"It all starts here"

免責聲明
本文章僅為產業教育及市場結構分析，並不構成任何投資建議、招攬、誘使或推薦任何人買入、賣出或持有任何證券。文中提及公司及股票代號，只作 AI 產業鏈位置示例。

---

NVIDIA 在最近的 GTC 2026 大會上，以「It all starts here」作為核心主題。執行長 Jensen Huang 想傳遞的重點，不只是新產品發布，而是一個更大的產業判斷：人工智慧（AI）的擴張，正逐步從模型與聊天機器人，走向更完整的工業級基礎設施。

如果把這場大會當成一份產業地圖來看，它的價值不在於煽動情緒，而在於幫市場理解：AI 並不是單一產品，而是一條由能源、晶片、資料中心、模型到應用層層堆疊而成的價值鏈。

Jensen Huang 多次強調，目前大眾最熟悉的生成式 AI，只是這場變化的前段。未來更值得觀察的，是 AI 如何進入實體世界，例如自動駕駛、人形機器人、智慧工廠、醫療系統與企業代理流程。這些被稱為「Physical AI」或「Agentic AI」的場景，對能源、運算、網路和軟體整合的要求都遠高於今天。

為什麼市場不應只把它看成短期題材？

Huang 用一個很直觀的比喻來說明：AI 像一座「五層蛋糕」。它不是單一模型，也不是單一應用，而是一套互相依賴的工業系統。上層的應用若要爆發，下層的基礎建設就必須先完成。

這個框架的教育價值在於，它幫助讀者從「講故事」轉向「拆結構」。以下是五層的簡化理解方式：

1. 能源層（Energy）
   AI 運算極度耗電。大型資料中心的用電需求，已開始逼近傳統工業級設施。若沒有穩定電力供應，再多 GPU 也無法長時間運轉。
   常被市場拿來觀察的例子包括：Constellation Energy（CEG）、Vistra（VST）、NextEra Energy（NEE）。

2. 晶片與運算基礎設施層（Chips & Computing Infrastructure）
   這是 AI 的核心運算層，像工業革命時代的蒸汽機。
   代表性公司包括：NVIDIA（NVDA）、AMD（AMD）。

3. 基礎設施層（Infrastructure）
   把晶片變成可部署系統，涉及伺服器、冷卻、網路、供電與資料中心設計。
   市場常關注的例子包括：Super Micro Computer（SMCI）、Arista Networks（ANET）、Vertiv（VRT）。

4. 模型層（Models）
   這一層是 AI 的「大腦」，但模型表現最終仍取決於下層運算與資料基礎。
   代表性觀察對象包括：Microsoft（MSFT）、Google（GOOGL）。

5. 應用層（Applications）
   這是最終把 AI 變成商業價值與流程效率的地方。
   常被市場討論的例子包括：Tesla（TSLA）、Palantir（PLTR），以及其他垂直應用公司。

這五層框架，真正幫我們理解什麼？

這五層並不是用來告訴讀者「要選哪一隻股票」，而是用來理解 AI 擴張為何不只是軟體題材。應用層的需求增加，會反過來推動模型訓練、運算需求、資料中心建設與能源消耗；而能源與基建的限制，又會反過來制約上層成長速度。

因此，這個框架至少能幫助讀者回答三個問題：

• AI 成長的瓶頸現在卡在哪一層？
• 哪些公司的業績，能反映這條產業鏈的真實溫度？
• 當市場只熱炒上層應用時，是否忽略了下層基建的限制與機會？

從 GTC 2026 可以讀到的核心訊號

若把 GTC 2026 的內容抽離宣傳語言，市場其實主要收到幾個訊號：

• AI 正從單點模型競爭，轉向整體系統競爭
• 運算、網路、記憶體、電力與散熱的重要性同步上升
• Physical AI / Agentic AI 對基礎設施要求更高，代表建設周期可能更長
• NVIDIA 希望把自己定位成整條 AI 工業鏈的核心協調者，而不只是 GPU 供應商

這些訊號未必保證任何單一公司一定受益，但它們能幫助研究者更清楚地看見：AI 的下一階段，可能不只是「模型更強」，而是「系統更完整」。

結語：把 GTC 當成產業地圖，而不是行動口號

對於研究美股與 AI 產業鏈的人來說，GTC 2026 更值得被當成一張產業地圖，而不是一句刺激情緒的口號。NVIDIA 想表達的是：AI 已經從一個軟體故事，變成一場需要能源、晶片、資料中心、模型與應用同時配合的工業工程。

所以，這篇文章真正想保留的重點不是任何即時資本動作，而是：如果你要理解 AI 這條價值鏈，就不能只盯住最上層應用，而要把整個五層結構一起看。