點解會有四個獎？

雖然只係三個產品，但 Vera Rubin NVL72 同時贏得兩個獎項：

• Vera Rubin NVL72：金獎 + Sustainable Tech Special Award
• Jetson Thor：金獎
• Alpamayo：智慧車與智慧座艙類別獎

因此 NVIDIA 最終合共得到 四個 Best Choice Awards。

Jetson Thor：為邊緣AI同機械人而生

Jetson Thor 係 NVIDIA 面向 邊緣AI（Edge AI）同機械人運算 嘅核心平台，採用 Blackwell GPU 架構。

開發套件 Jetson AGX Thor 提供：

• 最高 2,070 FP4 TFLOPS AI算力
• 128GB 記憶體
• 約 130W 功耗

同上一代 Jetson AGX Orin 相比，AI運算能力提升 最高7.5倍，能源效率亦提升 3.5倍。

對機械人有咩突破？

Jetson Thor 最大改變係令 AI推理可以直接喺裝置本地完成。例如：

• 多鏡頭與感測器即時分析
• 視覺語言模型（VLM）理解環境
• 生成式AI協助決策

換句話講，機械人唔需要每一步都依賴雲端，亦可以做到低延遲反應。呢種能力對 工業機械人、人形機械人、醫療設備同自動化系統 都非常重要。

Vera Rubin NVL72：機架級AI超級電腦

如果 Jetson Thor 代表「邊緣 AI」，Vera Rubin NVL72 就係 NVIDIA 對 AI資料中心與AI工廠 嘅答案。

呢套系統唔係單一晶片，而係一整個 機架級（rack-scale）AI超級電腦。

核心配置包括：

• 36 個 Vera CPU
• 72 個 Rubin GPU
• 第六代 NVLink 互連

透過 NVLink，72 個 GPU 可以協同運作，好似一個巨大 AI 加速器，用於：

• 兆級參數模型訓練
• 後訓練（post‑training）
• 大規模 AI 推理
• 長上下文 AI 任務

效能與成本優勢

NVIDIA 表示，相比 Blackwell 平台：

• 訓練大型模型只需 四分之一 GPU 數量
• 推理 每百萬 token 成本降至十分之一
• 推理效能/每瓦提升最高10倍

呢個轉變意味住 AI 競賽已經唔再只係「晶片性能」，而係 整個機架與AI工廠系統設計 嘅競爭。

Alpamayo：具推理能力嘅自動駕駛AI

第三個得獎平台 Alpamayo，係 NVIDIA 面向自動駕駛開發嘅開放平台。

佢採用一種 Vision‑Language‑Action（視覺‑語言‑行動）模型，唔只係識「睇」路面，而係會 推理點解要咁做決策。

例如：

• 分析路面影像
• 理解交通情境
• 推理安全行車策略
• 生成駕駛路徑

同時系統會產生「推理過程」，方便工程師理解 AI 點樣作出決定。

為自動駕駛帶來嘅改變

傳統自動駕駛主要依賴：

• 物件偵測
• 路徑規劃

而 Alpamayo 進一步加入 推理式 AI 決策，更接近人類駕駛思考方式。

佢嘅訓練亦結合：

• 真實道路駕駛資料
• 模擬與合成數據

呢種混合訓練方法可以覆蓋更多極端或罕見路況。

NVIDIA的AI戰略：由Edge到AI工廠

如果將三個平台放埋一齊睇，其實好清楚見到 NVIDIA 嘅整體策略：

• Jetson Thor：推動機械人與邊緣 AI
• Vera Rubin NVL72：建立 AI 工廠級運算基礎設施
• Alpamayo：發展推理式自動駕駛系統

由資料中心到實體世界裝置，NVIDIA 正嘗試打造一條 完整 AI 技術鏈，將 AI 從雲端延伸到機械人同智能交通系統。

喺 COMPUTEX 2026 奪得四項大獎，其實反映咗一個更大趨勢：AI發展已經由單一模型或晶片，逐步演變成 跨平台、跨產業嘅整體運算基礎建設。

點解會有四個獎？

雖然只係三個產品，但 Vera Rubin NVL72 同時贏得兩個獎項：

• Vera Rubin NVL72：金獎 + Sustainable Tech Special Award
• Jetson Thor：金獎
• Alpamayo：智慧車與智慧座艙類別獎

因此 NVIDIA 最終合共得到 四個 Best Choice Awards。

Jetson Thor：為邊緣AI同機械人而生

Jetson Thor 係 NVIDIA 面向 邊緣AI（Edge AI）同機械人運算 嘅核心平台，採用 Blackwell GPU 架構。

開發套件 Jetson AGX Thor 提供：

• 最高 2,070 FP4 TFLOPS AI算力
• 128GB 記憶體
• 約 130W 功耗

同上一代 Jetson AGX Orin 相比，AI運算能力提升 最高7.5倍，能源效率亦提升 3.5倍。

對機械人有咩突破？

Jetson Thor 最大改變係令 AI推理可以直接喺裝置本地完成。例如：

• 多鏡頭與感測器即時分析
• 視覺語言模型（VLM）理解環境
• 生成式AI協助決策

換句話講，機械人唔需要每一步都依賴雲端，亦可以做到低延遲反應。呢種能力對 工業機械人、人形機械人、醫療設備同自動化系統 都非常重要。

Vera Rubin NVL72：機架級AI超級電腦

如果 Jetson Thor 代表「邊緣 AI」，Vera Rubin NVL72 就係 NVIDIA 對 AI資料中心與AI工廠 嘅答案。

呢套系統唔係單一晶片，而係一整個 機架級（rack-scale）AI超級電腦。

核心配置包括：

• 36 個 Vera CPU
• 72 個 Rubin GPU
• 第六代 NVLink 互連

透過 NVLink，72 個 GPU 可以協同運作，好似一個巨大 AI 加速器，用於：

• 兆級參數模型訓練
• 後訓練（post‑training）
• 大規模 AI 推理
• 長上下文 AI 任務

效能與成本優勢

NVIDIA 表示，相比 Blackwell 平台：

• 訓練大型模型只需 四分之一 GPU 數量
• 推理 每百萬 token 成本降至十分之一
• 推理效能/每瓦提升最高10倍

呢個轉變意味住 AI 競賽已經唔再只係「晶片性能」，而係 整個機架與AI工廠系統設計 嘅競爭。

Alpamayo：具推理能力嘅自動駕駛AI

第三個得獎平台 Alpamayo，係 NVIDIA 面向自動駕駛開發嘅開放平台。

佢採用一種 Vision‑Language‑Action（視覺‑語言‑行動）模型，唔只係識「睇」路面，而係會 推理點解要咁做決策。

例如：

• 分析路面影像
• 理解交通情境
• 推理安全行車策略
• 生成駕駛路徑

同時系統會產生「推理過程」，方便工程師理解 AI 點樣作出決定。

為自動駕駛帶來嘅改變

傳統自動駕駛主要依賴：

• 物件偵測
• 路徑規劃

而 Alpamayo 進一步加入 推理式 AI 決策，更接近人類駕駛思考方式。

佢嘅訓練亦結合：

• 真實道路駕駛資料
• 模擬與合成數據

呢種混合訓練方法可以覆蓋更多極端或罕見路況。

NVIDIA的AI戰略：由Edge到AI工廠

如果將三個平台放埋一齊睇，其實好清楚見到 NVIDIA 嘅整體策略：

• Jetson Thor：推動機械人與邊緣 AI
• Vera Rubin NVL72：建立 AI 工廠級運算基礎設施
• Alpamayo：發展推理式自動駕駛系統

由資料中心到實體世界裝置，NVIDIA 正嘗試打造一條 完整 AI 技術鏈，將 AI 從雲端延伸到機械人同智能交通系統。

喺 COMPUTEX 2026 奪得四項大獎，其實反映咗一個更大趨勢：AI發展已經由單一模型或晶片，逐步演變成 跨平台、跨產業嘅整體運算基礎建設。