仁勳形容，這就是 AI 未來要去的方向，因為它是專為推理而打造的。輝達表示，這套系統每秒可產生 7 億個 tokens，運算速度約為前前代 Hopper GPU 的 350 倍。
七、Groq 技術正式納入輝達體系：LPU 補足低延遲推理與記憶體擴展
黃仁勳也正式介紹 Groq 3 LPU（Language Processing Unit）。這是輝達首次把來自 Groq 的技術納入官方產品線。
Groq 的創辦團隊來自 Google TPU 團隊。去年 12 月，輝達透過約 200 億美元的資產／技術交易取得關鍵技術與人才，被外界視為實質上的收購。Groq 3 LPU 預計於第三季出貨。
LPU 的設計目標，是強化大型語言模型推理效能，其特點是：
* 強調低延遲
* 適合即時文字生成
* 將高速記憶體更緊密整合在晶片內
黃仁勳表示，這些 LPU 並不是取代 GPU，而是與 GPU 互補：
* GPU 負責高吞吐、複雜多步驟任務
* LPU 負責更快速、更低延遲的推理反應
他還說，即使整合兩種差異極大的處理器，AI 系統仍需要大量記憶體，因此輝達的做法就是加入更多 Groq 晶片，來擴大記憶體能力與整體推理效能。
八、Groq 3 LPX 機櫃：讓 Rubin GPU 每瓦 token 效能提升 35 倍
除了單顆 LPU 外，黃仁勳也展示 Groq 3 LPX rack，這是一整櫃專門安裝 Groq 加速器的系統，可放入 256 顆 LPU，並與 Vera Rubin 機櫃並排搭配運作。
根據黃仁勳說法，這個 LPX 機櫃可讓 Rubin GPU 的每瓦 token 效能提升 35 倍。在 AI 資料中心遭遇供電與散熱壓力的當下，這項提升格外重要。
九、從 Vera Rubin 走向 Feynman：下一代架構全面升級 AI 工廠五大支柱
在 Vera Rubin 之後，黃仁勳也首度進一步描述下一個重大架構世代：Feynman。
他表示，Feynman 將搭配全新 CPU Rosa，名稱取自發現 DNA 結構關鍵證據的科學家 Rosalind Franklin。黃仁勳用比喻解釋，正如 Franklin 揭示生命的隱藏結構，Rosa 的任務是協調代理型 AI 工作負載的完整結構，讓資料、工具與 token 能在 GPU、LPU、儲存與網路之間有效流動。
Feynman 平台還將結合：
* LP40：下一代 LPU
* BlueField-5
* CX10
* Kyber：支援銅線與共封裝光學的 scale-up
* Spectrum 級光學 scale-out
黃仁勳說，Feynman 世代將同步推進 AI 工廠的五大支柱：
* 運算（compute）
* 記憶體（memory）
* 儲存（storage）
* 網路（networking）
* 安全（security）
十、Kyber、DSX 與 Omniverse：打造 AI 工廠的模擬與參考設計
除了晶片與機櫃本身，黃仁勳也公布更多 AI 工廠基礎建設方案，包括：
* NVIDIA Vera Rubin DSX AI Factory reference design
* NVIDIA Omniverse DSX Blueprint
這些工具用來幫助企業更快擴大 AI 基礎設施規模。
其中，DSX Air 是 DSX 平台中的軟體即服務（SaaS）工具，可用來對 AI 工廠進行邏輯模擬。也就是說，企業未必要先把整座 AI 工廠真的蓋出來，就能先在軟體中模擬配置、設計與擴張方式。
這也再次呼應輝達近年的發展路線：不只是賣晶片，而是連資料中心規劃與虛擬模擬工具都一起包進來。
十一、輝達甚至要把 AI 資料中心送上太空
黃仁勳在演說尾聲還丟出一個高度前瞻的概念：輝達將進軍太空。
他表示，Vera Rubin 架構向發現暗物質的重要天文學家 Vera Rubin 致敬，而未來像 NVIDIA Space-1 Vera Rubin*這樣的系統，正在被設計為把 AI 資料中心帶入軌道，讓加速運算從地球延伸到太空。
十二、NemoClaw、OpenShell 與 OpenClaw：代理型 AI 平台全面鋪開
軟體與 AI 代理方面，黃仁勳把 OpenClaw 視為關鍵焦點之一。
輝達推出針對 OpenClaw(被稱為養龍蝦) 智慧平臺的 NemoClaw ，目標是讓原本偏開源、偏開發者導向的 AI 代理技術，能真正進入企業環境，變成可部署、可管理、可控管風險的系統。他稱 OpenClaw是開發者 Peter Steinberger 推出的開源專案，甚至形容它是「人類史上最受歡迎的開源專案」。黃仁勳認為，OpenClaw 已經把「代理型電腦的作業系統」開源化，讓人們有機會真正建立個人代理人（personal agents）。
更多新聞：輝達推「NemoClaw」是什麼？與OpenClaw的差異、優勢與安裝教學全攻略
他表示，開發者只要一個指令，就能下載 OpenClaw、建立 AI agent，然後再加入工具與上下文延伸能力。因此他認為，現在全世界每一家公司都必須要有自己的 OpenClaw 策略。
為了讓這項技術能在企業內部安全部署，黃仁勳也推出：
* NVIDIA OpenShell runtime
* NVIDIA NemoClaw stack
這兩套技術結合：
* 政策規則執行（policy enforcement）
* 網路防護欄（network guardrails）
* 隱私路由（privacy routing）
黃仁勳說，這些工具未來甚至可以成為「全球所有 SaaS 公司的政策引擎」。
十三、Nemotron Coalition：輝達擴大開放模型生態系
黃仁勳同時宣布成立新的 Nemotron Coalition，進一步擴大輝達開放模型生態系，集結合作夥伴圍繞六大前沿模型家族發展：
* NVIDIA Nemotron：語言與推理
* NVIDIA Cosmos：世界模型與視覺
* NVIDIA Isaac GR00T：通用機器人
* NVIDIA Alpaymayo：自動駕駛
* NVIDIA BioNeMo：生物與化學
* NVIDIA Earth-2：天氣與氣候
這表示輝達不只提供晶片與系統，也正把自己的 AI 模型平台往多領域擴張，企圖成為 AI 基礎設施與模型工具的雙重供應者。
十四、Physical AI：把 AI 從數位代理，推向真實世界中的機器與系統
黃仁勳在演說中明確指出，輝達正把 AI 從數位代理延伸到實體AI，也就是能在現實世界中移動、感知、互動與執行任務的系統。
他表示，輝達針對 robotaxi 所打造的平台，正在吸引更多車廠加入，包括：
* BYD（比亞迪）
* Hyundai（現代）
* Nissan（日產）
* Geely（吉利）
他形容，未來可上路的 robotaxi-ready 車輛數量將會「非常驚人」。
此外，輝達也正與 Uber 合作，把這些自駕車部署到叫車網路之中，先前公布的規劃是至 2028 年在四大洲 28 個城市推出相關服務。
十五、從工廠機器人到電信基地台：實體 AI 版圖同步擴張
在車廠之外，黃仁勳也提到，輝達正與多家工業軟體與機器人龍頭合作，包括：
* ABB
* Universal Robots
* KUKA
目標是把輝達的實體 AI 模型與模擬工具導入製造產線，部署更智慧的工業機器人。
同時，輝達也與像 T-Mobile 這樣的電信商合作，因為未來基地台也會逐漸演變成邊緣 AI 平台。這代表輝達不只關注雲端資料中心，還想切入工廠端、交通端與電信端的邊緣運算場景。
十六、雪寶登台：用實體 AI、物理引擎與 Omniverse 展示數位角色走入現實
演說最後的高潮，是迪士尼《冰雪奇緣》角色雪寶Olaf 突然登台。
黃仁勳介紹說，雪寶並不是預先渲染好的動畫，而是由輝達的實體 AI 堆疊、Newton 物理引擎與 Omniverse 模擬平台所驅動，從數位畫面中「走進」真實舞台。
黃仁勳還開玩笑對雪寶說：「我知道你為什麼會動，因為你的電腦是我給你的——Jetson。」當雪寶 問那是什麼時，他回說：「它就在你肚子裡，而且你是在 Omniverse 裡學會走路的。」
黃仁勳 GTC 2026 十大重點
1. AI 已進入 token 與推理驅動的新時代黃仁勳將 token 定義為 AI 新時代的基本單位，並強調未來需求核心在推理、AI 工廠、代理型 AI 與實體 AI。
2. 輝達看見 2025 至 2027 年至少 1 兆美元商機
受 AI 新創與企業大舉投入帶動，黃仁勳估計未來三年可創造至少 1 兆美元營收或訂單機會。
3. Vera Rubin 是整套平台，不只是晶片
Rubin 平台涵蓋多顆晶片、多套機櫃系統與超級電腦，強調端到端垂直整合。
4. Rubin 搭配 Groq LPU，主打 AI 推理
新系統整合 72 台 Rubin 伺服器與 256 顆 LPU，每秒可產生 7 億 tokens，速度為 Hopper 的 350 倍。
5. Groq 正式納入產品線，補足低延遲推理能力
Groq 3 LPU 預計第三季出貨，可與 GPU 搭配，提升即時生成與記憶體擴展能力。
6. 下一代 Feynman 架構全面升級 AI 工廠五大支柱
包括運算、記憶體、儲存、網路與安全，並導入新 CPU Rosa、LP40、BlueField-5、CX10 與 Kyber。
7. NemoClaw 與 OpenShell 推進企業級代理型 AI
輝達全面支援 OpenClaw，並推出企業部署所需的安全、政策與隱私工具。
8. Nemotron Coalition 擴大模型生態系
涵蓋語言、視覺、機器人、自駕、生物化學與氣候等六大模型家族。
9. 實體 AI 與 robotaxi 成為下個重點場景
輝達與多家車廠、Uber、ABB、KUKA、T-Mobile 等合作，把 AI 帶向自駕、工業機器人與邊緣基地台。
10. 從 Omniverse 到太空資料中心，輝達企圖主導 AI 基礎設施全局
黃仁勳不只談資料中心，也談模擬平台、邊緣部署，甚至把未來 AI 基礎設施延伸到太空。
