.png)
AI產業的競爭，早已不只是比誰家的聊天機器人回答得更快、更聰明，而是進一步延伸至運算設備、資料中心、電力管理、散熱系統，甚至能夠在現實世界執行任務的機器人。輝達（NVIDIA）執行長黃仁勳在GTC大會上，再度描繪下一階段AI產業的發展藍圖，從新一代Vera Rubin平台、模組化AI工廠，到企業級AI代理安全架構與人形機器人，展現AI技術從雲端走向實體應用的企圖心。值得關注的是，台灣科技廠商也持續在這波產業轉型中扮演重要角色，伺服器、電力與散熱等領域的業者，有望隨著AI基礎建設需求擴大而迎來新一輪發展機會。
黃仁勳揭輝達新一代AI布局！
Vera Rubin平台、CPO技術受關注
隨著AI應用逐漸從單純的內容生成，走向能夠自主規劃、分析資訊並執行任務的「代理式AI」（Agentic AI），背後所需的運算能力與資料傳輸效率也跟著提高。黃仁勳在演講中展示輝達新一代硬體布局，聚焦整合Vera CPU、Rubin GPU及Spectrum-X網路交換器的Vera Rubin平台，藉由運算與網路架構的協同設計，支援日益複雜的AI工作負載。
相較於前一代Blackwell架構，新平台的發展重點不只在提升運算效能，也包括改善整體系統的效率，讓AI模型在執行推理、處理多步驟任務時，能夠獲得更完整的基礎設施支援。畢竟，當AI不再只是回答一句問題，而是得連續完成多項工作，背後需要的運算資源自然也不能只靠一張晶片單打獨鬥。
此外，演講中展示的共同封裝光學（CPO）技術，同樣是值得留意的發展方向。這類技術將光學元件與相關晶片、封裝或交換器系統進一步整合，目標在於改善高速資料傳輸的能耗與效率。隨著大型AI資料中心持續擴張，如何在提升傳輸頻寬的同時控制耗電量，已成為產業必須面對的重要課題。
AI工廠不只拚算力！
DSX POD鎖定快速部署與能源效率
除了晶片與網路設備，黃仁勳也將焦點放在AI基礎建設的整體部署方式，提出模組化AI工廠設計DSX POD。與傳統資料中心需要分別規劃運算設備、網路、供電及散熱系統不同，模組化設計希望能預先整合各項設備，並在工廠內完成組裝與測試，降低現場建置時的複雜度。依照演講中所提出的規劃，在場地與必要設施準備就緒的前提下，相關系統最快可望於14天內啟用。這項設計的關鍵，在於將原本需要分階段處理的工程整合成更標準化的流程，縮短從設備進場到系統運作的時間。
不過，AI資料中心的挑戰並不只有建置速度。當運算需求持續增加，電力供應與冷卻系統也成為左右營運成本的重要因素。輝達因此同步強調乾式冷卻、智慧電力管理等解決方案，希望透過系統整合改善能源與水資源使用效率。相關資料指出，在特定2GW部署規模的情境下，相關方案每日最高可節省約5,400萬公升用水，並降低30%的電力消耗。不過，這些數字仍須搭配原始基準、系統配置與適用條件解讀，不能直接視為所有AI資料中心都能達到的固定成效。相關合作夥伴則預計於2027年初陸續推出方案，後續實際部署成果值得持續觀察。
黃仁勳提出AI「5層蛋糕」！
6家台廠成產業鏈關注焦點
談到AI產業的未來，黃仁勳以「5層蛋糕」比喻整個AI生態系，將其拆分為能源、運算設備、AI工廠、AI模型，以及最上層的產業應用。這套架構想傳達的概念是：AI並非單一軟體或晶片就能獨立運作，而是需要從能源供應、硬體建置到模型開發與實際應用，形成完整的產業鏈。對企業而言，未來若想真正掌握AI帶來的經濟機會，除了導入現成工具，也需要思考如何運用AI改善生產流程、提升服務效率，甚至開發新的商業模式。
在這套生態系中，台灣廠商的角色也備受關注。包括：台達電（2308）、技嘉（2376）、緯創（3231）、和碩（4938），以及鴻海旗下鴻佰科技、廣達旗下雲達科技等業者，都在伺服器、機櫃整合、電力或散熱等相關領域布局，成為AI基礎建設供應鏈的重要參與者。隨著AI運算需求持續成長，資料中心所需設備也從單純的伺服器，延伸至高密度機櫃、電源管理、液冷散熱及高速網路等環節。這代表AI產業的成長機會並不只集中在GPU本身，整體系統整合與基礎設施同樣是市場關注的重點。
然而，供應鏈入列不等於營收與獲利必然同步成長，實際影響仍須觀察各公司取得的訂單規模、產品組合、毛利率與資本支出。對投資人而言，與其只看題材熱度，不如進一步檢視企業的實際營運數據。
OpenShell登場！AI代理資安與實體AI成新戰場
除了硬體平台與AI工廠，黃仁勳也將目光延伸至AI代理的安全管理。當AI系統開始具備自主規劃及執行任務的能力，企業面臨的問題就不只是模型答得準不準，還包括它能存取哪些資料、可以執行哪些操作，以及如何避免未經授權的行為。演講中提及的OpenShell參考架構，便是朝著企業級AI代理的安全管理方向發展，透過軟硬體隔離及相關安全控制機制，協助企業建立執行環境的防護措施。相關布局也涉及微軟、Google Cloud、AWS及OpenAI等業者所參與的AI生態系。
對企業來說，AI代理就像一位能夠協助處理工作的數位員工，但能力愈強，權限管理與資安控管就愈重要。若沒有適當的存取限制、操作紀錄與監控機制，即使AI原本是為了提高效率，也可能衍生資料外洩或錯誤操作等風險。另一個受到矚目的方向，則是「實體AI」（Physical AI）。相較於在電腦中生成文字、圖片或分析資料，實體AI更強調讓AI理解物理環境，並透過機器人、感測器與運算平台，在現實世界中執行動作。
相關應用涵蓋自動駕駛、人形機器人及工業自動化等領域。演講中展示的Agile Robots人形機器人Agile ONE SN，搭載Jetson Thor平台及Isaac GR00T相關模型，呈現AI模型與機器人硬體整合的發展方向。此外，登台亮相的4隻小型機器人Microduck，也透過坐下、站起及快走等動作，讓觀眾看見AI從虛擬模擬走向實體執行的可能性。比起只在螢幕上回答問題，能夠依照指令完成動作的機器人，確實更容易讓人直觀感受到AI技術的另一種發展潛力。不過，從展示到大規模商業化仍有一段路要走。機器人如何在複雜環境中穩定執行任務、控制成本、確保安全，以及真正融入工廠或日常生活，都是後續必須克服的挑戰。
對台灣科技業而言，伺服器、電源、散熱與系統整合等領域，仍是值得關注的產業環節。不過，AI需求成長並不代表每家供應鏈廠商都能等比例受惠，未來仍須觀察技術進展、客戶採用速度、實際訂單與獲利表現。
