NVIDIA執行長黃仁勳：Google TPU在內的AI晶片都有其侷限性|數位時代 BusinessNext

NVIDIA執行長黃仁勳出席技術大會(GTC)之後的記者會強調，「人工智慧的世界很大，我們的焦點不是手機等物聯網產品，而是大規模的雲端資料中心。」

黃仁勳還指出包括Google TPU在內的各種AI專用晶片都有其侷限性，「NVIDIA致力於一般用途的通用GPU，可以用在任何的神經網絡上，而非僅有CNN網絡上。」

記者參與了大會演說和記者會後，僅有一個感想：就是不要再拿Google TPU類比NVIDIA GPU了。

不要再拿Google TPU比較NVIDIA GPU

因為兩者不僅從專用與通用AI晶片本質不同，發展取向也不同，Google TPU就算已經發展到第三代，重心還是圍繞自家產品與服務，和NVIDIA成為每個地方（everywhere）與多功能的發展取向不同。

NVIDIA要以其開放合作的精神，進攻10億美元的超級運算產業，鞏固包括Google在內的大規模與高速運算資料中心客戶，或成為醫療、自駕車領域夥伴的處理器平台，對於虛擬貨幣挖礦與自駕車感測器等領域晶片不感興趣。

看好高端資料中心產品，售價達1200萬台幣的DGX-2

NVIDIA並未走向FPGA與ASIC等專用晶片研發，而是持續投入更高運算效能的GPU產品，被黃仁勳稱為「世界上最強的，有史以來最大的GPU」的NVIDIA DGX-2系統。

這個史上最強的GPU主要在於GPU「雙向傳輸」技術NVLink Switch的突破。NVIDIA利用此技術將把16個GPU連結為單一且都可1對1點雙向傳輸的GPU。「若相比五年前的AlexNet採用GTX 580s系統需要六天的訓練時間，使用此產品僅需要18分鐘，在五年內，速度提升500倍。」黃仁勳說。「訓練時間大幅度縮短，在推論部分將推論延遲縮短到1.1毫秒，推論速度為每秒6250個影像。」

NVIDIA DGX-2重達350磅，單手難以舉起，每個GPU都可以用每秒300GB的速度運算，也是世界上第一個2PFLOPS (petaFLOPS，等於每秒1千萬億次的浮點運算）系統。那售價呢？黃仁勳指出，NVIDIA DGX-2效能略等於300萬台雙CPU伺服器，前者售價為39.9萬美元，後者成本高達300萬美元。

四家頂尖伺服器廠商包括聯想、雲達(QCT)、美超微(Supermicro)與緯穎 (Wiwynn)等伺服器廠都已推出基於DGX-2設計的系統，而富士康、英業達、廣達與緯創正開發中。

看淡挖礦市場：虛擬貨幣市場僅是額外的紅利

相較於資料中心產品的熱烈推銷，黃仁勳對於近來竄紅的挖礦需求看得很淡。受到挖礦熱潮影響，NVIDIA GPU市場價格水漲船高，Susquehanna分析師 Christopher Rolland 曾指出GPU市價較官方售價高出40%~70%，NVIDIA公布的2018年第一季財報時也指出挖礦GPU營收為2.89億美元。

不過NVIDIA並未看重這種「來得快，去得也快」的挖礦財，不僅會中對於加密貨幣隻字未提，黃仁勳還強調，「虛擬貨幣市場對我們來說本來就是額外的紅利（Bonus），因此如果沒有也沒有關係，我們在其他市場成長性很高。」

「GPU價格走跌對我們來說是好事，過於昂貴的GPU會導致電競玩家無法負擔，我們的GPU是專為電競玩家打造的。」黃仁勳說。

由於加密貨幣價格波動大，讓挖礦GPU需求起伏不定，礦工在乎的是GPU C/P值品牌忠誠度低，加上比特大陸等廠商紛紛ASIC等挖礦專用晶片市場，這些都是NVIDIA看淡挖礦需求的背後主因。

NVIDIA不會研發車用光達晶片

而在自駕車領域，NVIDIA也一貫維持其「通用」的精神，強攻NVIDIA DRIVE Xavier平台，但不會進軍光達晶片等專用垂直領域。

光達（Lidar）成本是自駕車感測硬體最高的部分，現今的機械式64線光達價格達8萬美元以上，業界認為若機械式光達晶片化後，價格將有機會低至500美元，意法半導體與Intel紛紛加入研發行列。

黃仁勳很明確地指出，「我們不會投入資源研發光達晶片」。

黃仁勳指出，人類利用耳朵、眼睛與皮膚等多重感官，精準感受這個世界，自駕車也雷同，需要多種感測器相輔相成，舉例來說，雷達對於移動（Motion）的感測很好，但解析度不夠高，光達可以看很遠，但解析度低，而照相機解析度高，但易受光影與氣候影響。因此NVIDIA會截長補短和廠商共同合作，把多種感測器融合在NVIDIA產品裡。

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。