輝達 (NVDA-US) 執行長黃仁勳今 (2) 日表示，AI 正從雲端訓練與推論，邁向 Agent AI 時代。他強調，未來 AI 不只是在資料中心運行，也會進入個人電腦、自駕車、機器人、基地台、衛星與各式邊緣裝置，而 PC 作為全球最大規模的邊緣裝置，正迎來 40 年來最重要的一次重新發明。
黃仁勳指出，Agent AI 的核心在於 AI 不再只是被動回應指令，而是能理解情境、判斷意圖、進行推理、使用工具、存取記憶並完成任務。他形容，未來的 AI 系統會像數位機器人一樣，具備感知、理解、推理與行動能力；這套運算模式不只適用於雲端，也將部署到各種終端設備上。
在這樣的趨勢下，黃仁勳認為，PC 必須從傳統工具轉型為 Agentic Computer。他表示，今天的電腦只是坐在桌上等待使用者操作，但未來的電腦會主動與使用者互動，甚至透過 WhatsApp 等通訊軟體持續與使用者對話、協助完成工作。每個人的 Agent 可能都有自己的名字，能夠被呼叫、回覆訊息，甚至主動提醒或協助使用者。
黃仁勳形容，未來的個人電腦會像使用者的「R2-D2」，不再只是執行軟體的工具，而是能陪伴使用者、理解需求、主動完成任務的智慧助理，PC 是全球最大的邊緣裝置，過去 40 年已深刻改變人類工作與生活；如今在 Agent AI 時代，PC 有機會再次被重新定義。
為了支撐這個願景，輝達推出 RTX Spark，並與微軟 (MSFT-US) 及聯發科 (2454-TW) 共同打造新一代 AI PC 架構。RTX Spark 是一種全新的 Agent 電腦，也是輝達與聯發科合作近兩年的成果，開發代號為 N1X。該產品採用統一記憶體架構，整合 CPU、GPU、Tensor Core 與高速晶片互連，並具備 Windows、CUDA、Tensor Core 及專業應用程式相容性。
黃仁勳指出，Agent AI 對電腦架構提出全新要求。未來 Agent 若要在本地端運行，電腦必須能有效處理大量參數，因為參數就是 AI 的「大腦」大小；同時也要具備安全沙盒，讓 Agent 在受保護的環境中運作，避免任意存取使用者整台 PC 或網路資源。
他進一步說明，Agent 與人類不同，人類可以等待軟體慢慢執行，但 Agent 是「沒有耐心」的。若 Agent 要操作 Adobe、Premiere、AutoCAD、Blender 等應用程式，這些軟體都必須被加速，不能讓 Agent 等待。因此，未來 PC 不只需要 CPU，也需要 GPU、Tensor Core、統一記憶體與完整加速運算能力。
黃仁勳也強調，Agent AI 並不會取代既有軟體，而是會使用更多軟體工具。他以機器人加熱水作為比喻，使用者應該不會希望機器人的手變成微波爐，而是希望機器人閱讀微波爐說明書後，操作既有微波爐。同樣地，未來 Agent 不會取代 Excel、SQL、瀏覽器、創作工具或作業系統，而是會透過這些工具完成任務。
這也讓黃仁勳持續看好軟體產業。他表示，外界擔心 Agent 會衝擊 SaaS 或應用軟體，是錯誤理解；未來將會有更多 Agent 使用更多工具，反而可能帶動軟體使用量與需求上升。換言之，Agent AI 將成為軟體產業的新需求放大器。
除了 PC，黃仁勳也將 Agent AI 延伸到更廣泛的邊緣與實體世界。他指出，自駕車、人形機器人、基地台、衛星、工程機具甚至醫療影像設備，未來都會具備 Agentic AI 能力。例如自駕車不只需要感知環境，更要能像人類一樣用推理處理未見過的路況；工程車可以讀取技能檔案或教學影片後學習操作；醫療 AI 則能理解 CT、超音波等工具，並在發現可疑訊號時示警。
在資料中心端，輝達也為 Agent AI 打造新的基礎設施。黃仁勳指出，Vera CPU 是為 Agent 而生的 CPU，不是傳統用來讓人類租用核心的 CPU。過去雲端 CPU 的邏輯是核心數越多越好，但 Agent 的目標不是租核心，而是快速完成工作、產生 token，因此更需要低延遲、高單執行緒效能、高記憶體頻寬與高 I/O 頻寬。
黃仁勳也提到，Agent AI 的運算模式將是分散式與解構式的，不會全部集中在雲端，也不會全部放在終端。部分工作會在雲端執行，部分會在筆電、桌機、企業網路或家庭中的 RTX Spark 上持續運作。這樣可以降低成本、縮短延遲，也能讓 Agent 更貼近使用者需求。
他指出，這種分散式 Agent AI 將使網通變得與運算一樣重要。只要工作被拆解、分散、解耦，網路連結就會成為關鍵，這也是輝達多年前收購 Mellanox、並持續強化 AI networking 的原因。
黃仁勳表示，輝達從 GPU 公司走向 AI 基礎設施公司，並不是為了擴張產品線，而是因為 Agent AI 的運算需求極為複雜，必須同時處理短期記憶、工作記憶、長期記憶、資料安全、加密、機密運算、網路、CPU、GPU 與完整軟體堆疊。若要真正執行 Agentic Computing Pattern，已不可能只靠單一 GPU，而需要整套 AI 基礎設施。
