GTC 2025 紀實｜用算力樹立輝達障礙！黃仁勳如何一磚一瓦打造「綠色高牆」？|數位時代 BusinessNext

輝達 (NVIDIA) 的年度 GTC (GPU Technology Conference) 開發者大會已結束兩週。經過時間沉澱，我們更能清晰地解讀大會內外所傳遞的訊息。

GTC 的舉辦固然受到 AI 技術與應用快速演進的驅動，但輝達作為主辦方，更在會中展現出強烈的企圖心，強力宣示其 AI 觀點。

在本屆 GTC 中，輝達甩開競爭對手的意圖處處可見，這不僅體現在其所謂「護城河」生態系的持續深化，也展現在它不斷跨足新的 AI 應用領域、擴大版圖的行動上。

輝達高牆，難以逾越

輝達在 GTC 期間宣布的產品與配套措施，已透過媒體與社群廣泛傳播。黃仁勳一口氣公開了未來四年不同世代晶片產品線的細節，不僅涵蓋 Blackwell 世代及其後續產品，也為輝達與客戶合作打造客製化 ASIC 晶片開啟了大門。

為應對包括金融、生醫等不同 AI 應用市場的需求，輝達也鎖定與各領域的關鍵客戶及夥伴合作，共同打造具體的 AI 應用架構。

輝達才在今年一月的 CES 展上宣布進軍實體 AI (Embodied AI) 與機器人領域，在本次 GTC 上，便已確認將以開源方式拓展相關軟體生態系。

晶片廠商為其晶片搭配驅動程式等軟體並非新鮮事。多數晶片商會提供公版軟體與參考設計，以降低客戶導入新產品的門檻。然而，輝達憑藉長年積累，以 GPU 為核心，為 AI 運算、網路等複雜基礎設施所打造的 CUDA 生態系，已構築起難以逾越的高牆與深溝。

這也使得 AMD、Intel 等追趕者在其面前，要加速追趕變得益發困難。

輝達 CUDA 生態系如此強大，甚至引來法國競爭主管機關在去年中對其啟動反壟斷調查。

不只自強，還要利他

關心輝達的台灣讀者想必都理解，輝達將與夥伴的緊密協作視為重中之重。黃仁勳在本次 GTC 的媒體記者會上便特別提到，與其他矽谷科技巨頭相比，僅有約三萬六千名員工的輝達規模並不算大，因此格外需要強調與盟友的密切合作。

他以輝達近期推出的矽光子 (Silicon Photonics) 技術產品為例，強調若無台積電及其他台灣、東亞合作夥伴的共同協力，輝達單憑一己之力，不可能如此快速地將此技術打造完成並推向市場。藉由矽光子等新技術，輝達現在能將大量高階 GPU 相互連接，巨幅提升算力規模，以滿足全球眾多 AI 廠商的運算需求。

如今輝達羽翼已豐，資源遠比過往豐厚，它也開始積極拓展策略性投資，以強化其「護城河」體系。

自 2021 年以來，輝達也積極進行策略性併購，總計已併購七家 AI 新創公司，光是去年便收購了四家。

就在 GTC 期間，輝達收購了合成訓練資料 (Synthetic Training Data) 市場的領導廠商 Gretel，意圖強化其在實體 AI 領域的實力。與此同時，其持有約 5% 股份的 AI 雲端平台營運商 CoreWeave，據報已在那斯達克 (Nasdaq) 上市。

不只晶片，更是基建

更能反映輝達長期野心的，是其進入量子運算領域的承諾——這是一個需要長久探索才可能成熟的領域。在 GTC 議程中首次設立的「量子運算日」(Quantum Day) 上，來自美、歐、澳等西方國家的十二位量子運算新創公司與大型企業代表，輪流與黃仁勳進行了對談。

儘管目前量子運算的眾多可能發展途徑仍在探索階段，距離成為技術與商業主流仍極遙遠，但黃仁勳仍花費一個上午與專家們進行腦力激盪；接近中午時，也浮現出當前可採取的行動共識。 對輝達而言，在現行主流的 CPU+GPU 模式基礎上，未來可能邁向 CPU+GPU+QPU（量子處理單元）的新模式。

此外，在輝達邁向實體 AI 的當下，材料科學、生物科技等領域極度缺乏高品質的訓練資料，而善用量子運算正有潛力在此類資料的生成上提供巨大幫助。中午時分，黃仁勳與眾人相約明年 GTC 再聚，共同檢視過去一年的具體進展，並展望量子運算的未來。

黃仁勳在今年 GTC 期間屢次強調：輝達已不再將自己定位為單純的晶片公司，而是 AI 的「基礎技術公司」(Foundational Technology Company)，致力於打造 AI 相關的「基礎設施」(Infrastructure)。

他一再重申，其口中的「基礎設施」，並非僅指一般所稱的資料中心與網路硬體，而是支撐 AI 運作的基礎技術體系，這不僅包含晶片、伺服器、網路通訊設備等硬體，更涵蓋在其上運行的軟體與工具。

絕非偏執，而是戒慎

居於領先地位的輝達為何如此急迫？從電腦週邊的繪圖晶片與板卡起家，如今已躍居 AI 生態系核心地位的輝達，身處 AI 產業浪潮之巔，其審慎應對、積極佈局的心態不難理解。

當 AI 巨頭競相投入鉅額展開軍備競賽時，輝達無疑是最大的受益者。然而，AI 模型研發的重心終將逐漸從模型訓練轉向實際的 AI 推論應用。

屆時，科技巨頭的投資策略與營運模式是否會隨之改變？它們是否仍會持續如此大手筆地投資 AI 資料中心的硬體設施？這一切都還是未定之數。但任何風吹草動，都可能對輝達產生巨大影響。

人們或許還記得英特爾 (Intel) 傳奇人物安迪・葛洛夫 (Andy Grove) 的名言： 「唯偏執者得以倖存」(Only the paranoid survive) 。

輝達絕非偏執，但其一路走來的警惕與審慎，或許正是維持其今日地位的關鍵。

延伸閱讀：影片｜光碟機老將3年大翻身！達明機器人「開眼」機械臂搭AI模型，如何穩居全球市占老二？
3分鐘看完黃仁勳GTC演講精華！AI會旺到2028？最新GPU發展路線圖、概念股一次收

責任編輯：李先泰

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問