一句話結論
黃仁勳 10 月 21 日在柏林 GTC 講了一個半小時，大半在談 AI 工廠、晶片和機器人，那是大廠的事。但其中有一段跟每家公司都有關：他說 AI 代理人要有用，就得接上公司自己的資料，而且要先把權限管好。別人蓋 AI 工廠，你先整理倉庫。台灣企業這週能做的第一件事，不是買 GPU，是挑一個流程，把它需要的資料整理成 AI 讀得懂的樣子。
NVIDIA GTC Berlin 在 10 月 20 日到 22 日舉行，黃仁勳的主題演講在 10 月 21 日，地點是柏林的 Tempodrom。我把 NVIDIA 官方 YouTube 的完整回放（1 小時 33 分）和官方部落格的現場文字直播都看過一遍。下面引用的每一句話，都對過回放的時間碼。
這篇不整理產品清單，只挑對台灣一般企業有用的三段，再講這週可以做的一件事。
先講大廠的事：AI 是一個五層蛋糕
黃仁勳把 AI 產業比喻成五層蛋糕：由下往上依序是能源、晶片（運算）、AI 工廠、模型，最上面才是應用。他在 12 分 31 秒說了一句：模型出現之前，基礎建設一定要先存在（"the infrastructure has to exist"）。
這一段是講給國家和大型企業聽的：要蓋電廠、蓋資料中心、自己做 AI。演講裡大部分的發表，像 Vera Rubin 平台已經全面量產、整櫃式的 AI 工廠設計，也都屬於這一層。
對台灣大多數公司來說，這一層不是你要煩惱的。你會用到的是最上面那一層：應用。
跟你有關的第一段：AI 代理人有五個零件，最重要的是安全
演講到 43 分鐘左右，黃仁勳把一個 AI 代理人拆成五個零件：模型、執行框架（harness）、執行框架所在的隔離環境（sandbox）、知識，以及工具。
他接著說，在談怎麼讓代理人有用之前，最重要的是確保代理人是安全的，因為它是自主運作的系統，能存取檔案、資源、網路和工具。到 48 分 36 秒，他又補了一句：每一次啟動代理人，給的權限都不一樣，所以權限、政策和監控都要動態調整。NVIDIA 這次也發表了 OpenShell 的安全參考架構，就是在處理這件事。
翻成公司裡的話：AI 代理人就像一個新來的同事。你不會第一天就把所有系統的帳號密碼都給他，AI 也一樣，要先決定它能看什麼、能動什麼。
跟你有關的第二段：公司自己的資料，才是 AI 的差異
演講到 50 分 10 秒，黃仁勳說：未來每家公司都會同時用封閉的模型，和自己客製的開放模型。理由是有些工作很通用，大模型做得很好；但有些工作裝了太多你公司獨有的知識，你會想自己持續加強。
到 51 分 55 秒，他說透過客製化，公司可以把自己的專有資料，變成「主權智慧」（sovereign intelligence）。
NVIDIA 同一天在官方部落格發表了 Agent Knowledge Foundation，是讓代理人接上企業資料的一組模型和函式庫；黃仁勳在演講 53 分 33 秒也提到，真正讓代理人變成「超級代理人」的，是讓它接觸公司的知識。官方說明裡有一個新元件叫 Auto-Ontology，用途是把公司原始資料對應到「客戶、產品、訂單」這類業務概念。
這幾件事放在一起看，訊號很清楚：AI 能幫你多少，取決於它讀不讀得懂你公司的資料。而這件事，不用等任何新晶片。
台灣企業這週能做的一件事：先整理倉庫
我在企業內訓現場最常看到的狀況，不是工具不夠，而是資料亂：同一個客戶在三份表格裡有三種寫法，報價單有五個版本不知道哪個是最新的，產品規格放在某個同事的電腦裡。這種狀態下，什麼代理人接上去都只會更快地出錯。
所以這週的建議很具體：挑一個最常重複的流程，例如回覆客戶詢價，照下面的順序做一次。
- 列出它要用的資料：這個流程要看哪些文件和表格？例如產品價目表、常見問題、過去的報價單。
- 統一名稱和欄位：同一個客戶、同一個產品只留一種寫法；表格的欄位名稱說清楚，不要只有你自己看得懂的縮寫。
- 標出誰能看：哪些資料可以給 AI 讀，哪些不行（例如個資、合約價）。這就呼應黃仁勳講的權限。
做完這一次，你就有一份「AI 讀得懂的交接本」。之後不管用 ChatGPT、Gemini、Claude，還是公司自己的系統，都能直接接上。
誠實踩煞車
- 網路上流傳的「每家公司都要有兩座工廠」這句話，我在官方回放的字幕裡找不到。可能是轉述或意譯，在對到原話之前，我不寫成黃仁勳說的。
- 演講裡多數產品沒有寫上市日期。官方部落格寫明的只有幾項，例如 Vera Rubin 平台已全面量產、Google Cloud 的 A5X 執行個體 11 月開放並計畫擴到歐洲、DGX Station 的 Windows 版 12 月推出。其他項目我不替它補日期，也不寫價格。
- 這是 NVIDIA 自己的發表會。產品效能和合作案都是 NVIDIA 自己說的，沒有第三方驗證。
- 「主權智慧」是 NVIDIA 的說法。它要賣的是讓你自己訓練模型的整套工具。對多數中小企業來說，先把資料整理好，用現成的 AI 工具接上，就已經夠用。
給不同角色的建議
- 一般上班族：把你最常被問的十個問題和答案，整理成一份乾淨的文件。這是你自己的第一本交接本。
- 主管：在團隊開始用 AI 代理人之前，先決定哪些資料可以給它讀、哪些動作一定要人確認。
- 老闆、IT：不用急著採購硬體。先盤點公司資料散在哪裡、誰在維護，這比任何一張 GPU 都先需要。
你是機長，AI 是機組人員
黃仁勳講的 AI 工廠越蓋越大。用我常講的比喻：再大的飛機，起飛前都要有一份正確的航圖。你公司的資料，就是那份航圖：整理好了，機組人員才知道要飛去哪裡。
常見問題 FAQ
Q：黃仁勳 GTC Berlin 2026 演講在哪裡看？
NVIDIA 官方 YouTube 有完整回放，片長 1 小時 33 分。官方部落格也有現場文字直播和當天發表的總整理，連結都在下面的資料來源。
Q：中小企業需要買 NVIDIA 的硬體才能用 AI 代理人嗎？
不需要。演講裡的 AI 工廠和整櫃式硬體是給大型企業和雲端業者的。一般公司用現成的 AI 服務就能開始，先把資料整理好比較重要。
Q：什麼是 Agent Knowledge Foundation？
NVIDIA 在 GTC Berlin 發表的一組模型和函式庫，用來讓 AI 代理人接上企業資料。官方說明裡包含把原始資料對應到客戶、產品、訂單等業務概念的 Auto-Ontology。
Q：「每家公司都要有兩座工廠」是黃仁勳說的嗎？
我在官方回放字幕裡找不到這句話，目前只看到二手轉述，所以沒有寫進本文。
資料來源
- NVIDIA 官方 YouTube〈NVIDIA GTC Berlin 2026 Keynote With CEO Jensen Huang〉（youtube.com，2026 年 10 月 21 日，1:33:58）：本文引用的時間碼 09:22（每家公司都會由 AI 驅動）、12:31（基礎建設要先存在）、43:20 起（代理人五個零件、安全最重要）、48:36（每次啟動權限都不同）、50:10（封閉模型與客製開放模型並用）、51:55（專有資料變成主權智慧）、53:33（讓代理人接觸公司知識，才變成超級代理人）。
- NVIDIA 官方部落格現場文字直播（blogs.nvidia.com）：演講時間與地點、五層蛋糕、Vera Rubin 全面量產、OpenShell 安全參考架構、Agent Knowledge Foundation。
- NVIDIA 官方部落格 GTC Berlin 發表總整理（blogs.nvidia.com）：Google Cloud A5X 11 月開放、DGX Station Windows 版 12 月推出。
- NVIDIA 官方部落格〈Agent Toolkit〉（blogs.nvidia.com）：Agent Knowledge Foundation、Auto-Ontology 對應客戶、產品、訂單。
查證說明（誠實揭露）：①本文只用 NVIDIA 官方來源：官方 YouTube 回放、官方部落格。②黃仁勳的話都對過官方回放的英文自動字幕與時間碼，中文是我的意譯，英文只摘短錨點。③「兩座工廠」說法在回放字幕中查無，未採用。④產品規格與上市時間以 NVIDIA 官方部落格寫法為準，沒寫日期的不補、不寫價格。⑤NVIDIA 不是我的客戶，本文跟 NVIDIA 沒有合作關係。資料核對日：2026 年 10 月 22 日。
影片版：https://youtu.be/GmriKdCgG2I
讓團隊先把資料整理成 AI 讀得懂的樣子
公司想導入 AI、安排內訓 → 企業內訓諮詢表單
想先診斷團隊從哪裡開始 → AI 顧問教練團
新工具與大會重點，我會在電子報拆給你看（大約一到兩週一封）→ startupforyou.substack.com
通勤用聽的 → Podcast《下班學AI》
這篇哪裡寫錯、看不懂或過時了？→ 寫信告訴我
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式：ai@autolab.cloud