輝達押注「實體 AI」：中國與機器人為何成為下一個十年關鍵

輝達（NVIDIA）的下一個成長故事，可能不會只發生在資料中心。這家晶片大廠正把 GPU、模擬軟體與 AI 模型，定位為機器人、自駕車及工業系統的基礎設施，讓機器能夠感知、推理，並在現實世界中採取行動。

這項「實體 AI」（physical AI）業務目前估計每年可為輝達帶來約100億美元營收。執行長黃仁勳表示，未來十年業務規模可能成長十倍，意味著潛在營收約達1000億美元。不過，這是建立在未來採用率上的公司願景，並不是輝達財報中單獨列出的營收項目。

什麼是輝達眼中的「實體 AI」？

實體 AI 指的是能在真實環境中運作的系統，而不只是生成文字、圖片或程式碼。對輝達而言，這個機會涵蓋數個層次：

• 模型訓練： 資料中心 GPU 用來訓練控制機器人、自駕車及其他機器的 AI 模型。
• 虛擬模擬： 開發者可先在虛擬環境中測試機器行為，再部署到真實世界，降低成本與風險。
• 邊緣推論： 安裝在車輛與機器人內的處理器，能即時解讀感測器資料並作出決策。
• 模型與軟體： 開放模型與開發工具協助製造商建立、測試及部署實體 AI 應用。

這套組合的戰略價值在於，輝達可以參與一台機器的整個生命週期：從開發機器人時使用的運算資源，到模擬測試所需的軟體，再到成品內部負責即時運算的處理器，皆可能成為輝達的收入來源。

黃仁勳為何看好十倍成長？

黃仁勳的核心論點是，AI 正從數位世界走進工廠、車輛、倉庫及其他實體環境。製造業尤其具有吸引力，因為工作通常重複性高、容易量化且流程較為結構化，相較於開放式的消費者場景，更容易測試與擴大自動化部署。

黃仁勳曾將機器人描述為可能達到50兆美元規模的產業，並表示機器人已經迎來自己的「ChatGPT 時刻」。 這個數字描述的是製造業及相關機器人的廣泛潛在市場，不是輝達預期能取得的營收。輝達只能透過處理器、軟體、模擬及基礎設施，捕捉其中一部分價值。

因此，真正的問題並不是市場夠不夠大，而是自主機器能否從展示原型與少數工廠部署，走向可靠的商業化使用。機器人必須足夠安全、價格合理、生產力可被驗證，並能在更大規模的營運環境中維護與管理。

輝達賣的是完整技術堆疊，而不只是機器人晶片

輝達的策略，是讓自家平台在機器人離開生產線前後都持續發揮作用。

公司的 Isaac 機器人工具與模擬框架，旨在協助開發者建立機器人系統，並先在虛擬環境中測試。輝達表示，其整體平台可用於設計、訓練、測試及部署實體 AI。

輝達也在開發面向實體 AI 的 Cosmos 模型。公司將 Cosmos Transfer 與 Cosmos Predict 描述為開放式世界模型，可支援具物理基礎的合成資料生成，以及在模擬環境中評估機器人策略；Cosmos Reason 則是協助智慧機器理解並對現實世界採取行動的模型。

在硬體層面，輝達的邊緣處理器負責機器內部的 AI 運算。例如，公司的 Unitree 研究系統將 Unitree 人形機器人本體，與輝達 Jetson Thor 硬體、機器人模型及模擬軟體結合。

這套商業邏輯與輝達一貫的平台策略相似：讓工具、硬體與開發者生態系統緊密協作，使客戶從開發到部署的各個階段，都有理由持續採用輝達方案。

為何中國是這場機器人戰略的核心？

中國目前同時具備龐大的製造業基礎與人形機器人內需市場。2026年上半年，中國企業占全球人形機器人出貨量逾97%；同期全球出貨量約為19,100台，高於前一年同期的約5,100台。1

這些出貨數據顯示產業初期動能強勁，但並不能單獨證明人形機器人已經普遍獲利，或已具備取代人力的能力。中國的供應鏈、生產能力與工廠需求，仍為機器人企業從原型走向較大規模部署，提供了有利環境。

這也讓中國機器人製造商成為輝達的重要合作夥伴。輝達與 Unitree 的合作，將公司的軟體與邊緣運算平台連接至一家具代表性的中國人形機器人製造商。已公布的系統初期主要面向史丹福大學、蘇黎世聯邦理工學院等研究機構，尚不能視為消費市場大規模採用的證據。

對輝達而言，戰略目標不只是把處理器賣進某一款機器人，而是在製造商擴大生產時，建立一套共同的開發與運算架構。

H200 銷售顯示中國市場仍有邊界

輝達在中國的策略，仍受到出口管制牽制。H200 是用於高強度 AI 工作負載的資料中心加速器，包括模型訓練與推論。美國政府已允許部分銷售，但相關交易仍受到限制，並具有高度政治敏感性。

輝達表示，最近一季向中國客戶銷售了少量 H200，這些銷售占該期間資料中心營收不到1%。公司也表示，尚未完成美國出口許可所允許的全部出貨量。

報導指出，字節跳動與騰訊近期各收到約10,000顆 H200，顯示即使在管制環境下，部分需求仍能流向輝達。 但這些交易不應被解讀為中國市場恢復無限制採購。美國出口許可、中國政策、供應安排及本土替代方案，都可能改變市場機會的規模與時間表。

輝達不同產品之間的角色也必須區分。H200 等資料中心 GPU 用於訓練及運行 AI 模型；Orin 與 Thor 等處理器，則是為車輛與機器人內部的即時運算而設計。換句話說，同一客戶可能在開發階段使用輝達的資料中心基礎設施，部署機器時再採用輝達的邊緣硬體。

實體 AI 如何讓輝達降低對資料中心的依賴？

輝達目前的財務表現仍由資料中心需求主導。實體 AI 則提供一條延伸路徑，讓公司進入車用運算、工業自動化、物流、機器人、模擬軟體及邊緣推論等市場。

這項業務還可能形成自我強化的循環：

1. 更多機器部署到真實世界。
2. 機器產生營運資料，也暴露新的極端情境。
3. 更好的資料與模擬改善實體 AI 模型。
4. 更有能力的模型，讓更多自動化應用具備經濟效益。
5. 新增部署進一步推動訓練、模擬及推論硬體需求。

這正是輝達策略最吸引人的地方。如果公司成為實體 AI 的標準平台，收入來源就可能從少數超大規模資料中心，延伸到數以千計甚至數以百萬計的機器。

最大風險：出貨量不等於真正採用

目前機器人熱潮最有力的證據，是出貨量上升，以及周邊軟硬體生態系統快速擴張。但出貨量終究只是早期指標。

輝達的長期論述，取決於自主系統能否在受控環境以外可靠運作。機器人必須在工廠、倉庫、建築工地、農場、商店、道路，甚至未來的家庭中完成有用工作；同時還要符合安全要求、維持可接受的成本，並帶來足以抵銷部署與維護費用的生產力。

如果這個轉型所需時間比預期更長，黃仁勳所說的50兆美元產業，仍會是長期潛力的描述，而非近期即可變現的營收池。輝達的實體 AI 業務已有實際產品、客戶與初期收入，但要從約100億美元成長至1000億美元，關鍵仍在於實體經濟能否大規模採用自主機器。