1 兆美元從哪來?NVIDIA GTC 2026 三個最重要的訊號

1 兆美元從哪來?NVIDIA GTC 2026 三個最重要的訊號

去年 GTC,Jensen Huang 站在同一個舞台上說,AI 基礎設施到 2026 年底的累計營收將達到 5,000 億美元。

一年後的 GTC 2026,他把這個數字改成了 1 兆美元,時間拉到 2027 年,直接翻倍。

NVIDIA 本季營收約 780 億美元,年增 77%,連續 11 季成長超過 55%。市值 4.5 兆美元,全球最高。光是 AWS 一家就要部署超過 100 萬顆 NVIDIA GPU。過去一年,AI 原生新創公司拿到了 1,500 億美元的創投資金,Jensen 說這些公司幾乎全部都在買 NVIDIA 的東西。

但 1 兆美元不會從天上掉下來,GTC 2026 的 Keynote 長達近兩小時,涵蓋了 7 個以上的產品線、50 個以上的合作夥伴,Jensen 自己說這場大會要「涵蓋 AI 五層蛋糕的每一層」。在這堆發表裡,有三個訊號最能解釋那 1 兆美元從哪來。

Vera Rubin:NVIDIA 開始賣整座 AI 工廠

Vera Rubin 不是一顆晶片的名字,是一整個平台:7 顆晶片、5 個機櫃級系統、1 台超級電腦,總共 130 萬個零組件。Jensen 在台上強調:「Vera Rubin 是完整系統,垂直整合,端到端優化,當作一個巨型系統來看。」

效能提升的幅度是 Grace Blackwell 的 10 倍(以每瓦效能計算),全液冷架構,供應鏈已經準備好每週量產數千套。NVIDIA 還展示了下一代的 Vera Rubin Ultra,採用 Kyber 機櫃設計,把 144 顆 GPU 塞進單一 NVLink 域,計算托盤從水平改為垂直排列,提高密度、降低延遲,預計 2027 年出貨。

Vera CPU 機櫃裝了 256 顆專為代理 AI 設計的 CPU,效率是傳統 CPU 的兩倍,速度快 50%。NVIDIA 預估 CPU 業務將成為數十億美元級的新營收來源。

NVIDIA 過去賣 GPU,現在賣的是一整座 AI 工廠的設計圖,從晶片到機櫃到液冷到軟體全部自己定義,客戶買的是一個完整系統。Jensen 還推出了 DSX Air,讓企業在真正建造 AI 工廠之前,先在 Omniverse 裡用軟體模擬整座工廠的運作,把部署時間從幾個月壓縮到幾天。

訊號一:200 億美元買下 Groq,正面回應最大的質疑

過去兩年,NVIDIA 最常被質疑的一件事是:你的 GPU 很會訓練模型,但推論(inference)呢?當 AI 從訓練階段進入大規模部署,推論的需求會爆炸性成長,而推論對延遲和功耗的要求和訓練完全不同。Groq、Cerebras、一堆新創都在搶這塊市場,Groq 的 LPU 尤其以極低延遲著稱。

NVIDIA 的回應是直接把 Groq 買下來,2025 年 12 月以 200 億美元完成資產收購,公司史上最大的一筆交易。三個月後的 GTC 2026,Jensen 就在台上展示了整合成果:Groq 3 LPU。

一個 Groq 3 LPX 機櫃裝 256 顆 LPU,提供 128GB 的晶片內 SRAM 和 640TB/s 的擴展頻寬。當 LPX 機櫃放在 Vera Rubin GPU 機櫃旁邊一起運作,推論吞吐量和功耗的比值提升了 35 倍。Jensen 的原話是:「我們合併了兩種極端不同的處理器,一個負責高吞吐,一個負責低延遲。但記憶體的需求沒有改變,所以我們加了一大堆 Groq 晶片來擴展記憶體容量。」

Groq 3 LPU 由三星製造,預計 2026 年第三季出貨。這意味著到今年下半年,NVIDIA 的客戶可以同時部署三種機櫃:GPU 機櫃負責訓練,CPU 機櫃負責代理 AI 工作負載,LPU 機櫃負責推論。三種機櫃全部液冷,放在同一個資料中心裡,用同一套軟體堆疊管理。

說白了,NVIDIA 直接把推論之王買下來,變成自己系統的一部分。

訊號二:OpenClaw 生態系,Jensen 口中的「新電腦」

如果說 Groq 收購解決的是硬體層的質疑,OpenClaw 要解決的是一個更大的問題:誰來定義 AI 代理時代的作業系統?

Jensen 在 Keynote 中花了大量時間談 OpenClaw,稱它為「新電腦」,把它比擬為 Linux 對軟體堆疊的影響,說「每家公司都需要 OpenClaw 策略」。他甚至說 OpenClaw 在幾週內就成為 NVIDIA 歷史上最受歡迎的開源專案。

OpenClaw 是一個開源的代理 AI 框架,原作者 Peter Steinberger 後來加入了 OpenAI,執行長 Sam Altman 承諾它會以基金會形式繼續作為開源專案運作。NVIDIA 在這個基礎上推出了 NemoClaw,一個企業級的安全部署堆疊,一鍵安裝 NVIDIA OpenShell 執行環境和 Nemotron 開源模型,可以在 RTX PC、RTX PRO 工作站、DGX Station 和 DGX Spark 上運行。

Jensen 說 NemoClaw 做的事情是:「它找到 OpenClaw,下載它,幫你建好一個 AI 代理。」他把 OpenShell 稱為「全世界 SaaS 公司的策略引擎」,背後的邏輯是軟體產業正在從 SaaS(軟體即服務)轉向 AaaS(代理即服務),每家軟體公司未來都會變成 AI 代理的供應商。NVIDIA 要當的角色,是這個轉變底下的作業系統和執行環境。

配合這個敘事,NVIDIA 同時發表了 Nemotron Coalition,集結六大前沿模型家族:Nemotron(語言和推理)、Cosmos(世界和視覺)、Isaac GR00T(通用機器人)、Alpaymayo(自駕)、BioNeMo(生醫)、Earth-2(氣候)。再加上 DGX Station 桌上型超級電腦,748GB 記憶體、20 petaflops、可以跑 1 兆參數模型,讓開發者在桌上就能運行企業級代理 AI。

NVIDIA 過去十年建立的護城河是 CUDA,讓所有 AI 開發者都在 NVIDIA 的生態系裡寫程式。現在它想用 OpenClaw 和 NemoClaw 再做一次同樣的事,只是這次鎖定的對象從開發者變成了 AI 代理。

訊號三:Vera Rubin Space-1,從地面到太空

Vera Rubin Space-1 是 NVIDIA 發表的太空資料中心等級 AI 運算模組,設計用途是在軌推論、即時地理空間情報、自主太空任務。太空環境的散熱挑戰和地面完全不同,沒有空氣對流,沒有表面傳導,唯一的散熱方式是輻射。Jensen 自己也說:「我們得想辦法在太空中冷卻這些系統,但我們有很多優秀的工程師在解決這個問題。」

Space-1 補齊了 NVIDIA AI 基礎設施從地面到軌道的覆蓋。現在 NVIDIA 的產品堆疊是:Jetson Orin(邊緣裝置)→ IGX Thor(工業邊緣)→ RTX PRO 6000 Blackwell(地面資料中心)→ Space-1(軌道),從邊緣到雲端到太空,形成一條完整的垂直覆蓋線。

Jensen 在同一場 Keynote 還預告了 Vera Rubin 之後的下一代架構 Feynman,新 CPU 叫 Rosa(紀念 DNA 結構的發現者 Rosalind Franklin),搭配 LP40 下一代 LPU、BlueField-5 和新的 Kyber 光學互連。NVIDIA 的路線圖已經排到了 2028 年以後。

當競爭對手還在追趕這一代的時候,NVIDIA 已經在談下下一代,而且談到了太空。

1 兆美元背後的合作網路

1 兆美元不是 NVIDIA 一家的營收,是整個 AI 基礎設施生態系的規模。這個生態系在 GTC 2026 上展現的廣度超出預期。

AWS 將部署超過 100 萬顆 NVIDIA GPU,涵蓋 Blackwell、Vera Rubin、RTX PRO、Groq 3 LPU 和 Spectrum 網路設備,是第一個宣布支援 RTX PRO 4500 的雲端供應商。Thinking Machines Lab 簽下多年合約,採購至少 1 GW 的 Vera Rubin 系統。

自駕領域,比亞迪、吉利、日產、現代、五十鈴都加入了 DRIVE Hyperion 平台開發 L4 自駕。Uber 宣布用 NVIDIA Drive AV 在 2028 年前覆蓋 28 個城市、4 大洲,明年先從洛杉磯和舊金山開始。

醫療領域,Roche 部署了 3,500 顆以上的 Blackwell GPU 用於藥物研發、診斷和製造。

60% 的營收來自超大規模雲端(AWS、Google Cloud、Azure),40% 來自區域雲、企業、機器人和其他領域。Jensen 特別提到,今年 GTC 出席比例最高的產業是金融服務業。AI 的需求正在從科技業向外擴散。

100 萬倍的運算需求

Jensen 在 Keynote 中說,運算需求在過去幾年增加了 100 萬倍。

NVIDIA 對這個需求的回應,是把自己從一家晶片公司變成 AI 時代的全棧基礎設施供應商。從訓練到推論(Groq),從軟體到代理作業系統(OpenClaw),從地面到太空(Space-1),從遊戲到醫療到自駕到國防。

GTC 2026 的 Keynote 結尾,一隻動畫龍蝦在營火旁唱歌,冰雪奇緣的 Olaf 走上舞台和 Jensen 對話。這些都是 NVIDIA 物理 AI 引擎的即時展示。

但真正的展示,是那個從 5,000 億翻倍到 1 兆的數字。Jensen 沒有在預測未來,他是在告訴市場,訂單已經在手上了,這個餅你買單嗎?XD


相關資料:

NVIDIA 官方 GTC 2026 新聞彙整
https://blogs.nvidia.com/blog/gtc-2026-news/

CNBC:Nvidia GTC 2026 CEO Jensen Huang Keynote
https://www.cnbc.com/2026/03/16/nvidia-gtc-2026-ceo-jensen-huang-keynote-blackwell-vera-rubin.html

Futunn:5-Minute Summary of Jensen Huang's GTC Speech
https://news.futunn.com/en/post/70154790/

Investing.com:NVIDIA at GTC 2026 AI Expansion and Strategic Partnerships(逐字稿節錄)
https://www.investing.com/news/transcripts/nvidia-at-gtc-2026-ai-expansion-and-strategic-partnerships-93CH-4564073

Read more

AI 時代 Claude Code 育兒法:她用 11 個代理人換來兩小時不理小孩

AI 時代 Claude Code 育兒法:她用 11 個代理人換來兩小時不理小孩

一個已經放棄技術夢的媽媽,養四個五歲以下的孩子 Jesse Genet 是 YC 2015 屆的創辦人,那家叫 Lumi 的包裝公司,幾年前賣掉了。離開戰場之後,她回歸家庭生下四個孩子,現在最大的五歲、最小的才四個月,全部在家自學。她原本打算未來五年不碰任何需要技術能力的新東西,這不是沮喪,只是承認現在的時間分配容不下那些。 六個月前這件事被翻過來了,她第一次打開終端機開始寫東西。兩三個月前她看著 Obsidian 社群的朋友聊 Claude Code,想清楚一件事:她可以趁孩子睡覺或自己玩的時候,建一群代理人替她工作。現在她有 11 個代理人,每天處理自學課表、教材採購、DoorDash 雜貨、家庭記帳,甚至能在她不碰 Mac Mini 的情況下,自己長出新的代理人。 這篇文章不是要你羨慕她有 11 個分身,真正值得記下來的是她反覆提到的一個詞:benevolent neglect,有意為之的放手。

By Fox Hsiao
NASA 月球基地計畫攤開看:三階段、七子系統、採購清單全公開

NASA 月球基地計畫攤開看:三階段、七子系統、採購清單全公開

這份文件該被當成徵求提案書來讀 2026 年 3 月 24 日,NASA 在華盛頓總部辦了一場叫「點火」(Ignition)的活動,邀請產業代表與國際太空社群到場。署長 Jared Isaacman 當場宣布,美國要在月球南極建一座月球基地(Moon Base),採分階段迭代推進。 這類宣示本身不稀奇,Artemis(NASA 自 2017 年啟動的月球重返計畫)已經喊了好幾年,大家多少聽過;真正值得停下來看的,是 NASA 在這次活動同步釋出的一份 16 頁文件《月球基地架構使用者指南》(Moon Base Architecture User's Guide)。 文件的真正讀者是產業、學界、國際夥伴,NASA 把月球基地要做的事、自己還不會的事、希望外面接哪幾塊,

By Fox Hsiao
Anthropic 成長負責人:工程師變快 3 倍之後,PM 反而變成最稀缺的人

Anthropic 成長負責人:工程師變快 3 倍之後,PM 反而變成最稀缺的人

2026 年 2 月,Anthropic 的年化營收(ARR)達到 190 億美元,比 14 個月前的 10 億美元成長了 19 倍。對照組更荒謬:Atlassian、Palantir、Snowflake 這些老牌 B2B 軟體公司,經營 15 到 20 年之後的 ARR 大約落在 45 到 60 億美元之間,Anthropic 每隔幾個月就多加一個這樣的公司規模到自己的營收上。 這樣的成長速度背後,Anthropic 的成長團隊規模小到不成比例。2025 年中,整個成長行銷只有 Austin Lau 一個人在扛,paid search、paid social、

By Fox Hsiao
AI 大神 Karpathy 的 AI 筆記流,一般人也能做到八成

AI 大神 Karpathy 的 AI 筆記流,一般人也能做到八成

我自己是幾乎不用筆記軟體的,身為一個不聰明的人,最常用的是 Apple 的備忘錄,但我覺得這篇大神的筆記流讓覺得蠻值得一試的,因為其實已經跟我現在用的 AI 工作流有點像,介於有筆記跟沒筆記中間惹 (?) 一般而言,大多數人用 ChatGPT 的方式,像是去便利商店買東西:有問題,問一下,拿到答案,關掉視窗,下次再從零開始。Karpathy 和 Lex Fridman 做的事情完全不同,他們讓 AI 幫自己蓋了一座圖書館,而且這座圖書館會自己長大。這篇文章會拆解這兩位 AI 領域最頂尖的人怎麼用 AI 做筆記,然後告訴你:不用寫程式,你也能做到八成。 先搞懂一件事:你用 AI 的方式可能一直在浪費 想像你手邊有兩個實習生,做事方式完全不同。實習生 A,你每次丟一個問題給他,他回答完就失憶了,下次問類似的問題,他又從頭查一遍。實習生

By Fox Hsiao