Nvidia黃仁勳
Nvidia黃仁勳
2002.07.01 |

1963年2月17日,世界上誕生了兩位奇葩,其一是籃球場上所向披靡的麥可.喬登,其二是半導體業的後起之秀黃仁勳。喬登打敗與他同期的大鳥博德和魔術強森,拿下6屆美國NBA冠軍,是標準的幹掉第一名。而黃仁勳率領的Nvidia(拉丁文羨慕的意思),則把目標瞄準英特爾,欲取代它成為全球半導體業龍頭。
去年美國《財星》雜誌公布的全美40歲以下最富有的40人名單中,黃仁勳首度進榜(個人財產達5億美金),和喬登正好一前一後,名列第12和第13名。技癢的喬登在去年重新復出打球,但比起湖人隊的柯比.布來恩和七六人隊的艾倫.艾弗森等年輕明星,明顯是日落江河,但黃仁勳所在的繪圖晶片產業,卻正是旭日東昇。
未來20年,時代是站在我這邊的,」170公分高(比喬登矮29公分)、黝黑、同樣體格壯碩的黃仁勳認真地說。與英特爾同樣位於矽谷聖塔克拉若市(Santa Clara)的Nvidia,最近4季營收合計達20億美金,是全球第一大繪圖晶片公司。但黃仁勳的野心絕不僅只於此。
「我未來要做的晶片,遠比微處理器要大,上面所放的電晶體數目,至少是Pentium4的10倍以上,」今年39歲的黃仁勳立下目標。
到底什麼是繪圖晶片?為什麼這麼紅?繪圖晶片最早用在個人電腦中,主要功能是處理圖形和影像,隨著圖片、動畫和遊戲等多媒體在電腦上的應用愈來愈多,繪圖晶片的重要性,直追微處理器。
1992年之前,當個人電腦還在DOS作業系統年代,螢幕顯示以文字為主,繪圖晶片幾無用武之地。1992年之後,當DOS逐漸換成Windows的圖形界面,特別是進到Windows95之後,電腦軟體中的文字比重降低,圖形比重升高,開啟繪圖晶片的黃金王朝。
每一台個人電腦中都用到1顆繪圖晶片,隨著逼真的三度空間視覺效果愈做愈好,繪圖晶片技術不斷突破,應用到個人電腦以外的產品中,比方遊戲機和飛行模擬訓練機等。微軟的Xbox遊戲機和美國空軍的F-22戰機模擬系統,都採用Nvidia繪圖晶片。
只要有關畫素(pixel)的產品,就可能是繪圖晶片的潛在市場,而這種可能性太多,讓Nvidia坐擁金礦。「Nvidia會是下一個英特爾,」知名科技財經雜誌《連線》(Wired)在今年7 月份封面故事大膽斷言。

**比Pentium4大10倍的圖形處理器

**
「早期的畫素,是用電子槍射到螢幕上撞擊而產生,是映像管時代,那已經是歷史,我敢打賭,我的孫子以後得在博物館才能看到,」黃仁勳預測,「現在是液晶顯示時代,產生畫素的方式容易太多,需求太大,未來20年我們將經歷畫素的爆炸性成長。」他舉例,Nvidia花了33季時間,累積10億美金營收,但是達到第二個10億美金,「只花了兩季。」
相較於黃仁勳的意氣風發,英特爾執行長貝瑞特(Craig Barret)在五月初接受《數位時代》訪問時才指出,個人電腦產業在下半年的復甦情況仍不明顯,英特爾即使上半年出貨量創新高,但獲利持續衰退。6月初,美林証券帶頭調降英特爾評等,英特爾當天股價重挫近兩成。
黃仁勳分析,這代表微處理器(Central Processing Unit, CPU)的需求仍在,但不是往更高階的方向走,英特爾努力降價刺激需求的效果不明顯,市場要的是基本功能的微處理器,用來做運算就好,至於繪圖功能則交由專門晶片處理,而不是一股腦都整合到微處理器裡頭,造成微處理器愈來愈複雜。
黃仁勳的解決方案,是進一步提升繪圖晶片功能成為「圖形處理器」(Graphic Processing Unit, GPU),和微處理器區隔開,微處理器負責Word、Excel和Power Point等文書軟體運作,至於圖片、動畫和影片的運算則交給圖形處理器。
連線》雜誌分析,以前繪圖晶片是配角,微處理器是主角,繪圖晶片的功能常被整合到微處理器中;現在,繪圖晶片正成為主角,微處理器反而淪為配角,局勢倒轉,未來可能被整合到繪圖晶片中。《連線》指出,圖形處理器的功能,已經強過微處理器,價格也更高,應用範圍也更廣,Xbox裡頭用到1顆微處理器和1顆圖形處理器,但微軟付給Nvidia的錢比英特爾還多。
從1996到2001年,Nvidia平均年複合成長率高達100%,即使近期因為Xbox銷售不佳而受牽連,被分析師調降評等,但未來的成長動能仍引人注目。「10年後,我們一定比英特爾還大,」一位Nvidia主管接受《連線》訪問時,說出公司上下1500人的目標。
對台灣的讀者而言,黃仁勳遠不如英特爾創辦人之一葛洛夫(Andrew S. Grove)來得熟悉,但他卻是如假包換的台灣囝仔,和先前挑戰英特爾的威盛總經理陳文琦一樣。奇特的青少年成長過程,造就黃仁勳有力搏英特爾的實力。這一切,得從1972年的夏天談起。
那一年,黃仁勳9歲,父母因為工作關係遷到泰國,於是把他和大一歲的哥哥送到美國當小留學生。這一趟美國之旅,父母並沒有同行,他和哥哥兩人自己搭飛機前往。「臨行前,媽媽叮嚀哥哥,要他好好照顧我,但是哥哥也只是10歲小孩,自己都要別人照顧,怎麼照顧我呢?」黃仁勳回憶。
那一個夏天,葛洛夫36歲,在馬來西亞的檳城,捲起褲管在下過雨的泥濘路上,幫忙推著載運設備的貨車,要在當地建立英特爾的海外封裝測試基地。
飛機到了芝加哥國際機場,黃仁勳和哥哥帶著行李,在廣大的機場裡找轉機櫃檯,要再飛一趟到肯塔基州找舅舅。哥哥要黃仁勳在原地看行李,自己去找轉機櫃檯。「他離開45分鐘,感覺上像是好幾個鐘頭,回來後帶著我去搭飛機,他並不懂英文,真不知道是怎麼辦到。」
不管身處什麼樣的環境,絕不驚慌,冷靜找到出路,是黃仁勳的專長。舅舅後來把他和哥哥送到一所教會辦的寄宿學校就讀。那個小鎮只有600個居民,學校的學生則有300多位,其中有許多不良少年。黃仁勳的室友是一位全身刺青的傢伙,但兩人同住卻相安無事,黃仁勳還教會對方讀書識字。
每週三和週日上午,所有學生都要到教堂做禮拜,喜歡讀書的黃仁勳,每逢週三和週日一早起床就躲在衣櫥裡,等所有人都離開寢室到教堂後,才從衣櫥跑出來唸書。每天下午,他要負責刷洗全校的馬桶,「這真是很難得的經驗,」他頑皮地笑著說。
來學校填裝自動販賣機裡飲料的工人,是黃仁勳最好的桌球練習夥伴,他也一路打進全國比賽,在13歲就被知名體育雜誌《運動畫刊》(Sports Illustrated)報導。
每個星期,他和哥哥把想對爸媽講的話,錄成錄音帶,寄到泰國,爸媽也錄下他們的話再寄回來,雙方就這麼聯絡。有一回,黃仁勳迫不急待地告訴爸媽,舅舅帶他們到一家餐廳,非常有未來感,所有食物都用紅色的盒子裝著,是他從來沒見過的事,「那個地方叫做麥當勞,」他後來知道。

**「抱歉,我不賣7塊的產品,我要賣40塊的!」

**
黃仁勳在一群問題學生中全身而退,還一路讀到史丹福大學電機碩士,並進入巨積(LSI Logic)和超微(AMD)擔任晶片工程師。1993年,過完30歲生日,銀行存款2萬6000塊美金,黃仁勳知道,該是開始另一段冒險生涯的時候。他和兩位好友一起創辦Nvidia,而英特爾則正準備推出Pentium微處理器。
黃仁勳的專長,在於視覺處理技術上,他當時看到視覺在電腦的應用一直增加,但處理視覺技術的繪圖晶片價格,卻是一路殺低,非常矛盾。「有客戶跟我說,你的產品再好,只要超過7塊美金,我就去買別家的,但我心裡想:抱歉,我不賣7塊的產品,我要賣40塊的,」黃仁勳回憶,「大家都勸我,市場是由價格所限制,我反駁他們,市場是被技術和使用經驗所限制,一旦消費者有美好經驗,他們不會在乎價格。」
從1993到1995年,Nvidia除了設計晶片,黃仁勳還四處拜訪晶圓廠,尋求產能支援,包含台積電,但是那幾年產業景氣大好,像Nvidia這樣的新公司根本拿不到產能,而且Nvidia所要求的製程技術,能夠配合的業者也很少。
到了1996年,半導體業景氣急轉直下,加上先前業者大手筆的投資擴廠及製程演進,給了Nvidia一線生機。1996年底,黃仁勳赴美多年後首次返台,與台積電敲定代工訂單,並認識多家生產繪圖卡和主機板業者等潛在客戶,奠定日後合作機會。「台灣給我很大的幫助,Nvidia的晶片在這裡生產,很多我從沒去過的地方,像俄羅斯,都靠台灣下游者把產品賣進去,讓Nvidia在當地出現。」

**1998年,殺戮戰場

**繪圖晶片是矽谷殺戮最激烈的產業之一,每一代勝負關鍵在於掌握市場規格,不全然是技術能力。黃仁勳的高性能高價格策略,到了1998年開始奏效。
1998年5月,在強調多媒體功能的Win98作業系統問世後,繪圖晶片市場改朝換代,從平面走向立體影像,對於高階繪圖晶片的需求暴增,Nvidia趁勢崛起,成為新霸主。那一年,葛洛夫正式交棒,離開第一線轉任董事長。
英特爾並非沒有注意到Nvidia,但當時它必須先防堵在微處理器市場的頭號敵人超微,避免它藉由低價電腦市場坐大。1999年,威盛推出PC133規格,另起戰火,在晶片組市場挑戰英特爾,逼得英特爾強力反擊。有了超微和威盛騙開英特爾兩邊後防,幫Nvidia製造了一對一射門得分的絕佳機會。
此外,英特爾又投入開發新產品,包含無線通訊、網路和伺服器等,以維持未來高成長動能。左支右絀之下,英特爾雖然也研發繪圖晶片技術,並整合到晶片組中,但畢竟不敵專心做一件事的Nvidia,而且差距愈拉愈遠。
為了擴大繪圖晶片的影響力,Nvidia也開始切入晶片組市場,以期握有更大主導權,並搭配黃仁勳老東家超微的微處理器推出,這也使得Nvidia與英特爾關係非常緊張,並與台灣的威盛、矽統和揚智三家晶片組公司直接競爭。
商場競爭原本就沒有永遠的敵人或朋友,唯一不變的,就是幹掉第一名的企圖心。3年前,陳文琦曾經布局一戰,接下來,同樣來自台灣的黃仁勳,也正準備出招。這場全球第一大晶片設計公司Nvidia,結合全球第一大晶圓代工廠台積電,挑戰全球第一大整合元件製造商英特爾的戲碼,鐵定激烈而曲折,比當年喬登拿下第一座冠軍更值得期待。

往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓