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

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。

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）。

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。

AI 的關鍵戰場：非結構化資料

黃仁勳也提到 AI 的另一個重要任務：處理非結構化資料（unstructured data）。他指出，全球約 90% 的資料都是非結構化，例如影像、影音、語音與自然語言文本，但過去因為難以搜尋與分析而被視為幾乎無用。隨著 AI 與 GPU 加速技術成熟，這些資料正逐漸被轉化為可分析資產。

例如 IBM 正利用 Nvidia 的 cuDF GPU 加速框架，提升其 WatsonX 資料平台處理效率，讓大量非結構化資料能被快速分析與利用。

OpenAI 將導入 AWS，緩解算力壓力

在談到 AI 基礎設施時，黃仁勳也提到 OpenAI 的算力需求問題。他指出，目前 OpenAI 「完全受到算力限制」，而今年該公司將導入 Amazon Web Services 的基礎設施，以緩解龐大的運算需求。

這篇文章 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 最早出現於 鏈新聞 ABMedia。