GTC 2025 到底在講什麼？一分鐘搞懂這場大會

NVIDIA GTC（GPU Technology Conference）是每年 AI 產業最重要的技術發表會之一。GTC 2025 聚焦三大主題：AI 代理人（AI Agent）、機器人技術、加速運算的未來。老實說，每年 GTC 的資訊量都大到讓人頭痛，但你只要抓住幾個關鍵產品發布，就能掌握未來一到兩年 AI 硬體的走向。

這次大會最讓市場興奮的，是 NVIDIA 一口氣端出了現在式的 Blackwell Ultra 和未來式的 Vera Rubin 兩大架構。一個是今年下半年就要出貨的東西，一個是讓你知道「下一步還有更猛的」。

對台灣投資人來說，重點不只是技術本身，而是這些技術背後的供應鏈訂單流向誰。

Blackwell Ultra 架構效能提升多少？有哪些升級？

Blackwell Ultra 是 NVIDIA 在 GTC 2025 正式推出的新一代 GPU 架構，整體效能較前代 Blackwell 提升 1.5 倍。這不是漸進式的小升級，而是在幾個關鍵指標上都有感的跳升。

記憶體方面，HBM3e 高頻寬記憶體從原本容量擴增 50%，來到 288 GB。你可能會問：記憶體大有什麼用？簡單講，大型語言模型（像 ChatGPT 背後那種等級的模型）需要把大量參數載入記憶體才能運作，288 GB 意味著能跑更大、更精準的模型。

推理效能部分，FP4 推理加速 50%，單顆 B300 GPU 記憶體頻寬達 8 TB/s，FP4 張量核心運算能力約 15 PFLOPS；而 GB300 超級晶片（1 顆 Grace CPU + 2 顆 B300 GPU）合計則達約 30 PFLOPS（資料來源：NVIDIA GB300 NVL72 官方規格頁，2025）。

資料中心平台：兩種散熱方案各有定位

NVIDIA 這次推出兩款資料中心級平台，分別對應不同部署需求：

• GB300 NVL72（水冷式）：FP4 密集運算能力達 1.1 exaflops，適合大規模 AI 訓練場景
• HGX B300 NVL16（風冷式）：大型語言模型推理速度較 Hopper 平台快 11 倍，運算能力提升 7 倍，記憶體容量增加 4 倍，適合企業級推論部署

預計 2025 年下半年，Dell、Cisco、HPE、Lenovo、Supermicro 等硬體大廠，以及 AWS、Google Cloud、Microsoft Azure、Oracle Cloud Infrastructure 等雲端供應商都會推出搭載 Blackwell Ultra 的產品。這也是為什麼台灣代工和零組件廠商會在這個時間點密集展示方案。

Vera Rubin 架構是什麼？為什麼被稱為「明日之星」？

Vera Rubin 是 NVIDIA 在 Blackwell 之後的下一代架構，採用台積電 3 奈米製程。這名字來自美國天文學家 Vera Rubin，她以暗物質研究聞名，NVIDIA 用她的名字替下一代 GPU 命名。

幾個關鍵規格讓我自己看了也蠻驚訝的：

• Vera CPU（Olympus 核心）：NVIDIA 自研處理器，88 核心、176 執行緒，效能預計為 Grace CPU 的 2 倍，強調能源效率較傳統 CPU 架構提升一倍，整合高速 NVLink C2C 技術（資料來源：NVIDIA Vera CPU 產品頁，2025；註：NVIDIA 尚未公開 Vera CPU 具體 TDP 數值）
• Rubin GPU：FP4 精度達 50 petaFLOPS，AI 推理效能較 Blackwell Ultra 快 3.3 倍。配備 288 GB HBM4 記憶體，頻寬高達 22 TB/s（資料來源：NVIDIA Technical Blog，2025）

快 3.3 倍是什麼概念？假設你現在用 Blackwell Ultra 跑一個大型推理任務要 10 分鐘，Vera Rubin 大約 3 分鐘就能完成。對雲端服務商來說，同樣的機房空間和電力，能服務的客戶數量直接翻倍以上。

但這裡有個我覺得值得留意的點：Vera Rubin 目前還在開發階段，量產時程尚未明確公布。投資上不宜過度提前布局，但它確認了 NVIDIA 的技術路線圖，也等於告訴供應鏈「訂單會持續來」。

GTC 2025 還發布了哪些 AI 技術？

生成式 AI 工具升級

NVIDIA 發布 Llama Nemotron 開放推理模型，在數學推理、程式碼生成等任務上準確性提高 20%，推理速度提升 5 倍。另外 RTX Pro Blackwell 結合 RTX 技術與生成式 AI，讓 Runway、Sora 等 AI 創作工具的效率和成本都有改善。

Dynamo 這個工具也值得注意，它專門優化數千顆 GPU 在 AI 推理時的溝通路徑。你可以想像成一間大工廠裡，Dynamo 就是負責讓每台機器不要閒置、不要互相等待的調度員。

機器人與自動駕駛

Isaac GR00T N1 是全球首個開放且可客製化的人形機器人基礎模型。聽起來很科幻，但 NVIDIA 這次同時發布了搭配的模擬環境（Cosmos、Newton、Omniverse），讓機器人可以在虛擬世界裡先練功再到現實部署。

自動駕駛方面，NVIDIA 與通用汽車（GM）宣布戰略合作，共同開發下一代自駕車。Halos 安全系統和 Omniverse 模擬平台則提供駕駛測試的安全保障。

量子運算布局

NVIDIA 在波士頓設立加速量子研究中心，與哈佛、MIT 合作研究混合量子運算。這部分離商業化還有一段距離，但 NVIDIA 用 GPU 加速量子演算法驗證的思路，等於幫自家產品找到了另一個長期應用場景。

台灣供應鏈在 GTC 2025 有哪些廠商參展？各自扮演什麼角色？

GTC 2025 台灣廠商的參展陣容相當完整，幾乎涵蓋了 AI 伺服器從晶片到機架、從電源到散熱的每一個環節。根據作者研究整理，以下是各廠商的重點展示內容：

AI 伺服器組裝與系統整合

電源與散熱方案

IC 設計

聯發科（2454）雖然不是 GTC 展場的焦點，但在邊緣 AI 和終端 AI 領域持續布局。當 NVIDIA 把雲端和資料中心的算力推到新高度，終端裝置上的 AI 推論需求也跟著水漲船高，這是聯發科的長期機會所在。

看到這張清單，你大概能理解為什麼市場說「NVIDIA 每次開 GTC，台灣供應鏈就跟著動」。

從 GTC 2025 看台灣 AI 概念股的投資方向？

把 GTC 2025 的技術發布對應到投資邏輯，我整理出三條主要的受惠路線：

路線一：AI 伺服器組裝廠

鴻海（2317）和技嘉（2376）在這條線上最直接。Blackwell Ultra 帶動的 GB300 NVL72 機架需求，組裝和整機出貨的訂單就是他們的菜。你可以把他們想成 NVIDIA 新手機發布後的代工廠——晶片越賣越多，組裝廠的出貨量就跟著上去。

路線二：資料中心基礎建設

台達電（2308）和光寶科技（2301）屬於這條線。AI 伺服器的功耗越來越高，GB300 NVL72 單一機櫃功耗就到 33kW 等級，散熱和電源供應變成剛需中的剛需。液冷技術不再是「加分項」，而是「沒有就不能出貨」的基本門檻。

路線三：邊緣 AI 與終端晶片

聯發科（2454）走的是不同路線，不跟 NVIDIA 直接在資料中心搶市場，而是在手機、車載、IoT 裝置上做邊緣推論。當雲端 AI 模型越做越大，「如何把推論結果快速送到終端」或「讓終端自己跑小模型」的需求也同步成長。

假設你手上有 100 萬的資金想布局 AI 供應鏈，與其全押單一檔，不如考慮把資金分散在這三條路線上。組裝廠吃短期訂單爆發、電源散熱吃中期基礎建設需求、邊緣 AI 晶片則是長期趨勢。當然，這只是一種思考框架，實際操作還是要看個股的財報數字和估值水位。

我自己怎麼看 GTC 2025 對台股的影響？

講真的，每年 GTC 結束後台股 AI 族群都會有一波行情，但不是每次都能持續。我自己的觀察是，市場通常會先炒「題材想像」，等實際出貨數字出來後才會分出真正受惠和只是沾邊的公司。

這次比較不一樣的是，台灣廠商不只是展示概念品，鴻海和技嘉都已經拿出搭載 Blackwell GPU 的實機方案。這代表供應鏈的準備度比往年更高，從「未來可能接到單」進化到「東西已經做出來了，就等客戶下單」。

但我也不敢斷定短期股價一定會怎麼走。AI 相關個股的本益比普遍偏高，如果你是追高買進，回檔的壓力也不小。

比較穩健的做法是觀察 2025 下半年 Blackwell Ultra 實際出貨後，各廠商的營收數字有沒有跟上。數字說話，比任何題材都可靠。