NVIDIA 作為全球 AI 運算與加速運算的核心公司，近年已從 GPU 供應商逐步轉型為 AI 基礎設施平台公司。本次 GTC 2026 不僅是 NVIDIA 展示新一代產品與系統架構的重要場合，也成為市場觀察 AI 運算模式、資料中心建置、企業 Agent 應用、PC 重塑與物理 AI 新發展方向的重要指標。
重點一：AI 運算由生成式 AI 進入 Agentic AI 階段
AI 發展已從過去以文字、影像與內容生成為核心的生成式 AI，進一步邁入 Agentic AI 階段。
Agentic AI 更強調觀察、理解、推理、規劃與執行能力，能夠透過使用工具、存取記憶並自主完成複雜任務，逐步從單純內容生成轉向實際工作流程執行，因此被視為開始具備真正創造經濟價值的 AI 應用。
黃仁勳以軟體工程作為例子，指出 GitHub 2026 年初 commit 量較同期成長近 3 倍，顯示 AI 已明顯提升軟體工程師生產力。 由於全球約 30 至 40 萬名專業軟體工程師可創造遠高於薪資總額的經濟產出，Agentic AI 若進一步提升開發效率，將帶來更大規模的經濟成長。同時，NVIDIA 也強調 AI 並不會單純取代軟體工程師工作，反而會擴大軟體與系統開發需求，使工程師能夠處理更多任務、建立更多應用，進一步推升整體產業需求。
重點二：新運算模式：從 Application + OS 轉向 Agent 架構
本次 GTC 2026 的一項核心觀點，是運算模式正在發生根本性轉變。傳統電腦主要由 Application 加上 Operating System 構成，使用者透過操作不同應用程式完成任務；但在 Agentic AI 時代，新的運算架構將轉向 LLM、Harness、Tools 與 Memory 的組合。
其中，LLM 作為推理與語言理解核心，Harness 負責協調任務流程，Tools 提供外部工具與技能，Memory 則讓 Agent 具備長期上下文與任務延續能力。 這代表未來的運算不再只是執行固定程式，而是由 Agent 根據目標自主拆解任務、調用工具並完成行動。由於這種運算模式高度分散、異質且動態，對 CPU、GPU、DPU、網路、記憶體與軟體堆疊都提出全新需求，也成為 NVIDIA 推出新一代平台的主要背景。
重點三：NVIDIA 在 Agent 架構下的布局
Vera Rubin 平台：為 Agentic AI 設計的新一代 AI 超級電腦
Vera Rubin 定位為專為 Agentic AI 設計的多機櫃 Pod 級超級電腦，目前已進入全面量產。 相較前一代 Grace Blackwell，Vera Rubin 不只是單一 GPU 升級，而是涵蓋 GPU、CPU、DPU、NVLink 與網路架構的完整系統平台。
Vera Rubin 平台包含 Vera Rubin GPU、Vera CPU、BlueField 4 DPU、NVLink 72 與 Spectrum-X 網路等完整堆疊，並強調從晶片、伺服器、機櫃到資料中心等層級的共同設計。NVIDIA 表示 Vera Rubin 的供應鏈規模約為 Grace Blackwell 的兩倍，且系統組裝效率大幅提升，原先約需 2 小時的組裝流程，現在可縮短至約 5 分鐘，反映 NVIDIA 已將 AI 晶片平台進一步推進至工廠化、模組化與大規模部署階段。
DSX AI 工廠：從算力建置轉向營運效率最佳化
隨著 AI 運算需求快速擴張，資料中心已不再只是傳統 IT 基礎設施，而是能夠持續產生 token 與收入的 AI 工廠。NVIDIA 因此推出 DSX 作為 AI 工廠藍圖，涵蓋從設計、模擬、建置到營運的完整流程。
DSX 的核心是將 AI 工廠視為一套可被設計、模擬與最佳化的生產系統。透過 Omniverse 數位孿生，資料中心可在實體建置前先完成驗證，包括機櫃配置、液冷設計、電力分配、熱管理與工作負載模擬等。 NVIDIA 強調 AI 工廠的關鍵指標已從單純算力規模，轉向每瓦 token 產出、動態電源分配、最低 token 成本與最高獲利能力。整體而言，未來資料中心競爭力將取決於能否以最低能源與基礎設施成本，產出最多可變現的 AI token。
Vera CPU：專為 Agent 設計的 CPU
除了 GPU 之外，Vera CPU 也是本次 GTC 2026 的重要硬體設備亮點。NVIDIA 表示過去 CPU 主要是為人類操作電腦與傳統應用程式設計，但 Agentic AI 時代由於 Agent 會大量進行工具調用、資料查詢、即時串流、資料庫處理與任務協調，因此需要新的 CPU 架構來處理愈趨複雜的任務。
Vera CPU 的四大優勢包括高執行效能、高頻寬、低延遲與高能效。這些特性使其更適合支援 Agent 工作負載，特別是在 SQL 查詢、即時串流處理與工具調用等場景中，可帶來數倍效能提升。 更重要的是，Vera CPU 的高能效設計可讓更多 CPU 被部署於 AI 工廠中，同時避免排擠 GPU 算力配置，代表 CPU 將重新成為 NVIDIA AI 基礎設施中的重要成長動能。
NVIDIA Agent Toolkit：企業 Agent 落地的完整工具包
在軟體層面，NVIDIA 推出 Agent Toolkit，目標是協助企業建立、部署與管理 Agent 應用。 這套工具包主要由 Models、Harness、Tools / Skills 與 Runtime 四大要素組成，對應 Agentic AI 從模型推理、任務協調、工具使用到執行環境的完整流程。
其中，Nemotron 3 Ultra 是 NVIDIA 新一代開放模型，採用混合 SSM 與 MoE 架構，訴求速度提升 5 倍、成本降低 30%，並開放模型、資料與訓練腳本。 OpenShell 則是安全沙箱執行環境，可讓 Agent 在受控條件下使用工具與執行任務，目前已獲 Red Hat、Canonical、Microsoft 等生態系夥伴採用。
應用案例方面，NVIDIA 展示與 Cadence 合作打造晶片設計 Super Agent，能夠協助工程師進行設計驗證與流程自動化，將過去數週的驗證週期縮短至數小時。這顯示 Agentic AI 不只是消費型聊天機器人，而是開始進入工程、EDA、企業流程與高價值專業工作場景。
重點四：PC 將進入 40 年來最大變革
NVIDIA 認為個人電腦將在 Agentic AI 推動下迎來 40 年來最大變革。過去 PC 的核心功能在於執行各類應用程式，未來則將成為運行個人 Agent 的本地 AI 平台，從單機運算裝置進一步轉型為個人 AI 工作站。 未來使用者可能在家中或辦公室配置小型 AI 超級電腦，用於執行個人助理、軟體開發、內容創作、研究分析、自動化流程與本地推論等任務。對 NVIDIA 而言，這也代表 AI 運算需求將從雲端資料中心進一步下沉至個人端與邊緣端。
為因應此趨勢，NVIDIA 與 Microsoft 合作推出 RTX Spark 平台，整合 Blackwell RTX GPU、Grace CPU、NVLink 與 128GB 統一記憶體，並支援全新 Windows Agent 平台。 相關產品將涵蓋筆電、桌上型電腦與工作站三大類別，同時維持對 Windows 與 CUDA 生態系的完整相容性。
重點五：物理 AI 與機器人 — Agent 擴展至實體世界
本次 GTC 2026 亦強調 Physical AI 的重要性。隨著 AI 從文字與數位任務走向真實世界，模型必須理解物理環境、動作、聲音、空間與因果關係，才能應用於機器人、自駕車、工廠設備與邊緣裝置。
NVIDIA 推出 Cosmos 3 作為物理 AI 世界基礎模型，支援影像、動作、聲音與語言，可生成物理準確的合成影片，用於模擬、策略訓練與機器人學習。 Isaac Groot 則是開放式人形機器人參考平台，具備 31 自由度，主要面向大學與研究機構，協助加速人形機器人演算法與硬體生態發展。自動駕駛方面，NVIDIA 亦推出 Alpamayo 2 開放模型，並搭配 Hyperion 平台，延伸其在自駕車與車載 AI 平台的布局。
整體而言，NVIDIA 將 Agentic AI 視為可擴展至所有實體裝置的運算模式，未來機器人、自駕車、基地台、工廠設備與邊緣系統都有可能內建 Agent，形成從雲端、企業、PC 到實體世界的完整 AI 網路。
結論
整體而言，NVIDIA GTC 2026 再次確認 AI 產業正從生成式 AI 進入 Agentic AI 的新階段。未來 AI 不再只是生成內容，而是能夠理解任務、調用工具、執行流程並創造實際經濟價值的 Agent。這項轉變將推動全新運算架構，並帶動 GPU、CPU、DPU、網路、記憶體、資料中心設計與軟體工具鏈同步升級。
從硬體來看，Vera Rubin 平台代表 NVIDIA AI 基礎設施進入新一代量產週期；Vera CPU 則顯示 Agentic AI 將重新提升 CPU 在 AI 工廠中的重要性。從系統層面來看，DSX AI 工廠將資料中心從算力建置推進至營運效率最佳化，核心指標轉向 tokens per watt 與 compute revenue。從應用端來看，Agent Toolkit、RTX Spark PC 平台與 Physical AI 生態，顯示 Agentic AI 將同時滲透企業、個人電腦、機器人、自駕車與邊緣裝置。
因此，本次 GTC 2026 的核心訊息可以總結為：算力已成為可直接轉化為收入的生產工具。NVIDIA 也從 GPU 公司進一步升級為 AI 系統與 AI 基礎設施公司。隨著 Agentic AI 成為下一個主流運算模式，AI 工廠、個人 Agent、企業自動化與物理 AI 將共同推動下一輪半導體與科技產業成長。
