跳至主要內容

六月的第一天,我去聽NVIDIA執行長演講

因為種種原因,今年6月1日開始,我從原單位全職轉為兼任員工,放下長期擔任的全職工作。就在做出這個決定後不久,NVIDIA GTC 大會的通知跟著到來,我候補到黃仁勳執行長 Keynote 演講的入場名額。

計程車上的台灣故事

六月的第一天早上雖然是個不太熱的陰天,我在咖啡店外攔到計程車,表示要前往台北流行音樂中心,司機大哥很敏感的說:「要去聽黃執行長演講啊?那裡排好多人。可以去買紀念品哦!」基於十多年的工作經驗,辦會、與會,我只留對我有意義會議的Badge,其他都是身外物,然而這位司機大哥的熱情稍微感染了我。

熱情的司機大哥一路上不停講述家裡親人在相關供應鏈工作的忙碌,每天都當空中飛人,落地沒多久就又要到另一個國家的工廠監督。台灣的電子製造業供應鏈養活許多家庭,這是很棒的一件事,這些家庭又帶動其他消費需求,帶動創造經濟效益。

人潮與恐慌

當我下車看到會場的人山人海時,倒抽一口氣。

因為疫情前的密集出差經驗,我得了機場恐懼症,只要看到人群、機場相關場景或班機表,全身就開始冒冷汗。平常去送機接機,或路過北門站,都要努力克制自己的恐慌。人多的場合也會觸發類似反應。

好在現場的流程管控得當,幾千人入場,一切準時開始。排隊時偶爾有人因為天氣悶熱不耐等候而抱怨,但多數人都能控制自己,沒有不愉快的事發生。每位與會者除通行證外,還收到一個漫畫版黃執行長擁抱龍蝦的小吊飾(代表NVIDIA 的 NemoClaw),是當天與會的小紀念品。

帳篷裡的 AI 人才問題

在會場外的帳篷裡,還有幾場專家訪談直播,與會者一邊排隊等候,一邊可以聽訪談。其中一場的主持人問:「我們還需要什麼樣的AI人才?或我們還需要再訓練AI人才嗎?」

這個問題讓我想起多年前「數位經濟」這四個字很熱門時,同樣的問題,只是把「數位經濟」換成「AI」,所以我只是靜靜的繼續排隊。

就像種植蔬果,不管專家怎麼呼籲,市場往往還是一窩蜂種高麗菜,搶著賺高麗菜的利潤,結果菜價崩盤。人才培育也有類似的慣性,大家一窩蜂往電子或相關領域擠,真正重要的人文領域反而乏人問津,最後又要政府砸幾千億去呼籲、鼓勵產出「內容」。

與 Windows 重逢,心情複雜

領到通行證,進入會場後,一般與會者只能遠距離觀看,所以如果沒有要再去看 Computex或是參與NVIDIA GTC其他活動的話,看轉播或是之後再看錄影就可以,而且會更清楚。

一如以往,黃執行長穿著皮衣走入舞台中央,介紹各種用於不同企業規模的產品,最後讓我產生共鳴的,是台上的大螢幕出現藍天綠地的Windows畫面,那個陪著我從BBS時代長大的Windows 系統。

前一天晚上滑 X(Twitter),NVIDIA 官方帳號不斷預告隔天是「New PC 的開始」。對於後來已改用 MacBook Air 的我來說,實在很難想像回去用 Windows 筆電的情境。台上,黃執行長正式發表 RTX Spark,這是一款基於 ARM 架構的全新 Windows 裝置,搭載 NVIDIA 與 MediaTek 共同開發的 Grace CPU,以及 Blackwell GPU,最高 128GB 記憶體,AI 運算效能達到 1 petaflop。產品線涵蓋 RTX Spark 筆電、RTX Spark 桌機,以及開發者使用的 DGX Station for Windows。黃執行長強調:電話不只有通話功能,PC 也不只是 PC 的功能,可以是家用助理,現場也提到沙盒(Sandbox)機制,讓 AI 在安全環境下執行。

我心裡五味雜陳,反覆在想:為什麼是 Windows?為什麼不是 Linux?為什麼不是其他平台?

Windows 系統積累多年的詬病眾所周知:龐大耗資源、三不五時的藍白當機畫面、要不斷清理垃圾、更新防毒碼。但 macOS 又是一個封閉系統。

回看電腦軟體的發展史,Microsoft 的系統在整個過程中,的確讓更多人輕易接觸電腦。MS Wintel 的年代,幾乎每個人都用得起電腦和軟體(不一定是正版),讓電腦應用真正普及。那個年代,Apple 的軟硬體定價策略根本不適合一般受薪家庭買給孩子使用。

後來仔細想想,這個問題其實在發布內容裡就有了答案。DGX Station for Windows 的定位就是「給不在 Linux 生態圈工作的開發者」,換句話說,NVIDIA 的 Linux 產品線本來就在,Windows 是為了觸及另一個使用族群。選擇 Windows,是市場擴張的邏輯,而不是放棄 Linux。

降低門檻,讓每個人都能使用AI

所以當黃執行長攜手MS開發新的PC,對非開發者的我來說,就是要降低使用人工智慧(AI)的門檻,讓每個人都能用AI。

新系列的價位尚不明朗,但方向值得期待。或許未來不只是智慧音箱站在廚房,而是這樣的電腦成為智慧家庭的控制中樞。使用者與裝置的互動方式趨向直覺,不必先花時間學習按鍵操作,就能把注意力放在用 AI 開發更好的工具、應用程式,甚至處理日常生活大小事。

安全設計,已成為基本配備

這些新裝置必然聯網,同時也要顧及安全性,因此沙盒(Sandbox)機制讓 AI 在受限環境下執行,成為重要的設計選擇。

網路安全向來是大家關注的議題。過去在網路治理會議中一再倡議的「Security and Privacy by Design」,如今逐漸落實在每一個產品決策裡,從概念走向實踐。

我們在這場 AI 轉型裡站在哪裡?

黃執行長一個人把所有產品介紹完畢,從 AI 工廠到家用與個人設備,再到自動駕駛系統,最後用機器人在台北街頭穿梭的動畫與動人音樂收尾,濃縮整場演講的重點。

計程車司機大哥的家人在供應鏈各地奔波,讓整個 AI 基礎設施得以運轉。黃執行長站在台北的發布會舞台上,宣示新時代的到來。台下的每一個人,不管是工程師、主管,還是像我一樣的旁觀者,各自帶著不同的理由出現在那個場合。而我,剛剛放下全職工作,還在思考下一步該往哪裡走。

這正是 RTX Spark 對我悄悄提出的問題:當 AI 真正變得容易使用,不再只是工程師和大型企業的工具,而是內建在每個人桌上的裝置時,你打算用它做什麼?瓶頸不再是技術本身,而是每個人自己的判斷力、好奇心、對什麼值得投入的直覺。

帳篷裡那個 AI 人才問題,它的真正答案或許不在人才市場的供需分析裡,而在每個人當門檻消失之後,選擇去做什麼,以及是否有足夠的人文底蘊、在地知識和說故事的能力,去創造真正有意義的東西。

當我離開會場時,室外的溫度已經回到夏天的高溫。我隨著人潮,在炙熱的午後陽光下,一邊走向捷運站,一邊思考自己的下一步應該走向何方。

留言

此網誌的熱門文章

哪個應用、服務、平台可以代表台灣?

大概 2003、 2004 年,我還是個大學生,那個時候「電子商務」是一門選修課,那個時候台灣還在所謂的電子商務泡沫化中復甦,很多熱極一時的「電子商務」就像今天大家看到的 FTX 事件一樣,一點都不真實,很多執行長、總裁瞬間就失業了,也有很多投資人的錢拿不回來。 看過歷史上的鴻源事件、經歷過電子商務的虛無飄渺時期,再看到 FTX,其實也不會太驚訝。通常泡沫消散後,未來才會到來。 回到大學課堂,穿著輕便但言語犀利的老師談到當時的 Amazon 網路書店,他問大家對 Amazon網路書店的看法,那時的Amazon一直被看壞,所有的媒體都不看好它。甚至會有各種市場傳言,覺得 Amazon會被賣給哪家公司或哪家公司、網路書店會主動併購它。 最後老師說,不會,Amazon書店不會那麼輕易就垮掉,它有其代表的意義。 這個答案給了我很深的印象,我常會問自己,台灣有哪個服務會具有這樣的意義? 偶爾我會問身邊的朋友、同事,對於台灣的哪個服務,會覺得有不能輕易垮掉、要支持它的?我列一下自己所接觸過的,這個世代的應用: 通訊服務:ICQ、MSN Messenger、LINE、Cubie Messenger(台灣,已無服務)、Google Talk、WhatsApp、Telegram、Skype、Signal,還有一些台灣可能較少聽到。 社群平台:Twitter、Facebook、LinkedIn、無名小站(已停止服務,它雖然是Blog,但比較像社群)、Plurk、PTT、Dcard、Instagram、AKASHA、Pinterest Blog平台或架站:Blogger、Wordpress、Drupal 共享書籤 : HemiDemi(已沒有提供書籤服務)、美味書籤delicious 叫車服務:UBER、55688 、呼叫小黄、LINE Taxi、yoxi  當然還有很多是我沒接觸過的,請原諒我的見識不夠廣泛,忽略了哪一個平台、應用或服務。一時想到的大概就這些。有一些服務已經消失或在被併購後就消失了,我也忘了名稱,至於 TikTok 和小紅書,是我不想碰觸的應用服務。 在韓國有 Kakao,日本有 LINE、PayPay,東南亞國家有Grab,中國有自己的網路應用,那台灣呢?之前 KaKao 中斷服務,造成民生應用的線上服務也幾乎中斷,過度集中依賴在一個服務上的確是一個缺點。在和...

不是公司設在哪裡,是公司的服務對象是誰:臺灣中小企業的跨境法遵現實

歐洲資料保護委員會(EDPB)在2026年2月發布的刪除權調查報告,給我一個很難忽視的數字:他們聯合調查了將近8,000家企業,回應率不足一成。 這個數字不只是個資法遵落差的指標,它更像是一個訊號:當監管機關開始大規模橫向調查,沒有回應不代表豁免,代表的是還沒輪到你。 更讓我在意的,是這場調查背後的制度性涵義。EDPB首次明確將備份系統納入刪除義務範圍,這意味著企業不能再把「刪除」當成一個資料庫指令的問題,而必須把它理解成一個系統架構問題。這一步看起來是資料保護法的問題,但它實際上開始觸碰AI系統設計的核心:一個以個人資料訓練的模型,要怎麼「刪除」某一筆資料的影響? 這正是我想在這篇文章討論的事:三個原本分開運作的監管領域——競爭法、資料保護、人工智慧監管——在近年間,已經開始彼此滲透,形成臺灣中小企業難以用過去的法遵邏輯應對的複合壓力。 競爭法:從行為合謀到架構審查 全球反壟斷執法在過去一年發生了一個根本性的轉變,而它的影響遠比多數企業意識到的更廣。 過去的競爭法問題大多有一個清楚的前提:企業之間是否彼此溝通、達成協議。現在這個前提正在鬆動。美國加州的反壟斷法在2026年1月修訂後,正式將「競爭對手共同使用同一定價演算法」納入審查範圍,即使業者之間沒有任何直接溝通,只要共享了同一套系統的輸出結果,就可能被認定為形成協同定價的制度環境。 這個轉變的理論基礎來自稍早的RealPage租金案:多家房東將非公開的即時租金資訊提交給同一平臺,平臺以演算法生成建議租金。法院的判斷是,不需要租東彼此達成共識,這個「共同使用同一個資訊中介」的架構本身,已經可能構成協同定價的條件。 紐約州對Instacart演算法定價機制的調查,和歐盟對Google AI內容抓取的反壟斷調查,都在同一個方向上進一步延伸。歐盟這個案子格外值得注意:Google被指控在未取得授權的情況下,以爬取網路出版商內容的方式訓練AI模型並生成搜尋摘要。這是競爭法第一次正面觸及AI訓練資料取得的合法性問題——從反壟斷法的角度,不是從著作權法。 對臺灣企業的直接影響在這裡:如果你的公司使用第三方定價工具、需求預測平臺或市場分析服務,你需要知道這些服務是否同時服務你的競爭對手,以及這些系統是如何處理競爭敏感資訊的。這不再是IT部門的採購決策,而是一個具有競爭法風險的經營選擇。 歐盟《數位市場法》(DMA)和英國《數位...