GTC October 2025 Keynote with NVIDIA CEO Jensen Huang | GTC 2025 華府現場：從「AI 工廠」到 6G，NVIDIA 把整個計算堆疊重新命名了一次

🧭 前言

這場在華盛頓 D.C. 的 GTC（2025/10/28）不是一般的技術發表會，而是把「AI＝新型工業基礎設施」這件事講到產業、供應鏈、國家戰略層級。

黃仁勳把 30 年來的 CUDA 生態、GPU 演進、以及 從機房→機架→整廠 的「聯合設計（co-design）」一次攤開：

AI 工廠（AI Factory） 不只是比喻，而是要把 建築、供電、冷卻、機架、網路、軟體、模型 當成一台可最佳化的「巨型電腦」來設計與運營。

🚀 內容重點

1. 一台機架就是一顆「巨型 GPU」：Grace-Blackwell + NVLink-72

   • 架構亮點：Grace CPU + Blackwell GPU + NVLink-72，形成整機架單一計算域。

   • 主打兩件事：效能密度、每個 token 的成本（TCO）。

   • 概念轉變：將模型拆成「專家」，讓更多專家能在同一 NVLink 網域內低延遲互通。

   • 現況：GB300 已量產；下一代 Reuben 架構在實驗室準備中。

💡 不是單純串 GPU，而是把「網內通訊、記憶體帶寬與熱設計」整合最適化。真正的 KPI 變成 token/s × latency × cost per token。

2. DSX：AI 工廠的「數位分身作業系統」

   1. Omniverse DSX：把土木機電、機房母管線、機架佈局、熱與電模擬、到軟體排程做端到端數位分身。

   2. 合作夥伴：Jacobs、Siemens、Schneider、Trane、Vertiv、Bechtel。

   3. 目標：縮短建置期、提升上線良率、最大化「單位功率的 token 產出」。

   4. 應用：NVIDIA 正在維吉尼亞建立 AI 工廠研究中心。

💬 「先數位、後實體」——大型基礎設施若沒有數位分身，試錯成本會非常高。

3. 量子 × GPU：NVQLink + CUDA-Q

   • NVQLink 直接把 QPU 與 GPU 超算連結，實現即時量子錯誤校正（QEC）、控制校準與混合模擬。

   • DOE 合作：能源部將與 NVIDIA 建置七套 AI 超級電腦。

   • 產業意義：未來科學計算會是「加速計算 + AI + 量子」的融合架構。

⚙️ 「量子不取代經典，而是被 GPU 擁抱。」

4. 6G／RAN 回到美國：NVIDIA × Nokia + ARC

   • ARC（Aerial RAN Computer）：結合 Grace CPU、Blackwell GPU、ConnectX NIC。

   • 夥伴：Nokia；NVIDIA 對 Nokia 投資 10 億美元，聯手打造 AI-RAN 與 6G。

   • 意義：

     • AI for RAN：用強化學習即時最佳化波束、頻譜效率。

     • AI on RAN：讓基地台成為邊緣 AI 推論平台。

🇺🇸 把通訊技術重新「AI 化」、再「美國製造」。

5. 企業與安全生態：CrowdStrike、Palantir、四大雲

   • 四大雲整合：AWS、GCP、Azure、Oracle 全面整合 CUDA X、NIM、模型庫。

   • 安全 × 資料：

     • 與 CrowdStrike 建立低延遲 AI 安全代理。

     • 與 Palantir 整合以加速 ontology 資料處理。

🧠 把「AI 能力」轉為「企業可審計的服務堆疊」。

6. 實體 AI：工廠、機器人與自駕車

   • 三層電腦架構

     1. GB：訓練

     2. Omniverse：模擬

     3. Jetson/Thor：邊緣推論

   • 案例

     • 與 Foxconn 在休士頓建置 AI 工廠數位分身。

     • 與 Disney Research 開發擬真機器人模擬。

     • 推出 Drive Hyperion「Robo-Taxi Ready」平台，與 Uber 合作接入車隊網路。

🦾 「先在數位分身裡跑通，再下到實體世界。」

🔍 三個關鍵觀察

1. 效能疊代從「晶片世代」變成「工廠世代」

   • DSX 讓硬體與建築合一，真正的效能單位是整個工廠的 token 成本。

2. 通訊堆疊被 AI 原生化

   1. AI-RAN 讓站點密度與 AI 工作負載對應，從電信延伸到私網與工廠。

3. 量子 × GPU 成為產業共同語言

   • 量子不再是孤島，而是 GPU 生態的可插拔夥伴。

對台灣與光電產業鏈的影響

• 資料中心基礎設施進入長週期投資

  • 液冷、配電、熱界面材料都將隨 AI 工廠一併成長。

• 光互連的重要性再提升

  • NVLink-72 級別的帶寬密度，讓 CPO／OCS／IPoF 成為關鍵。

• RAN GPU 化帶動邊緣 AI 應用

  • 私網、工廠 AI-RAN 是下一波硬體設計機會。

• 量子控制電子學的新需求

  • 測試、低溫模組、超導控制電路都有新應用。

總結

這場 GTC 把 NVIDIA 的主軸講得非常清楚：

用極致的聯合設計，讓整個計算堆疊變成一台「工廠等級」的電腦。

從 NVLink-72、DSX AI 工廠、AI-RAN 到 Quantum，全都圍繞同一核心邏輯：

把電力與冷卻轉化為更有價值的 token。

對我們來說，關鍵就是：

讓「工廠思維」內建到每一個產品與專案流程，從 KPI 開始。