目錄
- Useful AI 時代抵達：四個關鍵 Takeaways
- 軟體開發的範式轉移：3 兆變 9 兆
- 數位勞動力的新定義：AI 是一名完整的員工
- 基礎設施進化：為 Agent 而生的 Vera CPU
- 更便宜也更安全：Neotron 3 與 OpenShell
- 重新定義個人電腦：RTX Spark 與意圖驅動
- 物理 AI 戰場：Cosmos 3 與 Isaac Groot
- 結語
過去兩年，不少企業其實是被一種「生成式 AI 焦慮」綁住的：對大型語言模型抱著很高的期待，卻始終找不到那個真正能落地的殺手級應用。決策者心裡都清楚 AI 很重要，但要說它替公司賺了多少、省了多少，往往講不太出來。
黃仁勳在 Computex 2026 的主題演講，幾乎是替這段尷尬期畫下句點。他在台上明確宣布：Useful AI（有用的 AI）時代已經抵達。這句話替過去一年的 AI 發展做了總結，也起了承上啟下的作用——它等於正式宣告，AI 的角色正從單純的聊天機器人，轉向具備自主觀察、推理與執行能力的 Agentic AI（AI 代理人），能夠主動替企業把目標完成。
身為長期在第一線協助企業導入 AI Agent 的團隊，EgentHub 把這場演講完整看完，替讀者整理成這份重點筆記，幫你用幾分鐘抓住最值得關注的訊號（完整內容可至 NVIDIA 官網觀賞）。
Useful AI 時代抵達：四個關鍵 Takeaways
如果只想記住四件事，這場演講的核心可以濃縮成以下四點：
- 典範轉移：企業導入 AI 的重心，已經從追逐「單一最強模型」，演進成由「模型 + 框架 + 工具 + 執行環境」共同構成的完整 Agent 體系。
- Vera Rubin 架構：全球第一款專為 Agent 時代打造的多機架 Pod 級超大型運算系統，目的是支撐大規模的代理人協作。
- Vera CPU：為「沒耐性」的 Agent 量身設計，主打極低延遲與高頻寬，意在打破傳統 CPU 在 AI 運算迴圈裡形成的瓶頸。
- RTX Spark：重新定義了個人電腦過去四十年的架構，把 PC 從「應用程式工具」轉型為「個人 AI 代理中心」。
這四點背後其實是同一條主線：AI 不再只是更聰明的模型，而是一整套能自己幹活的系統。
軟體開發的範式轉移：3 兆變 9 兆
黃仁勳引用 GitHub 的數據點出一個對比：全球三千萬名開發者，創造了大約三兆美金的薪資產值；而在 Agent 介入之後，這份投入正被放大成高達九兆美金的有效生產力產出——換算下來，是三倍的產出效能提升。
值得注意的是，他並沒有順著「AI 取代人類工作」的論調走，反而直接反駁。他的邏輯是：當每一美金的薪資都能撐出三倍產值時，企業反而會更有動機去聘用更多工程師，而不是更少。
這種生產力的爆發，也連帶把 Token（模型的處理單位）需求推上去。因為 Agent 的運作是一個「觀察、推理、計畫、行動」不斷循環的過程，運算需求不再是按一次按鈕就結束的單次觸發，而是呈指數級往上疊加。
數位勞動力的新定義：AI 是一名完整的員工
黃仁勳用了一個很生活化的比喻：把未來的 AI 代理想像成一名工人。企業不能只花錢買一顆聰明的「大腦（模型）」就期待它上工，還得替它配上「身體（控制橋接器）」、「吃飯的傢伙（工具與技能）」，以及一個專屬的「工作坊（執行環境）」。
換句話說，導入 AI 比較像是聘進一位數位員工：你必須把軟硬體的配套和操作環境一次備齊，這位員工才能真正替公司做事、產出價值。這也正是「模型 + 框架 + 工具 + 執行環境」這套組合之所以成為新典範的原因——少了任何一塊，再強的模型也只是個還沒上工的大腦。
基礎設施進化：為 Agent 而生的 Vera CPU
繼 Grace Blackwell 之後，企業為什麼還需要 Vera Rubin？黃仁勳給的答案很直接：在 Agent 的世界裡，延遲就等於利潤的流失。
傳統 CPU 是針對人類「秒級」的反應速度設計的，但 Agent 活在納秒級的節奏裡，對等待極度沒耐性。為此，Vera CPU 配置了 88 個 Olympus 核心，並首度採用 LPDDR5X 記憶體，確保 Agent 在調用工具時，不會白白浪費任何一毫秒。它扮演的角色，是協調整個 Agent 運作的指揮家，讓昂貴的 GPU 資源不至於卡在等待數據的空檔上空轉。
幾項關鍵數據如下：
- 單執行緒效能：具備全球最高的 IPC（每時脈週期指令數），每個週期可執行 10 條指令。
- 資料處理突破：SQL 處理速度提升 3 倍，即時串流處理提升 6 倍。
「Compute is revenues. The more you buy, the more you make.」——黃仁勳
更便宜也更安全：Neotron 3 與 OpenShell
企業自建 AI，最放不下心的通常是兩件事：成本太高，以及機密外洩。NVIDIA 這次端出的 Neotron 3 模型，正是衝著這兩個痛點而來。
Neotron 3 Ultra：更聰明也更划算。 這是一款建立在混合架構之上的模型，結合了 SSM（State Space Models）與混合專家（MoE）。它的運算速度比現有最先進的模型快 5 倍，成本卻降低了 30%，等於大幅拉高了企業「自建、自用、自養」Agent 的投資報酬率。
OpenShell：讓代理人的行為受控。 OpenShell 是一個兼顧安全性與隱私保護的沙盒環境（Sandbox）。可以把它想成：一位專業技師（Agent）被安排在一個受控的工作坊（Runtime）裡作業，即使執行複雜任務，也不會失控或把企業機密帶出去。對重視資安與合規的企業來說，這正是讓 AI 敢放手用的前提。
重新定義個人電腦：RTX Spark 與意圖驅動
過去，企業常常得投入大量時間與金錢，才能讓員工學會操作複雜的商業軟體。NVIDIA 這次與 Microsoft 合作推出的 RTX Spark，搭載了與 MediaTek 共同研發的 N1X 晶片，等於改寫了 PC 的定義，也被黃仁勳形容為個人電腦發展四十年來最重大的一次演進。
它帶來的轉變，是運算模式從「點擊與輸入」走向「意圖驅動（Intent-driven）」。使用者不再需要先學會怎麼操作軟體，而是直接把意圖講給 Agent 聽。舉例來說，當你提出一個設計需求，Agent 會自動透過 Adobe 的 MCP（Model Context Protocol）跟應用程式溝通，在畫面上把編修一步步完成。黃仁勳甚至預測：十年之後，家家戶戶都會有一台 AI 超級電腦，像熱水器一樣，成為理所當然的基礎設施。
物理 AI 戰場：Cosmos 3 與 Isaac Groot
在黃仁勳的描繪裡，AI 的最終型態，是能與物理世界互動的自主 Agent。他強調「Compute is Data（運算即數據）」——物理世界的數據，必須先透過模擬大量產生出來。
- Cosmos 3：採用混合變換器（MoT）架構的物理世界基礎模型（Omnimodel），讓機器人能理解現實世界的物理法則，並據此進行思考。
- Isaac Groot：專為人形機器人打造的參考平台，具備 25 到 31 個自由度，能精準模擬人類的精細動作，提供高度靈活關節的設計基礎。
這代表 AI 的價值將正式走出辦公室，落實到工廠、物流與各種實體空間裡，成為解決企業基層缺工問題的實質解方。
結語
整場演講看下來，黃仁勳真正想宣告的，是 Useful AI 與 Agentic AI 時代的正式到來：AI 已經從一個負責生成內容的模型，進化成能自主理解、規劃、並動手使用工具完成工作的數位勞動力。它的價值會無所不在地展開——從數位雲端、個人生活，一路延伸到實體工業的運作之中。
對正在評估或推動 AI 導入的企業而言，這場演講其實丟出了一個很實際的問題：當「模型 + 框架 + 工具 + 執行環境」成為新的標準配備，AI 不再是買一顆聰明大腦就能上工，那麼組織內部的工作流程、權限管理與資料控管，是不是都已經準備好接住這位數位員工了？結合 EgentHub 在 AI Agent 第一線的經驗，這也正是接下來兩年，每個準備導入 AI 的組織都得正面回答的課題。