〈COMPUTEX〉黄仁勋揭Agent AI新时代：PC不再是工具 将成个人智慧助理
辉达 (NVDA-US) 执行长黄仁勋今 (2) 日表示，AI 正从云端训练与推论，迈向 Agent AI 时代。他强调，未来 AI 不只是在资料中心运行，也会进入个人电脑、自驾车、机器人、基地台、卫星与各式边缘装置，而 PC 作为全球最大规模的边缘装置，正迎来 40 年来最重要的一次重新发明。
黄仁勋指出，Agent AI 的核心在于 AI 不再只是被动回应指令，而是能理解情境、判断意图、进行推理、使用工具、存取记忆并完成任务。他形容，未来的 AI 系统会像数位机器人一样，具备感知、理解、推理与行动能力；这套运算模式不只适用于云端，也将部署到各种终端设备上。
在这样的趋势下，黄仁勋认为，PC 必须从传统工具转型为 Agentic Computer。他表示，今天的电脑只是坐在桌上等待使用者操作，但未来的电脑会主动与使用者互动，甚至透过 WhatsApp 等通讯软体持续与使用者对话、协助完成工作。每个人的 Agent 可能都有自己的名字，能够被呼叫、回覆讯息，甚至主动提醒或协助使用者。
黄仁勋形容，未来的个人电脑会像使用者的R2-D2，不再只是执行软体的工具，而是能陪伴使用者、理解需求、主动完成任务的智慧助理，PC 是全球最大的边缘装置，过去 40 年已深刻改变人类工作与生活；如今在 Agent AI 时代，PC 有机会再次被重新定义。
为了支撑这个愿景，辉达推出 RTX Spark，并与微软 (MSFT-US) 及联发科 (2454-TW) 共同打造新一代 AI PC 架构。RTX Spark 是一种全新的 Agent 电脑，也是辉达与联发科合作近两年的成果，开发代号为 N1X。该产品採用统一记忆体架构，整合 CPU、GPU、Tensor Core 与高速晶片互连，并具备 Windows、CUDA、Tensor Core 及专业应用程式相容性。
黄仁勋指出，Agent AI 对电脑架构提出全新要求。未来 Agent 若要在本地端运行，电脑必须能有效处理大量参数，因为参数就是 AI 的大脑大小；同时也要具备安全沙盒，让 Agent 在受保护的环境中运作，避免任意存取使用者整台 PC 或网路资源。
他进一步说明，Agent 与人类不同，人类可以等待软体慢慢执行，但 Agent 是没有耐心的。若 Agent 要操作 Adobe、Premiere、AutoCAD、Blender 等应用程式，这些软体都必须被加速，不能让 Agent 等待。因此，未来 PC 不只需要 CPU，也需要 GPU、Tensor Core、统一记忆体与完整加速运算能力。
黄仁勋也强调，Agent AI 并不会取代既有软体，而是会使用更多软体工具。他以机器人加热水作为比喻，使用者应该不会希望机器人的手变成微波炉，而是希望机器人阅读微波炉说明书后，操作既有微波炉。同样地，未来 Agent 不会取代 Excel、SQL、浏览器、创作工具或作业系统，而是会透过这些工具完成任务。
这也让黄仁勋持续看好软体产业。他表示，外界担心 Agent 会冲击 SaaS 或应用软体，是错误理解；未来将会有更多 Agent 使用更多工具，反而可能带动软体使用量与需求上升。换言之，Agent AI 将成为软体产业的新需求放大器。
除了 PC，黄仁勋也将 Agent AI 延伸到更广泛的边缘与实体世界。他指出，自驾车、人形机器人、基地台、卫星、工程机具甚至医疗影像设备，未来都会具备 Agentic AI 能力。例如自驾车不只需要感知环境，更要能像人类一样用推理处理未见过的路况；工程车可以读取技能档案或教学影片后学习操作；医疗 AI 则能理解 CT、超音波等工具，并在发现可疑讯号时示警。
在资料中心端，辉达也为 Agent AI 打造新的基础设施。黄仁勋指出，Vera CPU 是为 Agent 而生的 CPU，不是传统用来让人类租用核心的 CPU。过去云端 CPU 的逻辑是核心数越多越好，但 Agent 的目标不是租核心，而是快速完成工作、产生 token，因此更需要低延迟、高单执行绪效能、高记忆体频宽与高 I/O 频宽。
黄仁勋也提到，Agent AI 的运算模式将是分散式与解构式的，不会全部集中在云端，也不会全部放在终端。部分工作会在云端执行，部分会在笔电、桌机、企业网路或家庭中的 RTX Spark 上持续运作。这样可以降低成本、缩短延迟，也能让 Agent 更贴近使用者需求。
他指出，这种分散式 Agent AI 将使网通变得与运算一样重要。只要工作被拆解、分散、解耦，网路连结就会成为关键，这也是辉达多年前收购 Mellanox、并持续强化 AI networking 的原因。
黄仁勋表示，辉达从 GPU 公司走向 AI 基础设施公司，并不是为了扩张产品线，而是因为 Agent AI 的运算需求极为複杂，必须同时处理短期记忆、工作记忆、长期记忆、资料安全、加密、机密运算、网路、CPU、GPU 与完整软体堆叠。若要真正执行 Agentic Computing Pattern，已不可能只靠单一 GPU，而需要整套 AI 基础设施。