NVIDIA RTX Spark下一盤甚麼棋? 黃仁勳恐劍指蘋果與Google 智慧應用 影音
236
緯育
宇瞻

NVIDIA RTX Spark下一盤甚麼棋? 黃仁勳恐劍指蘋果與Google

  • avatar
    陳玉娟台北

Play Icon AI語音摘要 00:55

從RTX Spark角度來看,黃仁勳在意的對手,恐怕不是高通,而是蘋果,甚至Google。李建樑攝
從RTX Spark角度來看,黃仁勳在意的對手,恐怕不是高通,而是蘋果,甚至Google。李建樑攝

NVIDIA執行長黃仁勳於NVIDIA GTC Taipei發表與聯發科合作的「RTX Spark」,PC品牌廠預計2026年第3季推出相關產品,外界普遍視為是NVIDIA繼15年前黯然退場後,再次跨入Windows on Arm(WOA)市場的里程碑,也認為將對高通(Qualcomm)形成直接挑戰。

然而,供應鏈人士指出,從NVIDIA近年AI戰略觀察,RTX Spark的意義不只是一款AI PC產品,競爭對手更包括蘋果(Apple)與Google,甚至還有第三大陣營:中國業者。

從短期競爭來看,RTX Spark瞄準的是目前在地端AI開發市場佔據優勢的蘋果,中長期角度來看,黃仁勳想爭奪的則是AI時代的終端入口,並對抗Google逐步建立的一條龍生態系。

業者分析,市場誤解並把RTX Spark視為NVIDIA版Windows NB,並以傳統PC競爭角度解讀,然由黃仁勳此行多次說明內容來看,核心並非NB本身,而是AI代理(AI Agent)。

NVIDIA正重新定義終端設備。過去40年PC產業圍繞作業系統與應用程式發展,未來則轉向以大型語言模型(LLM)與AI代理為核心的新型態運算架構。RTX Spark想搶佔的並非單純PC市佔率,而是AI時代的使用者入口。

此背景下,另一問題就是,既然NVIDIA已擁有Grace CPU及最新Vera CPU等,為何仍需聯發科協助?

供應鏈人士指出,外界將資料中心CPU與消費性CPU視為同件事,但兩者是完全不同的技術領域。

NVIDIA過去30多年來建立的核心競爭力,都圍繞資料中心與高效運算(HPC)發展。然而消費性平台涉及的技術範圍,遠超過CPU核心本身,還包括低功耗設計、通訊模組、ISP、多媒體引擎、記憶體控制器、Windows最佳化以及SoC整合能力等。

聯發科過去20多年持續深耕智慧手機與行動運算市場,每年出貨數億顆SoC,在CPU、GPU、NPU、5G通訊、ISP以及電源管理領域累積大量技術與IP。反觀NVIDIA雖曾透過Tegra進軍行動市場,但最終未能建立規模經濟。

此外,很多人只看到當年NVIDIA的Tegra在NB、手機與SHIELD Portable的失敗,其實後續人才流失更嚴重。業者透露,過去參與Tegra與相關CPU、SoC開發的人才,有不少流向Google、Tesla等。

即使未來NVIDIA持續強化CPU布局,也不太可能完全捨棄聯發科,雙方合作是成本最低、效率最高的選擇,NVIDIA也不再需要再籌組龐大CPU研發人力。

市場普遍認為RTX Spark將與高通Snapdragon X Elite正面交鋒,供應鏈人士則認為兩者實際上並不處於「同一競爭層級。」

高通近年推動WoA平台,核心策略仍是將手機成功經驗帶進PC市場,強調低功耗、高續航與永遠連接(Always Connected)體驗,本質上仍是傳統PC延伸。相較之下,NVIDIA更在意AI代理時代的終端平台定位。

「高通做的是Windows PC,黃仁勳做的是Agent Computer。」

供應鏈業者指出,未來裝置價值不再只是硬體規格,而是背後連結的模型、生態系與運算平台。也因此,從目前市況來看,RTX Spark直接的競爭對手其實是蘋果。

在所有終端設備中,MacBook Pro與Mac mini等逐漸成為地端AI開發者偏好的平台。此外,由於AI助理需要讀取大量工作資料與個人資訊,不少企業與開發者也更偏好macOS較為封閉且權限控管嚴格的環境。

不過,部分業者也認為,蘋果最大的優勢同時也是限制。蘋果擁有優秀的硬體架構與產品設計能力,但缺乏完整AI軟體生態系。相較之下,NVIDIA最大的武器不是RTX Spark本身,而是CUDA。

目前全球主流AI框架,包括PyTorch、TensorFlow以及各種推論引擎與開發工具,大多圍繞CUDA進行最佳化。過去CUDA主要存在於資料中心與工作站市場,如今透過RTX Spark延伸至終端設備,意味著NVIDIA首次將完整AI生態系從雲端帶到個人電腦。

黃仁勳與NVIDIA更警戒的是Google。

近期Gemini 3 Pro能力大幅提升,市場對Google AI競爭力評價拉升,Google最大的優勢不只有Gemini,而是投入研發多年的TPU。

Google目前同時掌握TPU、Gemini、Android、Chrome與Workspace等核心資源,並擁有全球最大規模資料中心之一。與NVIDIA透過GPU及InfiniBand平台建立AI基礎設施不同,Google採用TPU Pods、ICI互連架構與Ring Attention技術,建立另一套AI運算平台。

也因為AI大咖們都希望能以「系統平台」公司的角度推進,可預期的是,全球AI產業逐漸形成三大陣營。

第一是以CUDA GPU為核心的NVIDIA體系;第二是以TPU、Gemini與ICI互連架構為核心的Google體系;第三則是以DeepSeek、華為昇騰、寒武紀、龍芯及海光等為代表的中國自主體系。

 
責任編輯:何致中