NVIDIA 橫掃 COMPUTEX 2026：四項 Best Choice Award 背後的三大 AI 技術

這樣的性能提升讓更多 AI 任務可以直接在裝置上執行，而不必依賴雲端伺服器。

「實體 AI（Physical AI）」的重要平台

Jetson Thor 特別針對所謂的 Physical AI 應用，也就是能在真實世界行動與互動的智慧機器。

例如：

• 機器人同時處理相機與 LiDAR 等多感測器資料
• 即時執行視覺‑語言模型（VLM）與推理模型
• 在本地端完成決策與動作控制

對機器人開發者來說，這代表機器可以 更快感知環境、規劃動作並做出反應，同時減少網路延遲與雲端成本。

Vera Rubin NVL72：AI 工廠的核心運算架構

如果 Jetson Thor 是 AI 的「邊緣端」，那 Vera Rubin NVL72 就是 AI 計算的另一端：大型資料中心與 AI 工廠。

這套系統是一台 機架級 AI 超級電腦，整合：

• 36 顆 NVIDIA Vera CPU
• 72 顆 Rubin GPU

並透過 第六代 NVLink 高速互連，使 72 顆 GPU 能像單一大型加速器般協同運作。

這樣的架構專門用來處理未來 AI 工作負載，例如：

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

效能與效率的大幅提升

相較於前一代 Blackwell 平台，NVIDIA 表示 Vera Rubin NVL72 能帶來：

• 最高 10 倍每瓦推論效能
• 推論 token 成本降低 10 倍
• 訓練大型模型只需約四分之一 GPU 數量

這些提升來自於深度系統整合。平台將多種晶片與網路元件共同設計，包括：

• Rubin GPU
• Vera CPU
• NVLink 6 Switch
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum 網路交換器

整個機架被設計為 單一 AI 系統運作單位，而不只是把 GPU 堆在一起。

為何獲得「永續科技」特別獎

Vera Rubin NVL72 的資料中心設計也是評審看重的一點。

其機架採用：

• 無纜線模組化托盤設計
• 100% 液冷架構
• 更快的組裝與部署流程

例如計算托盤的組裝時間可從 兩小時縮短到約五分鐘，同時提升能源效率與資料中心運作穩定性。

這也顯示 AI 競賽正在進入新的階段：不是只比 GPU，而是比整個 AI 基礎設施。

Alpamayo：讓自動駕駛 AI 具備推理能力

第三項獲獎技術 Alpamayo，專注於自動駕駛 AI。

這是一套 開放式自動駕駛開發平台與模型家族，目標是讓車輛 AI 不只是「看見」道路，而是能 理解與推理交通情境。

Alpamayo 採用 視覺‑語言‑動作（Vision‑Language‑Action, VLA）模型。

以 Alpamayo 1 為例，模型可從影片輸入中生成：

• 駕駛軌跡（方向、加速、煞車）
• 推理過程與決策說明

這意味著系統不僅能做出決策，也能解釋 「為什麼這樣做」。

在自動駕駛安全測試中，這種可解釋性非常重要，因為工程師需要分析 AI 在複雜或罕見交通情境中的決策邏輯。

結合真實與模擬數據訓練

Alpamayo 的訓練流程結合多種資料來源：

• 真實世界駕駛示範
• 模擬產生的大量合成資料
• 精細標註的駕駛案例

透過模擬環境，AI 可以接觸到大量 極端或罕見的道路情境，例如突發事故或特殊天氣條件，這些情況在真實道路測試中很難大量收集。

NVIDIA 的 AI 全堆疊策略

從 COMPUTEX 2026 的三項獲獎技術可以看出 NVIDIA 的整體布局：

• Jetson Thor：讓機器人與裝置具備本地 AI 推理能力
• Vera Rubin NVL72：打造 AI 工廠級運算基礎設施
• Alpamayo：將推理型 AI 應用到自動駕駛

這些技術形成一個完整的 AI 生態：

• 大型模型在 AI 工廠與資料中心 訓練
• 模型在 雲端與推論平台 部署
• AI 最終在 機器人、車輛與智慧設備 上即時運作

這種跨越 晶片、機架、資料中心與智慧代理（agents） 的整體架構，也正是 NVIDIA 在 COMPUTEX 2026 成為最大贏家的原因之一。