這兩年最值得關注的，當然就是 NVIDIA GTC。
如果你有持續在關注 AI 發展，你會發現每一屆 GTC，其實都在定義下一個階段的產業方向。
但 2026 年這一屆，有一個很明顯的轉折。
如果你還停留在「AI 很強、模型很厲害」的印象，那你可能會錯過真正重要的訊號：
AI 正在從一個技術，變成一整套可以被「量產」的基礎設施。
這篇文章，我會用三個關鍵主題，帶你一次看懂這次 GTC 的核心：
- AI Factory（AI 工廠）
- Agentic AI（AI 代理）
- Physical AI（實體 AI）
一、AI Factory：AI 開始被「量產」
AI Factory 是什麼？你可以把 AI Factory 想成：
一座專門生產 AI（token / intelligence）的工廠
這也是黃仁勳這幾年一直在講的一句話：
Data Center is the new factory
為什麼這件事現在才發生？
因為 AI 已經進入下一個階段：
❌ 過去：模型競賽
- 比誰模型大
- 比誰訓練快
✅ 現在：基礎建設競賽
- 比誰能大規模運行 AI
- 比誰成本更低、效率更高
NVIDIA 在做什麼？
NVIDIA 已經不只是提供 GPU，而是提供整套 AI 工廠：
- Rubin / Blackwell（算力）
- NVLink / InfiniBand（高速網路）
- CUDA / TensorRT（軟體平台）
- AI Data Center Blueprint（建廠設計）
也就是：
不只賣你機器，而是幫你把整座工廠都設計好
這個轉變非常關鍵：
AI 的競爭單位，已經從「模型」，變成「基礎建設」。
延伸閱讀（硬體白話文）
如果你對 AI 基礎建設背後的硬體架構有興趣，可以先從這幾篇開始：
二、Agentic AI：AI 開始「幫你做事」
Agentic AI 是什麼？若要一言以蔽之：
不是只回答問題，而是幫你完成任務的 AI
從 Chatbot → Agent
❌ 過去的 AI
- 幫你寫一封 email
- 回答一個問題
✅ 現在的 AI Agent
- 讀信 → 整理 → 回覆 → 更新系統 → 安排會議
也就是 AI 從工具，變成一套可以工作的系統
為什麼這很重要？
因為 AI 的使用模式正在改變：
- 單次互動 → 多步驟流程
- 被動回應 → 主動執行
- 個人工具 → 企業系統
背後代表什麼？
這也是為什麼 NVIDIA 開始強調：
- Inference（推論能力）
- Agent 系統
- 安全與權限控管
因為：
AI 已經開始進入企業的核心流程
而我個人的看法是，如果 AI Factory 解的是「怎麼生產 AI」，那 Agentic AI 解的就是：
AI 要拿來做什麼。
巫師補充（PM 視角）
很多人會問：「PM 到底在做什麼？」
其實像這種跨系統、跨流程的整合問題，就是產品經理每天在處理的事。
如果你對這塊有興趣，可以延伸看：
三、Physical AI：AI 開始走進真實世界
Physical AI 是什麼？簡單來說就是：
讓 AI 能夠感知、理解並影響現實世界
應用有哪些？
- 機器人
- 自駕車
- 工業自動化
- 智慧製造
為什麼這很難？
因為現實世界充滿不確定性：
- 環境變數
- 光線變化
- 動態場景
- 安全風險
所以 NVIDIA 推：
- Omniverse（模擬環境）
- Digital Twin（數位孿生）
- Synthetic Data（合成資料）
它的核心概念就是：
先在虛擬世界訓練，再到現實部署
結語：這三件事，其實是一件事
如果把這三個主題串起來：
AI Factory
👉 解決「怎麼生產 AI」
Agentic AI
👉 解決「AI 做什麼」
Physical AI
👉 解決「AI 怎麼影響世界」
三者合在一起就是：
AI 從技術 → 系統 → 基礎建設的完整轉變
巫師的科技觀點
當 AI 從模型變成工廠，從工具變成代理，從軟體走進現實世界，我們正在經歷的，不只是技術升級，而是產業重構。
而在這個過程中，每一個產品經理、工程師，甚至每一間公司，都需要重新思考一件事：
你的產品，在這個 AI 系統裡，扮演的是什麼角色？
如果你喜歡這種「把複雜技術講到你真的懂」的內容：
📘 可以參考我整理的《硬體 PM 入門指南》
📩 或訂閱電子報，每週我會分享產業觀察與實戰經驗
