GTC Taipei 2026 邁向代理人工智慧新紀元，NVIDIA 全面布局智慧算力基礎設施

2026 年 6 月 1 日的 NVIDIA GTC Taipei 2026 主題演講中，執行長黃仁勳正式揭開「代理人工智慧（Agentic AI）」時代的序幕。他於 GTC 2026 大會中指出，全球運算產業正迎來根本性的轉型，前沿模型與代理工作流程（agentic workflows）的深度融合，使 AI 不再僅是消極回應提示詞的輔助工具，而是具備理解、推理、規劃、行動並自主調用工具能力的實用生產力（黃仁勳稱其為 Useful AI）。為應對此一運算典範轉移，黃仁勳展示從晶片、軟體、運算平台到彈性電網管理的全方位基礎設施藍圖，包含專為代理迴圈設計的 Vera 中央處理器（CPU）、進入全量產階段的 Vera Rubin 架構，以及顛覆個人運算體驗的 RTX Spark 平台。算力即營收的全新運算經濟學，正引領全球科技供應鏈邁向具體實用且可獲利的智慧工廠（AI Factory）新紀元。

量身打造新晶片，運算效能大突破

隨著智慧代理系統逐漸成為現代資料中心的核心，傳統中央處理器（CPU）已成為制約圖形處理器（GPU）效能發揮的主要瓶頸，直接影響代幣（token）的吞吐量、系統延遲與使用者體驗。過去的中央處理器（CPU）多為人類驅動的工作負載而設計，然而智慧代理需要頻繁執行工具呼叫、運行沙盒代碼、進行大規模數據檢索與即時串流分析。為此，NVIDIA 推出專門應對代理工作負載的 Vera 中央處理器（CPU）。該處理器核心採用客製化的 NVIDIA Olympus 核心，針對分支繁重的 Python 執行期（runtime）、工具呼叫及安全沙盒環境進行最佳優化。核心內建神經分支預測器，每週期可評估兩個已選取分支，並配備十寬度（10-wide）解碼引擎與大型過序執行（out-of-order）引擎，結合創新的圖形引擎預取器，能精準預測下一條數據路徑，確保核心免於運算資源耗竭。

除了優異的核心算力，黃仁勳表示 Vera 也是全球首款採用低功耗雙倍數據率記憶體（LPDDR5X）的資料中心中央處理器（CPU），能在不犧牲頻寬的前提下同時修正多重錯誤。相較於傳統 x86 架構，Vera 成功降低 40% 的峰值記憶體載入延遲，可即時符合數據檢索與沙盒執行需求。架構上，第二代可擴充相干網格（scalable coherency fabric）將 88 個 Olympus 核心凝聚於單一單晶片網格（monolithic mesh）上，拒絕因晶片組（chiplet）跨越邊界而帶來的效能損耗，使核心對核心通訊速度提升 50%。透過具備記憶體相干性的 NVLink 晶片至晶片（C2C）技術，中央處理器（CPU）可直接接入高速 fabric 網格並跨 socket 擴充，釋放超高內部頻寬。黃仁勳指出實測數據顯示，Vera 的代理沙盒效能達傳統 x86 的 1.8 倍，結構化查詢語言（SQL）數據處理速度加快 3 倍，而紐約證券交易所（NYSE）的即時串流數據處理延遲更大幅縮減至 6 分之一。

企業工具組登場，晶片設計加速驗證

為協助企業安全、高效地部署與運行智慧代理，黃仁勳表示 NVIDIA 正式推出研發多年的「企業級 AI 代理工具組（NVIDIA Agent Toolkit for Enterprise AI）」。該工具組圍繞智慧代理即服務的核心訴求，精煉出四大基礎架構：更聰明且低成本的模型、軟體編排的代理行為安全外殼、CUDA-X 工具技能庫，以及串聯整體的執行期（runtime）作業系統層。在安全編排層面，開源的 Open Shell 作為高度安全的代理 harness 外殼，能妥善將智慧代理限縮於安全政策與隱私規範中，落實身分驗證、權限賦予與行為接地，目前已獲得 Red Hat、Canonical 兩大 Linux 巨頭與微軟（Microsoft）的整合採用。同時，NVIDIA 發表新一代開源基礎模型 Nemotron 3 Ultra，其運作速度加快 5 倍，且總算力與推理成本降低 30%，更是全球首款基於狀態空間模型（SSM）與混合專家架構（Mixture of Experts, MoE）的尖端複合模型，目的是讓系統能以極低的算力成本進行更長週期的深度邏輯推理。

在工具組的實際企業應用上，NVIDIA 與益華電腦（Cadence）深度合作，成功將該軟體堆疊落地於極具挑戰性的半導體工程領域，共同發表「晶片設計超級代理（ChipStack AI Super Agent）」。現代晶片設計涉及數兆家電晶體與複雜的三維電路，傳統的暫存器傳輸級（RTL）設計驗證與除錯流程往往需要數千名工程師耗費數週。在此次技術整合中，由 Codex 代理負責整體工作流編排，在 Open Shell 安全外殼守護下，調動多個在暫存器傳輸級（RTL）生成、測試平台（testbench）建立、迴歸測試及代碼除錯領域的專家子代理。系統自主驅動並調用 Cadence Xcelium 進行數百次高強度模擬，並透過 Jasper 進行形式驗證，迅速揪出代碼瑕疵並自動修復漏洞。這套結合 CUDA 加速與精確推理的智慧驗證引擎，成功將原本長達數週的設計驗證週期縮短至數小時，效能大幅躍升 40 倍以上。

個人電腦迎轉型，硬體架構大顛覆

在個人運算生態層面，微軟（Microsoft）與 NVIDIA 歷時三年深入協作，聯合宣布對個人電腦進行 40 年來最徹底的架構重構，正式推出「RTX Spark」個人運算平台（也就是個人電腦）。該平台將傳統點擊啟動的二進位應用程式，翻轉為持續運行的代理執行期（agentic runtime），並將大型語言模型定位為現代版的 DirectX，賦予電腦本地端理解語意提示、電腦視覺與音視訊即時生成的作業系統級能力。硬體架構上，RTX Spark 晶片融合了具備 6,144 個 CUDA 核心的 Blackwell RTX 圖形處理器（GPU），可輸出 1 Petaflop 的高強度 AI 推理算力。中央處理器（CPU）則採用與聯發科技（MediaTek）客製化開發的 20 核心 Grace 中央處理器（CPU）— N1X 晶片。該晶片採用台積電（TSMC）3 奈米製程技術，整合 700 億個電晶體，並透過高速 NVLink 技術融合 128 GB 統一記憶體。這款兼具低功耗與 universal 相容性的晶片，能 100% 運行 NVIDIA 包含 CUDA 在內的完整軟體堆疊，並完美繼承 Windows 生態圈的所有過去的程式碼架構系統。

黃仁勳進一步播放動畫演示智慧代理在個人電腦端的本地端工作流程。在房屋建築設計的範例中，運行於 RTX Spark 平台上的本地代理，結合 Open Shell 沙盒環境與 Hermes 輔助編排工具，串聯雲端的高階推理模型。代理自主打開 Rhino 軟體，依據概念草圖與文字簡報自動完成地形建模、法規退縮界線計算與建築體積優化，隨後自動配置包含隔間、動線、門窗在內的內部格局，並在過程中即時自我校正錯誤。在通過設計初審後，代理將完整的設計上下文（context）無縫匯出至 Blender 軟體，並調用本地端的 FLUX 2 生成式模型產出擬真光影渲染圖，將原本跨軟體、耗時數週的複雜創作流程濃縮至數小時內完成。軟體巨頭 Adobe 亦宣布將旗下旗艦軟體 Photoshop 與 Premiere 的核心架構針對 RTX Spark 進行重新工程設計，運行速度提升 2 倍，並藉由 MCP 伺服器技術使其具備完美的智慧代理親和力。NVIDIA 更協同宏碁、華碩、戴爾、微星、技嘉、惠普、聯想等全球製造生態系，推出完整的桌上型、筆記型與工作站 Windows AI 機種，並發表內建 768 GB 記憶體、可單機運行兆級參數模型的 DGX Station Windows 版本。

物理智慧迎崛起，機器人創新浪潮

演講將智慧代理的範式從純粹的數位虛擬世界，跨越至與真實世界互動的物理人工智慧（Physical AI）。官方坦言，第一人稱視角（first-person perspective）感知數據的匱乏，是目前機器人發展面臨的最大難題，因為網路上絕大多數影片皆為第三人稱拍攝，無法讓機器人直接學習動作控制。為了打破這項數據 scarcity 瓶頸，NVIDIA 採取「運算即數據」的新型策略，透過人機協作遠端操縱（teleoperation）收集初始數據，並在 Omniverse 數位雙生環境中進行物理交叉驗證，結合將第三人稱視角重新投影至第一人稱的數據生成技術，正式發表物理人工智慧前沿基礎模型「Cosmos 3」。Cosmos 3 採用全新混合專家自注意力模型（Mixture of Transformers）架構，能將像素、動作、聲音與語言數據完美融入自迴歸自注意力模型（autoregressive transformer）中進行高階推理規劃，進而引導擴散自注意力模型（diffusion transformer）精確預測下一訊框的物理軌跡。

基礎模型 Cosmos 3 在世界生成準確度（PAI-Bench）與世界理解能力（VANTAGE-Bench）等全球權威效能評測榜單中均名列前茅，可靈活扮演視覺語言模型（VLM）、物理精準合成影片生成器、政策評估模擬器以及世界動作模型等多重角色，並將完整開源其模型、訓練數據與腳本。在自動駕駛領域，NVIDIA 推出具備即時口語推理能力的開放式自駕車模型「Alpamayo 2」，未來將部署於 Helios 作業系統與 DRIVE Hyperion 車載平台上，目前已成功串聯全球約 80% 的汽車品牌與 97% 的移動服務生態系。在人形機器人前沿領域，NVIDIA 則端出高度垂直整合的「NVIDIA Isaac Groot（或稱 Isaac Root）」人形機器人平台，內建高速 Python 開發庫 Isaac Lab 與 Isaac ROS 推理運行環境。為了移除全球科研與工廠部署的 fragility 障礙，NVIDIA 同步推出官方參考設計人形機器人，該機器人身高 6 呎、重 150 磅，配備由 Schunk 客製製造、單手具備 25 個自由度的靈巧手，全身共擁有 31 個自由度，內建 Thor 運算電腦，提供全球高等教育與工業研究機構一套開箱即用的具身智能（Embodied AI）標準開發載具。

智慧工廠全啟動，算力直接變營收

在基礎設施層面，黃仁勳宣告產業界，全球正迎來有史以來最大規模的「AI 工廠（AI factories）」建置潮，而智慧算力的營運核心正是「算力即營收（Compute is revenue）」。由於每一枚產出的代幣（token）皆具備直接的商業經濟價值，資料中心的運作效率與可靠性將直接左右企業的淨利表現。為此，NVIDIA 推出全新智慧工廠基礎設施藍圖「NVIDIA DSX」平台。DSX 平台在實體廠房動土前，可先透過「DSX Sim」在 Omniverse 虛擬世界中建立高保真的數位孿生（digital twin），針對機櫃佈局、三維管線、電力配送與液冷流場進行全面性的模擬與應力驗證，大幅降低 multi-billion 級大規模資本支出的投資風險。實體廠房開機後，則全面由「DSX OS」接管底層 provision 運作，將硬體設施安全、多租戶且高彈性地轉化為 Ready-to-use 的信任算力資產。

為了解決現代算力 factory 普遍存在的超額供電瓶頸，DSX 平台導入了「DSX Max LPS（Low Power Systems）」電源優化調配系統，能依據工作負載需求在機櫃間進行微秒級的動態剩餘瓦特數轉移，並利用在架電源平滑技術壓制突波電流，使算力工廠能在固定的電力容量配額內安全部署更多圖形處理器（GPU）。工廠全面採用 45 度 C 高溫熱液流體冷卻技術，利用高效率歧管與每機櫃承受超過 5,000 安培的大電流液冷匯流排（bus bar），徹底捨棄了線纜、軟管與風扇，使整機櫃組裝時間由傳統的兩小時驟降至 5 分鐘。同時，工廠內建「DSX Flex」智慧電網動態交互功能，能即時讀取外部電網負載信號，在區域用電尖峰時段自主調降能耗，使 AI 工廠轉化為可調節的靈活電力資產。

NVIDIA 全新世代 AI 基礎設施硬體規格表

目前，NVIDIA 正攜手台灣及全球超過 150 家頂級供應鏈與系統製造夥伴，全力推動高達 100 Gigawatts 的高效能 AI 工廠在全球落地。全新旗艦級 Vera Rubin 基礎設施平台現已進入全量產階段，其供應鏈規模達 Grace Blackwell 的兩倍以上，將為全球區域 AI 雲端、自動駕駛與大型智慧工廠注入可持續且具備高經濟回報率的底層智慧算力根基。

基因線上現場特派記者吳柏緯特別整理出以下未來趨勢發展的可能方向，根據 GTC 2026 所發表的完整基礎設施生態鏈，未來的科技與社會發展將呈現以下三大趨勢方向：首先，智慧代理（Agent）的數量將呈現指數型爆發：隨著單個代幣的推理成本與功耗下降，未來世界上運作的 AI 代理總數將遠遠超過全球人類總人口數。其次，智慧代理將擁有各自的專業技能與操作庫，成為各大企業內部不可或缺的虛擬員工資產。 資料中心演進為彈性電網資產（Flexible Energy Assets）：隨著 DSX AI 工廠平台及 DSX Flex 的推廣，未來的兆級算力工廠將不再只是單純的耗電怪獸，而是能即時讀取外部電網調節信號、在毫秒間動態移轉剩餘瓦特數，甚至在用電高峰主動為電網提供緩解能力的電網共生型基礎設施。最後則是運算經濟學的全面落地：未來的企業在建置算力時，將不再盲目追求單一晶片的便宜價格，而是全面改以「每瓦特代幣收益率（Revenue per watt）」或「第一推理 token 產出時間（Time to first token）」作為核心商業指標 。「買越多、賺越多（The more you buy, the more you make）」的軟硬體一體化端到端極致共同設計（Extreme Co-design），將成為各行各業建立數位護城河的標配準則。

資料來源：
基因線上記者吳柏緯現場採集彙整報導，所有最終正確資訊請以輝達官網與官方公告為準。

過往報導：
1. 輝達 GTC 2026 前瞻：從資料中心到量子運算，市場聚焦成長敘事與 192 美元技術關卡
2. 輝達 2025 GTC 大會：台廠扮演要角，液冷、矽光子與高壓電源供應齊發
3. 黃仁勳宣布「達鎮」北士科，NVIDIA Constellation 星斗照耀台灣 AI 天空
4. 輝達黃仁勳主題演講報導：資料與運算需求指數級成長的時代，GPU 加速計算成為變革濫觴

英文報導：
The Computer Was Built for Humans. At GTC Taipei, Jensen Huang Just Built One for AI