NVIDIA GTC 2026｜黃仁勳：輝達重新定義運算，資料中心規模走向兆級市場

Neo

35 分鐘前

在 Nvidia GTC 2026 上，黃仁勳自信地表示：許多 AI 原生公司之所以能夠出現，是因為輝達「重新定義了運算」。他說，我們正處於新平台變革的開端，這類似於個人電腦革命。過去兩年，隨著 ChatGPT 的問世，生成式 AI 時代真正拉開了序幕。

黃仁勳展示一張關鍵投影片，揭示全球 AI 算力市場正進入爆發式成長階段。該圖顯示，全球資料中心市場的潛在規模（TAM）已從 2025 年約 5,000 億美元，在短短一年內躍升至超過 1 兆美元（$1T），並且仍在持續擴張。投影片中最核心的概念是「Inference Inflection」（推理拐點）。

過去 AI 發展主要集中在訓練（Training）階段，也就是讓模型學習大量資料。但隨著大型模型成熟，AI 正開始被部署到各種產品與服務中，例如客服、影像生成與程式開發。這意味著市場重心正從訓練轉向推理（Inference）。當 AI 被數十億使用者同時調用時，每一次提問、生成圖片或影片都需要算力支援。這種高頻、低延遲的運算需求，將使推理算力需求呈現幾何級數成長。

廣告 - 內文未完請往下捲動

在演說的開頭，黃仁勳花了相當長時間介紹 Nvidia 軟體堆疊在各產業的應用，尤其是 Nvidia 的 CUDA-X 程式庫生態。他說：「我們是一家演算法公司。」他指出，AI 的落地並非只靠生成式 AI。「把 GenAI 丟到牆上看它會不會成功並不是策略。」他認為，不同產業面臨的問題差異極大，因此 Nvidia 必須開發 domain-specific libraries（產業專用程式庫）。

Table of Contents

推理拐點：全球資料中心規模走向一兆美元

在 Nvidia GTC 2026 的主題演講中，黃仁勳展示一張關鍵投影片，揭示全球 AI 算力市場正進入爆發式成長階段。該圖顯示，全球資料中心市場的潛在規模（TAM）已從 2025 年約 5,000 億美元，在短短一年內躍升至超過 1 兆美元（$1T），並且仍在持續擴張。

投影片中最核心的概念是「Inference Inflection」（推理拐點）。過去 AI 發展主要集中在訓練（Training）階段，也就是讓模型學習大量資料。但隨著大型模型成熟，AI 正開始被部署到各種產品與服務中，例如搜尋、客服、影像生成與程式開發。這意味著市場重心正從訓練轉向推理（Inference）。

當 AI 被數十億使用者同時調用時，每一次提問、生成圖片或影片都需要算力支援。這種高頻、低延遲的運算需求，將使推理算力需求呈現幾何級數成長，也被 Nvidia 視為推動兆美元 AI 資料中心市場的核心動力。

投影片右側的市場結構顯示，當前 AI 算力需求主要來自兩大類客戶。約 60% 的需求來自超大規模雲端服務商（Hyperscalers）與 AI 原生公司（AI-native companies）。其中包括：

Amazon Web Services
Google Cloud
Microsoft

以及 AI 模型開發商：

OpenAI
Anthropic
xAI

另一個 40% 的市場需求則來自 Nvidia 近年最強調的新領域，包括 Sovereign AI（主權 AI）、工業與企業應用。所謂主權 AI，是指各國政府建立屬於自身語言、文化與資料體系的 AI 基礎設施。例如：

建立國家級 AI 超級電腦
訓練本地語言模型
建立國家資料主權

此外，傳統產業也開始大規模導入 AI，包括：

汽車與自駕系統
製造與智慧工廠
醫療影像分析
金融風險模型

投影片中央也列出了目前主要的 AI 模型生態，包括 ChatGPT、Gemini、Grok 以及各種開源模型。其中 Anthropic 與 Meta Superintelligence Labs 被標註為 2025 年後崛起的新力量，顯示 AI 模型競爭正在快速擴大。

GTC 2026 黃仁勳：Nvidia 本質是一家「演算法公司」

黃仁勳在演講中花了相當長時間介紹 Nvidia 軟體堆疊在各產業的應用，從醫療、製造、金融到雲端運算。他指出，所有能力最終都回到 Nvidia 的 CUDA-X 程式庫生態。「我們是一家演算法公司。」黃仁勳表示。他並形容 CUDA-X 為 Nvidia 「皇冠上的寶石（crown jewel）」，強調 GPU 的真正價值來自於軟體平台，而非僅是硬體本身。

其中最關鍵的組件之一就是 cuDNN，該程式庫專門為深度神經網路提供高效能 GPU 加速，長期被主流 AI 框架廣泛採用，成為現代深度學習基礎設施的重要組件。

黃仁勳再次強調軟體對 AI 生態的重要性，並指出 cuDNN 是公司歷來最關鍵的程式庫之一，甚至稱其為引發現代人工智慧浪潮的大爆炸。Nvidia 在會中展示一段關於其 CUDA-X 軟體生態的短片，其中包含一段完全由 AI 與模擬技術生成、幾乎以假亂真的影片，藉此凸顯 GPU 加速與深度學習框架在視覺運算上的突破。

黃仁勳：AI 需要「產業專用程式庫」

黃仁勳指出，AI 的落地並非只靠生成式 AI。「把 GenAI 丟到牆上看它會不會成功並不是策略。」他認為，不同產業面臨的問題差異極大，因此 Nvidia 必須開發 domain-specific libraries（產業專用程式庫），為各垂直領域提供最佳化解決方案。

這也是 CUDA-X 生態持續擴張的原因，目前已涵蓋數十個領域，包括：

科學計算
醫療影像
自動駕駛
金融分析
資料工程

這些程式庫使 GPU 能在不同產業場景中發揮最大效能。

垂直整合、水平開放的 AI 堆疊

黃仁勳形容 Nvidia 的策略為「垂直整合、水平開放」（vertically integrated but horizontally open）。這意味著 Nvidia 從晶片、系統、軟體到應用平台提供完整堆疊，但同時允許各種企業與開發者在其平台上開發應用。在 AI 計算需求爆發的背景下，NVIDIA 認為這種模式是推動加速運算（accelerated computing）的唯一方式。