NVIDIA 作为全球 AI 运算与加速运算的核心公司，近年已从 GPU 供应商逐步转型为 AI 基础设施平台公司。本次 GTC 2026 不仅是 NVIDIA 展示新一代产品与系统架构的重要场合，也成为市场观察 AI 运算模式、资料中心建置、企业 Agent 应用、PC 重塑与物理 AI 新发展方向的重要指标。
重点一：AI 运算由生成式 AI 进入 Agentic AI 阶段
AI 发展已从过去以文字、影像与内容生成为核心的生成式 AI，进一步迈入 Agentic AI 阶段。
Agentic AI 更强调观察、理解、推理、规划与执行能力，能够透过使用工具、存取记忆并自主完成复杂任务，逐步从单纯内容生成转向实际工作流程执行，因此被视为开始具备真正创造经济价值的 AI 应用。
黄仁勋以软体工程作为例子，指出 GitHub 2026 年初 commit 量较同期成长近 3 倍，显示 AI 已明显提升软体工程师生产力。 由于全球约 30 至 40 万名专业软体工程师可创造远高于薪资总额的经济产出，Agentic AI 若进一步提升开发效率，将带来更大规模的经济成长。同时，NVIDIA 也强调 AI 并不会单纯取代软体工程师工作，反而会扩大软体与系统开发需求，使工程师能够处理更多任务、建立更多应用，进一步推升整体产业需求。
重点二：新运算模式：从 Application + OS 转向 Agent 架构
本次 GTC 2026 的一项核心观点，是运算模式正在发生根本性转变。传统电脑主要由 Application 加上 Operating System 构成，使用者透过操作不同应用程式完成任务；但在 Agentic AI 时代，新的运算架构将转向 LLM、Harness、Tools 与 Memory 的组合。
其中，LLM 作为推理与语言理解核心，Harness 负责协调任务流程，Tools 提供外部工具与技能，Memory 则让 Agent 具备长期上下文与任务延续能力。 这代表未来的运算不再只是执行固定程式，而是由 Agent 根据目标自主拆解任务、调用工具并完成行动。由于这种运算模式高度分散、异质且动态，对 CPU、GPU、DPU、网路、记忆体与软体堆叠都提出全新需求，也成为 NVIDIA 推出新一代平台的主要背景。
重点三：NVIDIA 在 Agent 架构下的布局
Vera Rubin 平台：为 Agentic AI 设计的新一代 AI 超级电脑
Vera Rubin 定位为专为 Agentic AI 设计的多机柜 Pod 级超级电脑，目前已进入全面量产。 相较前一代 Grace Blackwell，Vera Rubin 不只是单一 GPU 升级，而是涵盖 GPU、CPU、DPU、NVLink 与网路架构的完整系统平台。
Vera Rubin 平台包含 Vera Rubin GPU、Vera CPU、BlueField 4 DPU、NVLink 72 与 Spectrum-X 网路等完整堆叠，并强调从晶片、伺服器、机柜到资料中心等层级的共同设计。NVIDIA 表示 Vera Rubin 的供应链规模约为 Grace Blackwell 的两倍，且系统组装效率大幅提升，原先约需 2 小时的组装流程，现在可缩短至约 5 分钟，反映 NVIDIA 已将 AI 晶片平台进一步推进至工厂化、模组化与大规模部署阶段。
DSX AI 工厂：从算力建置转向营运效率最佳化
随着 AI 运算需求快速扩张，资料中心已不再只是传统 IT 基础设施，而是能够持续产生 token 与收入的 AI 工厂。NVIDIA 因此推出 DSX 作为 AI 工厂蓝图，涵盖从设计、模拟、建置到营运的完整流程。
DSX 的核心是将 AI 工厂视为一套可被设计、模拟与最佳化的生产系统。透过 Omniverse 数位孪生，资料中心可在实体建置前先完成验证，包括机柜配置、液冷设计、电力分配、热管理与工作负载模拟等。 NVIDIA 强调 AI 工厂的关键指标已从单纯算力规模，转向每瓦 token 产出、动态电源分配、最低 token 成本与最高获利能力。整体而言，未来资料中心竞争力将取决于能否以最低能源与基础设施成本，产出最多可变现的 AI token。
Vera CPU：专为 Agent 设计的 CPU
除了 GPU 之外，Vera CPU 也是本次 GTC 2026 的重要硬体设备亮点。NVIDIA 表示过去 CPU 主要是为人类操作电脑与传统应用程式设计，但 Agentic AI 时代由于 Agent 会大量进行工具调用、资料查询、即时串流、资料库处理与任务协调，因此需要新的 CPU 架构来处理愈趋复杂的任务。
Vera CPU 的四大优势包括高执行效能、高频宽、低延迟与高能效。这些特性使其更适合支援 Agent 工作负载，特别是在 SQL 查询、即时串流处理与工具调用等场景中，可带来数倍效能提升。 更重要的是，Vera CPU 的高能效设计可让更多 CPU 被部署于 AI 工厂中，同时避免排挤 GPU 算力配置，代表 CPU 将重新成为 NVIDIA AI 基础设施中的重要成长动能。
NVIDIA Agent Toolkit：企业 Agent 落地的完整工具包
在软体层面，NVIDIA 推出 Agent Toolkit，目标是协助企业建立、部署与管理 Agent 应用。 这套工具包主要由 Models、Harness、Tools / Skills 与 Runtime 四大要素组成，对应 Agentic AI 从模型推理、任务协调、工具使用到执行环境的完整流程。
其中，Nemotron 3 Ultra 是 NVIDIA 新一代开放模型，采用混合 SSM 与 MoE 架构，诉求速度提升 5 倍、成本降低 30%，并开放模型、资料与训练脚本。 OpenShell 则是安全沙箱执行环境，可让 Agent 在受控条件下使用工具与执行任务，目前已获 Red Hat、Canonical、Microsoft 等生态系伙伴采用。
应用案例方面，NVIDIA 展示与 Cadence 合作打造晶片设计 Super Agent，能够协助工程师进行设计验证与流程自动化，将过去数周的验证周期缩短至数小时。这显示 Agentic AI 不只是消费型聊天机器人，而是开始进入工程、EDA、企业流程与高价值专业工作场景。
重点四：PC 将进入 40 年来最大变革
NVIDIA 认为个人电脑将在 Agentic AI 推动下迎来 40 年来最大变革。过去 PC 的核心功能在于执行各类应用程式，未来则将成为运行个人 Agent 的本地 AI 平台，从单机运算装置进一步转型为个人 AI 工作站。 未来使用者可能在家中或办公室配置小型 AI 超级电脑，用于执行个人助理、软体开发、内容创作、研究分析、自动化流程与本地推论等任务。对 NVIDIA 而言，这也代表 AI 运算需求将从云端资料中心进一步下沉至个人端与边缘端。
为因应此趋势，NVIDIA 与 Microsoft 合作推出 RTX Spark 平台，整合 Blackwell RTX GPU、Grace CPU、NVLink 与 128GB 统一记忆体，并支援全新 Windows Agent 平台。 相关产品将涵盖笔电、桌上型电脑与工作站三大类别，同时维持对 Windows 与 CUDA 生态系的完整相容性。
重点五：物理 AI 与机器人 — Agent 扩展至实体世界
本次 GTC 2026 亦强调 Physical AI 的重要性。随着 AI 从文字与数位任务走向真实世界，模型必须理解物理环境、动作、声音、空间与因果关系，才能应用于机器人、自驾车、工厂设备与边缘装置。
NVIDIA 推出 Cosmos 3 作为物理 AI 世界基础模型，支援影像、动作、声音与语言，可生成物理准确的合成影片，用于模拟、策略训练与机器人学习。 Isaac Groot 则是开放式人形机器人参考平台，具备 31 自由度，主要面向大学与研究机构，协助加速人形机器人演算法与硬体生态发展。自动驾驶方面，NVIDIA 亦推出 Alpamayo 2 开放模型，并搭配 Hyperion 平台，延伸其在自驾车与车载 AI 平台的布局。
整体而言，NVIDIA 将 Agentic AI 视为可扩展至所有实体装置的运算模式，未来机器人、自驾车、基地台、工厂设备与边缘系统都有可能内建 Agent，形成从云端、企业、PC 到实体世界的完整 AI 网路。
结论
整体而言，NVIDIA GTC 2026 再次确认 AI 产业正从生成式 AI 进入 Agentic AI 的新阶段。未来 AI 不再只是生成内容，而是能够理解任务、调用工具、执行流程并创造实际经济价值的 Agent。这项转变将推动全新运算架构，并带动 GPU、CPU、DPU、网路、记忆体、资料中心设计与软体工具链同步升级。
从硬体来看，Vera Rubin 平台代表 NVIDIA AI 基础设施进入新一代量产周期；Vera CPU 则显示 Agentic AI 将重新提升 CPU 在 AI 工厂中的重要性。从系统层面来看，DSX AI 工厂将资料中心从算力建置推进至营运效率最佳化，核心指标转向 tokens per watt 与 compute revenue。从应用端来看，Agent Toolkit、RTX Spark PC 平台与 Physical AI 生态，显示 Agentic AI 将同时渗透企业、个人电脑、机器人、自驾车与边缘装置。
因此，本次 GTC 2026 的核心讯息可以总结为：算力已成为可直接转化为收入的生产工具。NVIDIA 也从 GPU 公司进一步升级为 AI 系统与 AI 基础设施公司。随着 Agentic AI 成为下一个主流运算模式，AI 工厂、个人 Agent、企业自动化与物理 AI 将共同推动下一轮半导体与科技产业成长。
