重點一： 輝達公布延伸至2028年的架構路線圖，涵蓋GPU、CPU、網路與機櫃，展現完整資料中心藍圖。
重點二： 輝達提出「Scale-Across」新概念，讓多個資料中心透過新技術互聯，如同單一超級電腦般運作。
重點三： 未來企業能夠透過NVLinkFusion平台，以及SpectrumXGS矽光子交換器，落實「Scale-Across」的目標。
AI晶片巨頭輝達（NVIDIA）於22日舉行亞太區媒體分享會，揭露未來的技術方向。
在分享會中，輝達不僅公開規劃至2028年的完整產品路線圖，還提出「Scale-Across」新概念，這指的是，輝達將透過新一代乙太網路技術，把多個分散式資料中心，組合成一座邏輯上的單一AI超級電腦，作為「Scale-Up（向上擴充）」與「Scale-Out（向外擴張）」之外的第三種擴張方式。
另外，輝達也預告相關交換器與開放平台技術。這些動作顯示，輝達不再只是GPU銷售商，而是打算成為AI基礎建設的建構者。
《數位時代》整理本次分享會的三大重點：
亮點一：公開架構路線圖，回應算力需求持續飆升
隨著推理AI（Reasoning AI）的興起，單個GPU已難以支撐快速膨脹的算力需求。輝達加速運算產品總監Dave Salvator指出：「推理如今已經成為資料中心等級的挑戰。」
為了因應這樣的市場需求，輝達公布了橫跨GPU、CPU、網絡與系統的完整架構藍圖，並首次將未來發展延伸至2028年。這份路線圖不只是產品規劃，更是回應「AI時代的算力需求將超越單一硬體」的挑戰，並宣告輝達將為Gigawatt（GW）級AI資料中心奠定基礎。
打開這份藍圖，可以看到：
- GPU架構： 從Blackwell Ultra演進至Rubin、Rubin Ultra，最終走向Feynman。
- CPU架構： 從Grace升級到Vera。
- 網路： Spectrum交換器與CX網卡將同步迭代。
- 系統： 機櫃設計從Oberon進化到下一代Kyber。
亮點二：介紹Scale-Across，從單一伺服器走向多資料中心
有了各種硬體產品，企業要怎麼將這些產品組合成大型的AI基礎設施呢？Salvator介紹了一個嶄新的連結模式：「Scale-Across」。
目前企業建構AI基礎設施時，主要採取兩種連結模式：
- 垂直擴展（Scale-up）： 在同一個機架中垂直擴展。這種模式反應快，但規模有限。
- 水平擴展（Scale-out）： 橫跨多個機架來連結。
然而，隨著AI模型規模變大，兩個硬體極限問題浮上檯面。首先是耗電過高，每個機房的電力需求動輒百兆瓦，單一資料中心已難以支撐；其次是空間不足，機房塞不下百萬顆GPU，必須分散部署。因此跨資料中心的連結，成為大型AI基礎建設的新挑戰。
面對這項挑戰，輝達進一步提出「Scale-Across」概念來解決。Scale-Across是讓多個資料中心透過新一代交換技術互聯，形成如同單一超級電腦的運算體系。換言之，AI運算不再受限於一棟資料中心，而是跨越區域與距離運作。
亮點三：Spectrum XGS與NVLink Fusion作為落地手段
要實踐Scale Across，輝達介紹兩項關鍵技術，分別解決跨距離互聯與開放生態整合的需求。
Spectrum XGS：Gigascale交換器
Spectrum XGS是輝達為Scale Across所設計的核心交換器，名稱中的XGS代表Gigascale，象徵它專為大規模資料中心設計。它的最大特點，是採用矽光子技術（CPO,Co-PackagedOptics），取代傳統銅線方案，實現跨距離光學互連。
Salvator介紹，這項技術的效益相當明顯：能效比銅線方案提升3.5倍，部署效率加快30%，並能在跨數百公尺至數百公里的距離下維持低延遲與高吞吐。這讓多個資料中心能夠被串接起來，如同單一運算單元般運作。
Salvator表示：「Gigawatt級資料中心的時代已經來臨，規模正邁向數十萬顆GPU。」而SpectrumXGS正是為這個時代打造的落地基礎。
NVLink Fusion：開放生態
與此同時，輝達也宣布NVLink Fusion將會更加開放。將原本僅能應用於自家GPU的NVLink技術，開放給第三方CPU與加速器使用，協助各式運算單元整合。
Salvator說：「我們現在要把NVLink技術提供給其他公司，讓他們能在自家的加速器或CPU上建構平台並擴展。」配合Dynamo、TensorRT-LLM與CUDA-X等軟體工具，輝達正在推動一個更廣泛的開放生態。
從晶片到資料中心
輝達的戰略重心正從「提供最快的GPU」轉向「建構最強的資料中心」。透過架構路線圖，它展現了回應算力需求的完整藍圖；透過Scale-Across，它宣告進入多資料中心時代；透過Spectrum XGS與NVLink Fusion，它展示了實際落地的手段。
雖然這場分享會未公布具體效能數據，但訊息已十分明確：輝達要做的，不只是晶片，而是整個AI資料中心的基礎建設。隨著推理型AI的需求持續爆發，資料中心將成為AI工廠的基本單位，而輝達也將在其中扮演最核心的角色。
本文初稿由AI編撰，編輯：王聖華
