NVIDIA 執行長黃仁勳 6 月 1 日在台北流行音樂中心登場，於 GTC Taipei 2026 主題演講中拋出一個很直接的訊息：AI 已經不只是會聊天、會生成圖片或回答問題，而是開始進入真正能完成工作、提高產出、創造收入的「有用的 AI」階段。
本文主要內容
這也是 NVIDIA 這場演講最關鍵的轉折。過去 AI 熱潮看的是模型有多大、回答有多聰明；現在黃仁勳要說的是，AI 開始變成一種可以量產生產力的系統。從 AI Agent、Token 收入，到 Vera Rubin、RTX Spark 與 DSX 平台，NVIDIA 正在把 AI 從軟體功能，重新包裝成一整套基礎設施生意。
AI 不只會回答問題，而是開始完成工作
黃仁勳所說的「有用的 AI」，不是單純指 AI 回答得更像人，而是 AI 開始能像代理人一樣完成任務。這類代理型 AI（Agentic AI）或 AI Agent，可以理解上下文、觀察環境、推理、規劃步驟，並使用試算表、瀏覽器、資料庫等工具。
過去人類使用電腦，是透過滑鼠、鍵盤、選單與指令一步步操作軟體；未來的工作方式，會更接近把目標告訴 AI，再由 AI Agent 拆解流程、撰寫程式碼、操作工具並產出結果。
這樣的轉變，對軟體產業尤其重要。未來的軟體不只要服務人類使用者，也要能被 AI Agent 呼叫、操作與整合。黃仁勳在演講中強調，這是軟體公司的一個重要機會，而不是軟體公司被 AI 取代的開始。
GitHub 程式碼提交量從 5 億暴增到 14 億
為了說明「有用的 AI」帶來的生產力變化，黃仁勳以全球軟體開發領域作為例子。他指出，全球約有 3,000 萬名軟體開發者，背後對應約 3 兆美元薪資成本；如果 AI 讓這些開發者的產出能力大幅提升，原本 3 兆美元的人力成本，就可能創造出 9 兆美元規模的生產力。
他也引用 GitHub 的程式碼提交量作為觀察指標。根據黃仁勳在演講中的說法，GitHub commits 從 2025 年約 5 億次，在 2026 年前幾個月成長到 14 億次，接近三倍成長。這組數字，正是他用來說明 AI 如何放大軟體開發效率的核心例子。
外界經常擔心 AI 會取代軟體工程師，但黃仁勳對此直接反駁，稱這種說法是「complete nonsense」。他的邏輯很清楚：如果 AI 能讓軟體工程師產生更高價值，企業反而會更想聘請更多工程師，把這種生產力優勢放大。
Token 成為 AI 工廠的收入單位
這場演講另一個重要概念，是 Token 不再只是 AI 模型運算過程中的技術單位，而是開始變成可以計算收入的產出。每一次 AI 生成文字、程式碼、圖片描述或推理結果，背後都會消耗並產生 Token；當企業願意為這些結果付費，Token 就成為 AI 工廠的產品。
這也是為什麼 NVIDIA 一直把資料中心稱為 AI 工廠。傳統工廠生產汽車、晶片或商品；AI 工廠生產的是 Token。未來企業競爭的不只是誰擁有最多 GPU，而是誰能用更少電力、更高效率產出更多有價值的 Token。
因此，資料中心的效率不再只是成本問題，而是直接影響營收能力。每瓦電力能產生多少有效 Token、這些 Token 能不能轉化為服務與收入，會成為 AI 產業下一階段非常關鍵的指標。
Vera Rubin 讓 AI 工廠進入量產階段
如果 AI 工廠要真正大量運作，背後就需要更完整的硬體平台。黃仁勳這次宣布，NVIDIA Vera Rubin 平台已進入全面量產，這套平台就是為了支撐下一代 AI Agent 與大型 AI 工廠而設計。
Vera Rubin 不只是單一 GPU，而是一整套資料中心系統，包含 Vera CPU、Rubin GPU、高速連接、網路與軟體堆疊。NVIDIA 也藉此把自己從 GPU 供應商，推向完整 AI 基礎設施平台供應商。
其中，Vera CPU 是這次演講的一個重要訊號。NVIDIA 過去最被熟知的是 GPU，但 AI Agent 的工作負載不只需要加速器，也需要 CPU、記憶體、網路與整套系統協同運作。黃仁勳在演講中指出，Vera CPU 處理代理型工作負載的速度，比傳統 x86 處理器快上 1.8 倍。這讓 NVIDIA 在 AI 工廠中扮演的角色，比過去更完整。
RTX Spark 把 AI Agent 帶進個人電腦
除了大型資料中心，NVIDIA 也把 AI Agent 帶向個人電腦。黃仁勳在 GTC Taipei 2026 發表 RTX Spark 超級晶片，主打讓 Windows PC 能在本地端執行個人 AI Agent。
這件事有另一層意義：NVIDIA 過去在 PC 市場最被熟知的是顯示卡，但 RTX Spark 讓它開始更深入個人電腦核心。未來的 AI PC 不只是跑得動遊戲或影像軟體，而是能在本地端處理更複雜的 AI 助理、開發、創作與工作流程。
對一般使用者來說，這會讓 AI 不必完全依賴雲端資料中心。當個人電腦具備足夠 AI 運算能力，AI Agent 可以在本地端處理更多任務，包括檔案整理、內容生成、程式輔助、影音工作流與個人化助理服務。這也是 NVIDIA 從資料中心一路打到個人電腦的關鍵布局。
DSX 讓企業先在數位世界蓋好 AI 工廠
當 Token 成為收入單位，AI 工廠的設計也變成一門精密工程。黃仁勳在演講中提出 NVIDIA DSX 平台，讓企業可以在實際動工前，先用數位雙生方式模擬 AI 工廠的電力、冷卻、網路、系統配置與 Token 產出效率。
這對大型企業與雲端服務商來說非常重要。AI 工廠不是只把 GPU 放進機房，而是需要考慮供電、散熱、網路拓撲、機櫃配置、資料流動與軟體調度。只要其中一個環節效率不佳，就可能讓整座 AI 工廠的 Token 產出成本變高。
DSX 的角色，就是讓企業在真正投入巨額資本之前，先把整座 AI 工廠放到數位世界裡測試。這也讓資料中心建置不再只是蓋機房，而是像建造一座可量化產出的智慧工廠。
NVIDIA 的下一場生意，是把 AI 變成基礎設施
黃仁勳這次在台北提出的「有用的 AI」，不是單純形容 AI 變聰明，而是 AI 正在從展示技術走向實際生產力。AI Agent 讓人與電腦的互動方式改變，Token 經濟讓資料中心變成 AI 工廠，Vera Rubin、RTX Spark 與 DSX 則把這套願景變成更具體的硬體與平台布局。
這場演講的核心訊息很清楚：AI 的下一階段不只比誰的模型更大，而是誰能把 AI 轉化為可使用、可部署、可獲利的生產系統。對 NVIDIA 來說，這正是它從 GPU 公司走向 AI 基礎設施公司的關鍵敘事。
黃仁勳在 GTC Taipei 2026 講的不是 AI 多會聊天，而是 AI 開始變成一門生意。當 Token 可以被計價、AI Agent 可以完成任務、AI 工廠可以量產生產力，NVIDIA 要賣的就不只是晶片，而是整個 AI 時代的生產線。
延伸閱讀
輝達 AI 自駕模型 Alpamayo 登場！Elon Musk：做到 99% 很容易
NVIDIA 黃仁勳主題演講一次看懂！台灣 AI 超級電腦正式啟動
Optimus 訓練算力將上線！世界最大 AI 叢集 Cortex 2.0 四月啟動
若近期有購車規劃，可以使用 electrify.tw 的推薦連結 前往特斯拉官網訂購，或將推薦碼連結提供給銷售顧問即可獲得 NT$ 8,000 購車優惠。若您即將交付新車，不妨參考 JOWUA 周邊配件。
若覺得本站內容實用，歡迎追蹤 LINE TODAY 與 Facebook 粉絲專頁，或將 electrify.tw 加入 Google 偏好來源，日後查找用車資訊更方便。若有任何問題或建議，歡迎加入我們的 LINE 官方帳號 聯繫。
