▲輝達執行長黃仁勳。（圖／翻攝輝達官方YT）

記者張靖榕／綜合報導

2026年輝達（NVIDIA）GTC大會登場，輝達執行長黃仁勳指出，未來人工智慧（AI）發展的關鍵，在於把「結構化數據（Structured Data）」與生成式AI結合。他表示，若能將3D圖形、結構化資料與生成式AI整合，AI不僅能生成逼真的內容，同時也能維持高度可控性。黃仁勳多次強調，這種結合方式將成為未來AI應用的重要架構。

企業AI的基礎：結構化資料與資料框架

黃仁勳表示，結構化數據可被視為企業運算的「真實基準」（ground truth），也是建立可靠AI系統不可或缺的基礎。目前企業使用的SQL、Spark與Pandas等平台，多以「數據框」（Data Frames）形式管理大量結構化資料。這些資料就像大型電子表格，記錄企業營運中的關鍵資訊。隨著AI技術逐漸導入企業營運，未來代理式AI（Agentic AI）將能直接使用這些資料庫進行分析與決策，因此加速資料處理能力將成為企業AI基礎建設的重要基礎設施。

90％非結構化資料成為AI新戰場

黃仁勳同時指出，非結構化資料在AI時代的重要性也日益提升。全球每年新增資訊中，約有90％屬於非結構化資料，例如PDF文件、影片、語音與圖片等。過去這些資料因缺乏有效索引方式而難以分析與搜尋，但透過多模態AI技術，現在可以讓AI讀取並理解內容，再轉換成可搜尋的語意向量（embedding），建立向量資料庫（Vector Database），使企業能夠有效處理與分析大量非結構化資訊。

cuDF與cuVS加速AI資料處理

為提升AI資料運算效率，輝達推出兩項核心函式庫：cuDF與cuVS。cuDF主要負責加速結構化資料運算，而cuVS則專注於向量資料庫與語意搜尋。黃仁勳表示，這兩項技術將成為AI資料處理的重要基礎平台，目前也正逐步整合到全球主要資料平台與企業系統中。

CUDA-X生態系推動加速運算

輝達在大會上也展示其加速運算架構。黃仁勳指出，公司正以統一架構推動「加速運算」（Accelerated Computing），目前已建立超過1000個CUDA-X函式庫，讓開發者能在不同產業領域快速開發應用。這些函式庫涵蓋多項用途，例如cuOpt用於決策最佳化、cuLitho用於計算光學微影、cuDSS處理稀疏矩陣求解、cuEquivariants支援幾何感知神經網路，Warp則可進行可微分物理模擬。除此之外，Parabricks應用於基因體分析，Aerial平台則針對AI無線電存取網路（AI RAN）。

與IBM合作提升資料處理效率

在GTC大會期間，輝達也宣布與國際商業機器公司（IBM）合作，利用GPU運算函式庫加速IBM的Watsonx.data SQL引擎。IBM指出，資料處理是AI理解世界的重要基礎，但傳統CPU架構在處理龐大資料量時，效能逐漸出現瓶頸。

▲輝達GTC大會。（圖／翻攝輝達官方YT）

企業案例：雀巢供應鏈速度提升5倍

以雀巢公司（Nestlé）為例，其全球供應鏈每天需處理來自185個國家的訂單與物流資料。透過NVIDIA GPU加速的Watsonx.data平台，相關工作負載的處理速度可提升約5倍，同時將運算成本降低約83％。

摩爾定律趨極限：運算突破靠演算法

黃仁勳指出，半導體產業過去長期依賴摩爾定律提升運算效能，但隨著晶片微縮逐漸接近物理極限，單靠製程技術進步已難以持續降低運算成本。未來提升運算能力，將更多依賴加速運算架構與演算法優化。

NVIDIA定位：不只是晶片公司

他強調，NVIDIA的定位不僅是晶片製造商，同時也是演算法公司。透過持續優化演算法與函式庫，再加上龐大的GPU安裝基礎，能持續降低AI運算成本並提升效率。

CUDA函式庫成AI產業「皇冠上的明珠」

黃仁勳表示，輝達競爭力的重要核心在於CUDA-X函式庫生態系，其中cuDNN（CUDA Deep Neural Network）被視為推動現代深度學習發展的重要技術之一。他指出，這些函式庫是NVIDIA「皇冠上的明珠」，也是推動AI產業快速發展的基礎。透過持續推出新的AI模型與函式庫，輝達希望加速AI在金融、醫療、製造、電信與機器人等領域落地，進一步推動全球AI生態系發展。