智慧科技
分享心發現

GTC Taipei 2026重點整理:黃仁勳揭示AI、機器人與半導體最新布局

2026/06/08

 

NVIDIA在GTC Taipei 2026中,宣告我們從「單純與AI聊天」的時代,跨入「AI幫你執行複雜任務」的新紀元。(圖片來源:NVIDIA)

 

輝達(NVIDIA)在GTC Taipei 2026展現從底層基礎設施、邊緣運算到軟體與實體機器人的完整佈局,正式宣告我們從「單純與AI聊天」的時代,跨入「AI幫你執行複雜任務」的新紀元;就讓我用這篇GTC Taipei 2026懶人包,帶你一次看懂核心重點吧!

 

本文目錄

 

 

Vera Rubin是什麼?NVIDIA下一代AI晶片布局解析

輝達(NVIDIA)宣布接替Grace Blackwell的全新Vera Rubin運算平台已進入全面量產推進階段,並由台灣與全球供應鏈夥伴共同支援大規模部署,以因應全球對新一代AI工廠的迫切需求;根據NVIDIA說法,Vera Rubin平台採用開放式MGX設計,並由台灣約150家生態系夥伴、全球30國超過350座工廠共同推進量產,目標是為雲端服務供應商、AI實驗室與大型企業提供可快速擴展的AI工廠基礎。

 

Vera CPU具備88個Olympus核心,並支援Spatial Multithreading、最高1.2TB/s的LPDDR5X記憶體頻寬,設計重點在於針對AI代理的最佳化。(圖片來源:NVIDIA)

 

在這一架構中,最受矚目的核心硬體之一,是專為自主AI代理人(AI Agents)工作負載打造的Vera CPU,這款處理器具備88個Olympus核心,並支援Spatial Multithreading、最高1.2TB/s的LPDDR5X記憶體頻寬,設計重點並非只追求傳統伺服器處理器的通用運算能力,而是針對AI代理在長時間推理、工具使用、沙盒程式碼執行、資料庫查詢、分析管線與大量並行資料處理時所需的高吞吐與極低延遲需求進行最佳化。

 

此外,為了確保這些複雜且分散的代理任務在傳輸、存取與儲存過程中的資料安全,NVIDIA也推出整合Vera CPU、BlueField-4 DPU、儲存加速與晶片級安全機制的Vera BlueField-4 STX處理器;這套設計將安全防護深入硬體與資料管道底層,透過晶片層級的政策執行、隔離與加密能力,降低企業資料、代理人上下文記憶與AI推論流程在高速運作中遭未授權存取或外洩的風險。

 

 

企業AI代理人如何發展?DSX平台與未來生態系解析

隨著AI工廠從理論走向實際部署,企業與基礎設施建設者面臨的不只是算力採購問題,更包含機櫃設計、網路互連、儲存架構、電力、冷卻、模擬、管理軟體與多租戶營運等複雜工程挑戰;為此,NVIDIA推出全新DSX基礎設施平台,將其定位為提供給基礎設施建設者的AI工廠建置指南(Playbook),協助企業以標準化、模組化的方式規劃與複製AI工廠。

 

DSX平台協助基礎設施建設者從晶片、系統、網路、儲存到生命週期管理,建立一套AI工廠架構。(圖片來源:NVIDIA)

 

DSX平台整合參考設計、基礎設施軟體、模擬工具、設施技術與生態系夥伴方案,讓企業能更有效率地建置以Vera Rubin POD架構為核心的AI工廠,它的目標不只是把更多GPU放進資料中心,而是協助基礎設施建設者從晶片、系統、網路、儲存到生命週期管理,建立一套可規模化部署、可營運、可維護且具備高可靠性的AI工廠架構。

 

與此同時,全球多家企業級軟體領導廠商也正基於NVIDIA Agent Toolkit、NemoClaw、Nemotron模型、OpenShell安全執行環境與CUDA-X技能庫,開發能融入日常商務與工程流程的自主AI代理;這些代理系統不再只是被動回應指令的聊天工具,而是能在設計、模擬、晶片驗證、資安、營運決策與企業流程中長時間執行任務的數位協作者,協助員工處理跨系統、跨部門且高度重複的複雜工作。

 

 

AI代理人將進入個人電腦?從資料中心到終端裝置的演進

為了將尖端AI運算能力從大型雲端資料中心延伸到日常辦公與本地開發環境,NVIDIA也在桌面端運算推出新的部署方向;全新NVIDIA DGX Station for Windows將原本屬於資料中心等級的AI基礎設施濃縮為桌邊設備,讓研究人員、開發者與企業團隊能在熟悉的Windows環境中,於本地端執行與微調最高一兆參數級別的前沿AI模型。

 

全新NVIDIA DGX Station for Windows將原本屬於資料中心等級的AI基礎設施濃縮為桌邊設備。(圖片來源:NVIDIA)

 

DGX Station for Windows搭載GB300 Grace Blackwell Ultra Desktop Superchip,並結合Windows生態系,讓企業能在本地端建立、運行與串接長時間運作的AI代理;這代表部分過去必須依賴雲端資料中心完成的模型開發、推論、測試與代理工作流,有機會被帶到更貼近開發者與企業內部資料的位置執行,進一步兼顧效能、資料隱私與部署彈性。

 

在更廣泛的個人電腦領域,NVIDIA也與微軟合作推出面向Windows PC的RTX Spark超級晶片與相關平台,RTX Spark的核心使命,是讓個人電腦從被動接收指令的數位工具,逐步轉變為能在本地端安全、隱密且低延遲運行個人AI代理的主機;透過本機模型、Windows安全機制與NVIDIA OpenShell等技術,未來PC將能更深入協助使用者處理跨應用程式、跨資料來源的日常任務。

 

 

Cosmos 3是什麼?實體AI如何理解真實世界

要讓人工智慧跨越數位邊界、走入真實世界,機器必須具備對物理環境、空間關係、動作與因果變化的理解能力;NVIDIA發表了Cosmos 3開源前沿基礎模型,將其定位為面向Physical AI的開放式基礎模型,支援文字、影像、影片、環境聲音與動作等多模態理解與生成,並可用於世界模擬與合成資料生成。

 

NVIDIA發表了Cosmos 3開源前沿基礎模型,將其定位為面向Physical AI的開放式基礎模型。(圖片來源:NVIDIA)

 

Cosmos 3的重點不只是生成視覺內容,而是協助機器人、自駕車與視覺AI系統建立更具物理一致性的訓練資料與模擬環境;透過對物理規律、空間變化與場景因果關係的建模,開發者能更有效率地訓練實體AI系統,降低單純依賴真實世界資料蒐集所帶來的成本與限制。

 

為了加速整體實體AI生態系成熟,NVIDIA同步採取開放策略,帶來了Isaac GR00T Reference Humanoid Robot開放式人形機器人參考設計,並釋出大量開源實體AI代理工具、技能庫、模型與框架;這讓全球機器人研究者與硬體製造商能基於更統一的軟硬體基礎,進一步開發具備推理、感知、操作與環境適應能力的機器人系統。

 

 

自駕車如何更安全?Alpamayo 2 Super的推理能力解析

在自動駕駛與移動載具領域,NVIDIA DRIVE Hyperion平台持續被定位為面向Robotaxi的全球標準化平台之一,並獲得多家車廠、移動服務與製造夥伴採用;DRIVE Hyperion以感測器架構、車載運算、軟體堆疊與安全驗證能力為核心,目標是支援Level 4等級的無人駕駛計程車與自動駕駛服務部署。

 

NVIDIA DRIVE Hyperion以感測器架構、車載運算、軟體堆疊與安全驗證能力為核心,目標是支援Level 4等級的無人駕駛計程車與自動駕駛服務部署。(圖片來源:NVIDIA)

 

而在硬體與平台之上的軟體大腦,則是NVIDIA本次發表的Alpamayo 2 Super,這是一款320億參數、針對Robotaxi打造的開放式推理視覺語言動作模型(Vision-Language-Action Model),可協助自駕系統理解行車場景、推理道路事件,並產生更具邏輯脈絡的駕駛決策。

 

Alpamayo 2 Super的關鍵價值在於提升自駕系統的可解釋性,相較於過往常被視為「黑盒子」的深度學習自駕模型,Alpamayo 2 Super透過因果推理軌跡與高階駕駛決策輸出,協助開發者理解車輛為何做出特定判斷,並可用於安全驗證、系統調校與法規溝通;這樣的設計有助於提升自動駕駛系統在複雜道路情境中的透明度與可信度。

 

 

台灣在AI產業扮演什麼角色?從半導體到智慧醫療布局

GTC Taipei 2026相關發表再次突顯台灣在全球AI供應鏈中的關鍵地位,從Vera Rubin平台量產、伺服器製造、AI工廠基礎設施,到先進半導體製造與醫療應用,台灣都扮演著NVIDIA AI生態系中不可或缺的硬體、製程與應用樞紐角色。

 

在半導體製造端,NVIDIA與台積電(TSMC)的合作進一步將AI與加速運算導入晶圓廠設計與生產流程;台積電正運用NVIDIA CUDA-X、cuLitho、cuEST、cuML、Metropolis、TAO與Omniverse FabTwin等技術,強化微影、製程控制、缺陷檢測、工廠營運與數位孿生等環節,藉此提升先進製程開發效率、能源效率、營運生產力與製造良率。

 

在應用端,NVIDIA則與鴻海(Foxconn)以及台灣多家醫療中心展開跨界合作,將代理式AI與實體AI技術導入健康醫療場景,相關應用涵蓋臨床推理、醫療文件處理、照護協調、心電圖分析、冠狀動脈3D重建、內視鏡即時病灶偵測,以及醫療機器人與照護輔助系統等領域;透過AI代理與機器人技術導入臨床流程,NVIDIA、鴻海與台灣醫療體系攜手推動更智慧化的醫療服務,並回應「健康台灣」的長期發展願景。

 

心發現延伸閱讀: