i卡會員

趨勢1 行銷重點轉向Share-of-Wallet，產品重點轉向機櫃系統

創辦人黃仁勳剛在2月底輝達財報會議上，向投資者解釋如DeepSeek的開源推論模型興起，讓各產業有更低的AI落地成本，同時也需要大量的post-training，將引發市場更多運算晶片需求，並稱Blackwell正是為推論設計，「就是為了這一刻」；本次GTC中，黃仁勳印證先前論述，秀出全球資料中心CapEx仍將持續快速成長，相對來說輝達資料中心營收僅佔此CapEx的一小部分，還有極大成長空間，故輝達選擇將行銷重點放在增加AI伺服器市場的Share-of-Wallet，而非AI晶片市占率(請參考圖一所示)。

為追求AI伺服器市場的Share-of-Wallet，在產品面呈現的實質變化，就是將開發重心從傳統HGX型態(由x86CPU+GPU組合)轉向由超級晶片(自有Arm CPU+GPU在同一封裝中)組成的機櫃系統，為支持系統算力提升也確立全液冷系統在Blackwell Ultra之後成為標準配備。在去年6月Computex中輝達已揭露2026年的Rubin及2027年的Rubin Ultra兩個新平台，本次GTC中則不僅揭露了預定於2028年問世的Feynman平台外，同時也揭露了Blackwell Ultra NVL72、Vera Rubin NVL144以及終極的Rubin Ultra NVL576等媲美超級電腦的超級機櫃系統(請參考圖二所示)。

資料來源：NVIDIA GTC 2025
圖一 全球資料中心CapEx預測與輝達資料中心營收相比較

資料來源：NVIDIA GTC 2025
圖二 Rubin Ultra NVL576可結合576個GPU共同運算

趨勢2 CUDA開發轉向領域專用，與策略夥伴合作轉向AI全面導入

CUDA本為軟硬體整合的統一運算架構，透過此技術讓輝達的GPGPU使用者可進行圖像處理之外的任務，特別是AI運算。同樣地在去年6月Computex輝達展示了8個CUDA-X；CUDA-X是以CUDA為基礎涵蓋一系列微服務、函式庫、工具、技術的應用程式；本次GTC輝達則秀出13個領域專用CUDA-X，同時喊出「CUDA-X for Every Industry」；可見輝達正積極將全球各領域專精人才投入在CUDA-X開發，希望藉此增加各特定領域使用者的黏著性，鞏固CUDA護城河(請參考圖三所示)。

在揭露與全美第一車廠通用汽車的策略合作中，其亮點已不侷限在自駕系統導入或是自駕演算法的共同開發，黃仁勳提到將協助通用汽車在AI全面導入的三大主軸：AI for Manufacturing、AI for Enterprise、AI for in the Car；第一項包含生產自動化與機器人運用，第二項包含如何設計與模擬車輛，第三項包含智慧感測、自動駕駛、智慧座艙等，可說輝達完全擔任通用汽車數位轉型升級的顧問角色。

資料來源：NVIDIA GTC 2025
圖三 領域專用CUDA從去年8個擴充到現今13個

趨勢3 推出完整的企業運算產品線及嶄新的AI工廠操作系統

除資料中心外，輝達也推出了工作站等級和個人電腦等級的企業AI運算系統。前者為DGX Station使用超級晶片具784GB記憶體，可執行大模型的訓練和推論任務，補足原先伺服器與個人電腦間的產品線空白。後者為DGX Spark，即黃仁勳在CES中公布的Project Digits，使用與聯發科合作的GB10系統單晶片，支援FP4格式且算力達1000 TOPS，適合微調模型或推論。至此輝達有了完整的企業高速運算系統產品線，黃仁勳也評論道「This is the Computer for Edge AI」。

而針對未來AI工廠主要跑的是AI代理(AI Agent)而非企業應用程式(Enterprise application)，故傳統像VMWare軟體僅適用於資料中心或企業資訊系統，而非AI工廠，故輝達也推出Dynamo分散式推論函式庫作為新型態的替代操作系統(請參考圖四所示)。

資料來源：NVIDIA GTC 2025
圖四 Dynamo為新型態的操作系統

對台灣產業的意涵

前述的機櫃系統已成為新產品主流，光靠輝達自己難以完成，需要充分仰賴台灣AI伺服器代工生態系，由領先大廠將公版機櫃一起研發完成；而哪家台廠對超級晶片、液冷系統、電源機箱等關鍵模組的軟硬整合掌握度越高，就可以加入領先大廠搶第一波商機。另機櫃等級系統周邊衍生多種技術例如矽光子傳輸，可將資料中心傳輸速度由400G/800G一舉提升至1.6T，在此方面台灣的矽製程廠、光通訊廠、封裝廠都有相當投入，也讓台廠科技生態系建立了另一道資料中心的護城河技術。

而輝達欲建立完整企業高速運算產品線的企圖，也讓台灣的工作站及PC生態系業者有機會帶動一波產品升級；雖然目前微軟、英特爾、輝達三大廠對個人電腦進行AI運算的詮釋方式不盡相同(Copilot vs. NPU vs. GPU)，但諸多PC台廠皆積極參與相關此類高端產品研發；而「AI工作站」概念的出現除填補先伺服器與個人電腦間的空白外，也能讓全球原先許多產業中，對AI伺服器資本投入門檻望之卻步的中小企業，有個「高性價比」的選擇，讓中小企業可有更低的AI應用落地成本，也能帶動市場更多對高端工作站建置的需求，值得本地廠商持續關注。

資料來源：NVIDIA GTC 2025
圖五 矽光子生態系包含多家台廠