小孩子才做選擇！Nvidia佈局AI是「全都要」，黃仁勳怎麼搶GPU數兆美元商機？|數位時代 BusinessNext

用AI拯救摩爾定律，人人都是工程師時代來臨！

黃仁勳指出，在過去的三十年間，摩爾定律的優勢在於，能在每隔一段時間後，推出在同樣功耗及價格下，表現更好的晶片，「這就是為何個人電腦能在過去35年間進步神速。」

不過隨著摩爾定律面臨盡頭，成本也隨之上升，「這和永續的目標不相符。」對此，黃仁勳則提出兩項，都與AI加速相關。

首先，黃仁勳表示：「首要的任務就是加快運算速度。」倘若能在相同能耗之下，達到數十倍的運算量，自然能省下電力能源。

其次，則是透過AI賦能，讓工作更有效率。舉例來說，過去不少應用程式，都是由背後的軟體工程師撰寫程式碼而生成，然而如今我們可以透過如ChatGPT自動撰寫程式語言，減少人類在工作中的錯誤修正或反覆試驗，省下的運算次數也能節省能耗。

黃仁勳充滿信心地表示：「現在就是AI的轉捩點（inflection point）。」他進一步指出，過去AI這種「由人類設計的電腦」推出後，每個人都只需要學習自己的語言就可以輕鬆運用科技，「現在每個人，都能成為電腦工程師。」

GPU將帶來數兆美元商機

除此之外，黃仁勳也提出另一個觀點，指出當前GPU（圖形處理器）正擁有史無前例的市場機會，將帶來數兆美元的商機。

在GPU被廣泛使用以前，資料中心的計算都還是以CPU（中央處理器）為主，不過隨著數位轉型的普及，資料中心需要計算的數據量日趨龐大。為求更快、更省電的表現，GPU需求也逐步攀升，然而世界上使用CPU的資料中心仍不在少數。

對此，黃仁勳相當有信心地指出，ChatGPT改變了AI推論模型的地圖（landscape），將引發市場更多對GPU的需求，「我認為ChatGPT的到來，會使更多企業從CPU往GPU移動。」意味著作為GPU大廠的輝達，將迎來巨大的成長動能。

小孩子才做選擇！黃仁勳親揭NVIDIA佈局策略

小孩子才做選擇！黃仁勳表示輝達並不會因此減少在遊戲、車用領域的投資力道，並指出當前輝達所推出包含AI Foundation、超級電腦DGX等解決方案，都和數位孿生（Digital Twins）相互串連。

黃仁勳舉例：「使用機器人之前，要先創造一個數位孿生的場景，可以交由生成式AI形成，反覆學習後的機器人將會變得更聰明，模型也會更擬真。」諸如汽車、電池和半導體工廠等，都希望夠過AI解決方案，讓廠區運作更有效率。

如今輝達不僅只有自駕車平台，也有資料中心和數位孿生等解決方案，黃仁勳表示：「有時候汽車成長可能當年沒有很好，但大家還是會持續投資車用資料中心，所以我汽車做的好，資料中心也會好。」

因此，無論是遊戲、汽車還是醫療領域，增強GPU性能都是核心，「這也是為何我們不斷加強GPU性能的原因。」

責任編輯：錢玉紘

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。