GTC 2026 那些沒人討論的開源項目，才是 NVIDIA 稱霸 AI 時代的真正底牌
大家都在談 Blackwell Ultra 和 Vera Rubin，但真正的重點是 NVIDIA 這幾年默默開源的數十個項目。從 Dynamo 到 NemoClaw，從 Cosmos 到 Newton，這是一場綁定整個 AI 生態系的精密布局。
陳進財
2026年3月19日
每年的 GTC 大會，大家都盯著黃仁勳手上的新晶片——今年 Blackwell Ultra 的效能數字確實很香，Vera Rubin 平台的 1 兆美元商機也夠聳動。但在我看來，這些硬體規格的口水戰都只是煙霧彈。真正的重點，是黃仁勳在台上輕描淡寫帶過的那些「開源項目」。
為什麼這麼說？因為在 AI 這場戰爭裡，硬體是門檻，軟體才是護城河。NVIDIA 這幾年瘋狂開源，光是 GitHub 主帳號就累積超過 700 個開源儲存庫、Hugging Face 上放了超過 700 個開放模型與超過 200 個開放資料集，這可不是做公益。這是一場精心設計的「生態系綁定」戰略——透過開源鎖死開發者，讓整個 AI 產業都離不開 CUDA，離不開 NVIDIA 的硬體。
跟最大的競爭對手 AMD 一比就知道差距有多大：
資料來源：GitHub NVIDIA（702 repos）vs GitHub ROCm（392 repos）；HuggingFace NVIDIA（716 models / 209 datasets）vs HuggingFace AMD（396 models / 13 datasets）；數據截至 2026 年 3 月
今天這篇，我們來好好盤點這些年 NVIDIA 到底開源了哪些東西，以及為什麼這些項目才是黃仁勳真正的「AI 完整解決方案」藍圖。
GTC 2026：那些媒體沒報導的開源重點
先從今年的 GTC 說起。大家的注意力都被 Blackwell Ultra 和 Vera Rubin 吸走了，但黃仁勳在演講中其實丟出了好幾個重磅開源項目：
1. Dynamo：AI 工廠的作業系統
這個項目我覺得是今年 GTC 最重要的開源項目，但幾乎沒什麼人討論。Dynamo 是什麼？簡單說，它是專門為大規模 AI 推理設計的開源軟體，黃仁勳直接稱它為「AI 工廠的作業系統」。根據 NVIDIA 官方新聞稿，Dynamo 1.0 搭配 Blackwell GPU 最高可將推理效能提升 7 倍，已獲 AWS、Azure、Google Cloud、OCI 四大雲端平台整合，Cursor、Perplexity、PayPal、Pinterest 等也已採用。
它的核心功能是加速和擴展 AI 推理模型，讓企業可以用更低的成本跑更多的推理任務。為什麼這很重要？因為 AI 的商業模式正在從「訓練」轉向「推理」——訓練是一次性的大筆投資，但推理是持續的營運成本。誰能讓推理成本降到最低，誰就能綁住客戶。
Dynamo 開源的意義在於：NVIDIA 不只想賣你訓練用的 GPU，還想賣你推理用的全套軟體堆疊。從訓練到部署到推理，一條龍全包。
「推理是智慧的引擎，驅動著每一次查詢、每一個代理、每一個應用。有了 NVIDIA Dynamo，我們創造了第一個 AI 工廠『作業系統』。」—— Jensen Huang，NVIDIA 創辦人暨執行長。（來源）
2. cuOpt：決策優化平台開源
cuOpt 原本是一個商業產品，這次 GTC 黃仁勳宣布將它開源。這是個決策優化平台，專門解決物流、供應鏈、路線規劃這類複雜的組合優化問題。
聽起來很無聊？但它背後的邏輯很關鍵：NVIDIA 正在把觸角伸向傳統企業軟體的領域。以前這些優化問題是用 CPU 跑的傳統演算法，現在 NVIDIA 用 GPU 加速，速度可以快幾十倍。開源之後，更多企業會基於 cuOpt 開發應用，而這些應用自然會綁在 NVIDIA 的硬體上。
3. Newton：機器人時代的物理引擎
這個項目是和 Google DeepMind、Disney Research 一起開發的開源物理引擎，專門用於機器人模擬。為什麼要做這個？因為訓練機器人需要大量的模擬數據，而物理引擎就是產生這些數據的核心工具。
Newton 採用 OpenUSD 標準（沒錯，這也是 NVIDIA 大力推動的開放標準），並且跟 Disney 合作這件事本身就很有意思——Disney 有全世界最複雜的機器人應用場景（想想他們的主題樂園機器人）。
這一步棋，讓 NVIDIA 在「物理 AI」這個新戰場上搶佔了制高點。
4. NemoClaw：加入 OpenClaw 熱潮的企業級 AI 代理
這個應該是今年 GTC 最受矚目的開源項目之一。OpenClaw（前身是 Clawdbot/Moltbot）今年初突然爆紅的開源 AI 代理平台，號稱是「史上增長最快的開源項目」。黃仁勳這次推出了 NemoClaw，專門針對企業市場，強調安全性與隱私控制。
NemoClaw 的關鍵賣點是：它不綁定 NVIDIA 硬體。理論上你可以在任何硬體上跑。但這裡的「陽謀」在於——雖然不綁硬體，但所有優化都是針對 CUDA 做的。在 NVIDIA GPU 上跑當然效能最好，在其他硬體上跑就是次等體驗。
這是典型的「開放生態、封閉優化」策略。Google 當年用 Android 綁定搜尋，NVIDIA 現在要用 NemoClaw 綁定 CUDA。
歷史教訓：那些改變世界的開源項目
在深入分析 NVIDIA 的開源布局之前，讓我們先看看歷史上那些成功的開源商業模式。這些案例證明，開源不是慈善，而是一種高明的商業策略。
Android：Google 的移動帝國基石
2008 年，Google 推出 Android 作業系統並開源。表面上看，這是免費送給手機廠商用的，但背後的算盤是：透過開源 Android 綁定 Google Play Services、Google Search 和 Google Ads。
這個策略有多成功？到 2025 年，Android 佔據全球智慧手機市場約 72% 的份額（StatCounter GlobalStats），Google 每年從 Android 生態系賺取數百億美元的廣告收入。手機廠商雖然不用付錢買作業系統，但每支手機都內建 Google 的搜尋和服務，這才是 Google 真正的收入來源。
更重要的是，Android 開源讓競爭對手難以抗衡。微軟的 Windows Phone、三星的 Tizen、Mozilla 的 Firefox OS 都曾試圖挑戰，但最終都敗下陣來。為什麼？因為開源讓 Android 生態系快速壯大，開發者只願意為 Android 開發應用，使用者也只願意用有應用的手機。
NVIDIA 正在複製這個模式：用開源綁定開發者，用開發者綁定使用者，最終壟斷整個市場。
Linux：你每天都在用，只是你不知道
你今天滑了幾次 Instagram？看了幾部 YouTube 影片？用 LINE 傳了幾則訊息？這些服務背後跑的伺服器，幾乎全都是 Linux。1991 年，Linus Torvalds 還只是個芬蘭大學生，純粹因為覺得好玩，就寫了一個免費的作業系統核心丟到網路上。35 年後，這個「好玩的業餘專案」運行在全球約 91% 的 Web 伺服器（W3Techs，Unix/Linux 類系統合計；Windows 僅約 9%）、90% 以上的公有雲端基礎設施（ZDNet / Linux Foundation）、100% 的 TOP500 超級電腦、甚至你手上的 Android 手機裡。
Linux 的成功證明了一件事：開源可以創造無與倫比的網路效應。當成千上萬的開發者免費為 Linux 貢獻程式碼，它的功能就會比任何封閉系統都強大。企業用戶發現 Linux 穩定、安全、免費，自然就會採用。
但 Linux 也創造了一個新的商業模式：圍繞開源軟體提供服務。Red Hat 靠著賣 Linux 的企業支援服務，年收入超過 30 億美元，最後被 IBM 以 340 億美元收購。Google、Amazon、微軟這些科技巨頭，也都在 Linux 的基礎上建立起自己的雲端帝國。
NVIDIA 學到了這一課：開源部分 CUDA 生態系，讓開發者免費使用，但同時銷售優化的硬體和企業級服務。
Kubernetes：雲端時代的作業系統
2014 年，Google 開源了 Kubernetes，這是一個容器編排平台。當時 Docker 容器技術剛開始流行，但沒人知道怎麼大規模管理這些容器。Kubernetes 的出現解決了這個問題，迅速成為雲端基礎設施的事實標準。
現在，Kubernetes 運行在幾乎所有企業的雲端環境中。Google 雖然沒有直接從 Kubernetes 賺錢，但這個開源項目讓 Google Cloud Platform（GCP）成為企業採用雲端的首選之一。更重要的是，Kubernetes 定義了雲端原生應用的標準，而 Google 正是這個標準的主要制定者。
NVIDIA 的 Dynamo 就是在做類似的事情：定義 AI 推理的標準，讓整個產業都圍繞著 NVIDIA 的工具來開發。
MySQL：開源資料庫的商業化奇蹟
1995 年，MySQL 作為一個開源資料庫問世。當時 Oracle、微軟 SQL Server 這些商業資料庫動輒數萬美元授權費，MySQL 卻是免費的。對於新創公司和中小企業來說，這是個天大的好消息。
MySQL 的成功創造了「開源核心 + 商業支援」的模式。基礎版本免費，但企業如果需要進階功能、技術支援、認證培訓，就需要付費。2008 年，MySQL 被 Sun Microsystems 以 10 億美元收購，後來 Sun 又被 Oracle 收購，MySQL 成為 Oracle 產品線的一部分。
這個案例告訴我們：開源軟體可以非常有價值。即使程式碼是免費的，但圍繞軟體的生態系、品牌、使用者基礎都是巨大的資產。
NVIDIA 的 NeMo、Isaac、BioNeMo 就是在走這條路：框架開源，讓開發者免費使用，但企業級的部署、優化、支援都需要 NVIDIA 的專業服務。
這些歷史案例有個共同模式：開源 → 生態系主導 → 市場壟斷。下面這張圖讓你看看領導者跟第二名的差距有多誇張：
資料來源：W3Techs（Linux/Unix 91% vs Windows 9%，Web 伺服器）；CNCF Annual Survey 2024（Kubernetes 84% vs Docker Swarm 5%，容器編排）；Jon Peddie Research Q1 2025（NVIDIA 92% vs AMD 8%，離散 GPU）；StatCounter GlobalStats 2025–2026（Android 72% vs iOS 27%，行動 OS）
盤點：NVIDIA 這些年到底開源了什麼？
說完今年的新項目，讓我們來個大盤點。NVIDIA 這幾年的開源布局，其實已經涵蓋了 AI 產業鏈的每一個環節：
基礎設施層：綁定開發者的第一步
RAPIDS 資料科學套件
2018 年推出的 RAPIDS 是 NVIDIA 開源戰略的開山之作。這是一套 GPU 加速的資料科學函式庫，包括：
- cuDF：對標 pandas，處理 DataFrame 資料
- cuML：對標 scikit-learn，機器學習演算法加速
- cuGraph：對標 NetworkX，圖形分析加速
- cuPy：對標 NumPy，數值運算加速
重點是這些函式庫的 API 設計幾乎跟原本的 Python 套件一模一樣。你只要把 import pandas as pd 改成 import cudf as pd，程式碼不用改，效能直接快 10-100 倍。
這個「無痛遷移」的策略非常毒辣。資料科學家不需要學 CUDA，不需要懂 GPU 編程，就能享受加速。但一旦習慣了這個速度，你就再也回不去了。而且這些資料科學家是 AI 產業的基礎用戶，從大學研究到企業應用，先把這群人綁住，後面的生態系自然就長出來了。
TensorRT-LLM 與 Triton Inference Server
這兩個是 LLM 推理部署的黃金組合。TensorRT-LLM 負責把大型語言模型編譯優化，讓它在 NVIDIA GPU 上跑得飛快；Triton Inference Server 則是開源的模型服務框架，支援多種深度學習框架（PyTorch、TensorFlow、ONNX 等），可以動態批處理、多模型並行、自動擴展。
重點是：這兩個都是開源的。理論上你可以用任何硬體跑 Triton，但實際上所有優化都是針對 NVIDIA GPU 做的。這就像是 Android 開源，但 Google 服務綁定了 Google 硬體一樣。
AI 訓練層：掌握模型開發的制高點
NeMo Framework
NeMo 是 NVIDIA 的端到端 LLM 訓練框架，完全開源。它整合了 Megatron Core（分散式訓練）、TensorRT-LLM（推理優化）、以及各種資料處理工具。從資料準備、模型訓練到部署，一條龍搞定。
NeMo 還包括：
- NeMo Guardrails：控制 LLM 對話的安全框架
- NeMo Curator：大規模資料預處理工具
- NeMo RL：強化學習訓練工具
Megatron Core
這是訓練超大規模模型的底層框架，支援各種平行化策略（資料平行、模型平行、流水線平行），讓你可以把模型分散到成千上萬張 GPU 上訓練。現在 GitHub 上完全開源，連 Falcon-H1 這種最新的混合架構都支援。
這裡的算盤很簡單：誰掌握了訓練框架，誰就掌握了模型開發的標準。當所有的大模型都是用 Megatron 訓練出來的，這些模型自然就會針對 NVIDIA 硬體優化，換到其他平台效能就會打折扣。
物理 AI 層：搶佔機器人時代的入口
Isaac Sim / Isaac Lab
這是 NVIDIA 的機器人模擬平台，基於 Omniverse 開發，現在也開源了。機器人訓練需要大量的模擬數據，Isaac Sim 提供高擬真的物理模擬環境，讓機器人可以在虛擬世界裡「練功」，練好了再部署到真實世界。
今年的更新還整合了 Newton 物理引擎，以及 Cosmos 世界基礎模型——這是專門生成虛擬場景的 AI 模型，可以無限生成機器人訓練需要的環境數據。
Isaac GR00T N1
這是全球第一個開源的人形機器人基礎模型，黃仁勳在 GTC 上特別強調這個項目。根據 The Verge 報導，Neura Robotics、1X Technologies、Vention 等頂尖機器人公司都已經開始用它了。
為什麼要開源這麼重要的模型？因為 NVIDIA 想成為機器人時代的 Android。硬體不會只有 NVIDIA 做，但軟體標準一定要由 NVIDIA 來定。
AI 代理層：搶佔下一個互聯網入口
NemoClaw 與 OpenShell
前面提到的 NemoClaw 是今年的重頭戲。黃仁勳說得很直接：「Mac 和 Windows 是個人電腦的作業系統，OpenClaw 是個人 AI 的作業系統。」
這個定位非常高明。OpenClaw 確實是史上增長最快的開源項目之一，但問題是——它還很不成熟，企業不敢用。NVIDIA 推出 NemoClaw，就是要在 OpenClaw 上加一層「企業級安全與隱私控制」，讓大企業敢於採用。
同時還推出了 OpenShell 運行時，宣稱可以在單一指令內安裝 Nemotron 模型。這裡的邏輯跟當年 Android + Google Play Services 一樣：底層開源吸引開發者，上層服務綁定生態系。
垂直領域：滲透每一個產業
BioNeMo Framework
2024 年底推出的生物分子 AI 開發平台，完全開源。包括蛋白質結構預測、藥物分子設計、RNA 結構分析等工具。Amgen、Novo Nordisk 這些大藥廠都已經在用了。
這一步棋讓 NVIDIA 打進了價值超過 1.5 兆美元的全球製藥產業（Statista）。而且藥廠的運算需求只會越來越大——訓練一個生物分子模型可能需要數百張 H100，這就是 NVIDIA 的生意。
DRIVE 與 Alpamayo-R1
自駕車領域，NVIDIA 推出了 Alpamayo-R1，這是全球第一個開源的「推理型 VLA 模型」（Vision-Language-Action），可以讓自駕車不只看路，還能「思考」為什麼要這樣開，並且規劃路徑。
自駕車是 AI 最燒錢的領域之一，NVIDIA 透過開源工具綁定開發者，最終還是為了賣 DRIVE 平台和 GPU。
總結一下，NVIDIA 開源策略的成效直接反映在營收數字上：
資料來源：NVIDIA 歷年 10-K 年報（FY 結算至每年 1 月） / Wikipedia Nvidia Finances；AMD 歷年 10-K 年報（FY = 曆年，對齊 NVIDIA FY +1 年）；NVIDIA FY2026 營收 2,159 億美元（年增 65%），AMD 2025 年營收 346 億美元（年增 34%）
注意 FY2023 之前，NVIDIA 和 AMD 的營收差距其實不大——甚至 FY2023 時兩者幾乎打平。但從 FY2024 開始，NVIDIA 的開源生態系效應開始發酵，營收曲線直接起飛，一年翻一倍以上。這就是軟體護城河的威力：當所有開發者都在你的生態系裡，硬體需求自然源源不絕。
開源背後的商業算盤：綁定、鎖定、壟斷
看完這些項目，你應該已經發現規律了。NVIDIA 的開源策略可以總結為三個層次：
第一層：降低門檻，擴大生態
透過開源工具，讓開發者不需要懂 CUDA 就能享受 GPU 加速。RAPIDS 讓資料科學家無痛遷移，TensorRT-LLM 讓工程師輕鬆部署模型，NeMo 讓研究員快速訓練大模型。
這些工具都是「免費的糖」，先讓你上癮，再讓你離不開。
第二層：綁定優化，創造依賴
雖然開源，但所有優化都是針對 NVIDIA 硬體做的。在 NVIDIA GPU 上跑這些工具，效能可以快 10 倍、100 倍；但在其他硬體上跑，可能連正常運作都有問題。
這就是所謂的「開放生態、封閉優化」。Google 當年用 Android 開源綁定手機廠商，但 Google Play Services 是封閉的；NVIDIA 現在用開源框架綁定開發者，但 CUDA 生態系是封閉的。
第三層：掌握標準，定義產業
當整個產業都用你的工具、你的框架、你的模型，你就掌握了標準制定權。Megatron 成為大模型訓練的事實標準，Isaac 成為機器人模擬的事實標準，OpenClaw 正在成為 AI 代理的事實標準。
掌握標準的意義在於：競爭對手就算做出更好的硬體，也打不進這個生態系。因為所有軟體都是針對你的標準優化的，換平台成本太高了。
為什麼現在瘋狂開源？時機點的考量
你可能會問：NVIDIA 以前不是以封閉著稱嗎？為什麼現在突然大開大合？
1. 防禦中國競爭對手
中國的 AI 發展正在加速，而且因為制裁，他們被迫發展自己的硬體和軟體生態。如果中國搞出一套不依賴 CUDA 的 AI 堆疊，NVIDIA 就會失去全球最大的市場之一。
透過大舉投資開源生態系，NVIDIA 可以確保全球的 AI 開發還是綁在 CUDA 生態系上，而不是被中國的替代方案分化。
2. 應對雲端巨頭的自研晶片
Google 有 TPU、AWS 有 Trainium、微軟有 Maia，這些雲端巨頭都在做自己的 AI 晶片。他們的目標不是跟 NVIDIA 競爭 CUDA，而是繞過 CUDA，只支援自己的模型和自己的硬體。
NVIDIA 的對策是：讓開源社群離不開 CUDA。當所有開源模型、開源框架都是針對 CUDA 優化的，雲端巨頭就算有自己的晶片，也很難說服開發者遷移。
3. 搶佔 AI 代理的新戰場
AI 代理（AI Agent）被認為是繼 LLM 之後的下一個大戰場。OpenClaw 的爆紅證明市場需求存在，但 OpenClaw 本身還很原始。NVIDIA 推出 NemoClaw，就是想成為這個新戰場的「Android」——開源作業系統 + 封閉硬體優化。
4. 從賣晶片到賣「AI 工廠」
黃仁勳一直在講「AI 工廠」的概念。以前 NVIDIA 只是賣 GPU，現在要賣整套「生產線」——從訓練到推理到部署，軟硬體全包。開源項目就是這個生產線的「標準零件」，讓客戶可以輕鬆組裝自己的 AI 工廠，但所有零件都是 NVIDIA 規格的。
這招真的有用嗎？潛在風險與挑戰
當然，這個策略也不是沒有風險：
風險一：AMD + OpenAI 聯盟的正面威脅
2025 年 10 月，AMD 和 OpenAI 宣布了一筆足以改變賽局的交易：OpenAI 承諾採購 6 吉瓦的 AMD AI 晶片，預計為 AMD 帶來「數百億美元」的新營收。作為交換，OpenAI 獲得最多 1.6 億股的 AMD 認股權證（WSJ, 2025/10）。
這不只是一筆採購案——這是全球最大的 AI 公司在主動分散對 NVIDIA 的依賴。更值得注意的是，AMD 在 2024-2025 年間連續收購了 Silo AI、Nod.ai、Brium、Lamini、MK1 等多家 AI 軟體公司，正在系統性地補齊軟體短板。2025 年 6 月發布的 MI400「Helios」AI 伺服器更是直接劍指 NVIDIA 的資料中心霸主地位。這代表 NVIDIA 的護城河雖深，但攻城方已經開始有組織地挖掘了。
風險二：ROCm 成熟與框架去 CUDA 化
AMD 的 ROCm 已經整合進 PyTorch 主線——現在你去 pytorch.org 安裝頁面，ROCm 就是官方支援選項之一。這代表開發者不需要改任何程式碼，就能在 AMD GPU 上執行 PyTorch 模型。
更大的威脅來自框架抽象層：Google 的 JAX + XLA 編譯器從設計之初就不綁定 CUDA、OpenAI 開源的 Triton 語言讓開發者用 Python 寫 GPU 核心而不需碰 CUDA、Apache TVM 等專案也在試圖讓 AI 開發與特定硬體脫鉤。如果這些工具成熟到「換硬體不用改程式碼」的程度，CUDA 的護城河就會開始滲水。
風險三：反壟斷監管的達摩克利斯之劍
當一家公司的離散 GPU 市佔率高達 92%（Yahoo Finance / Jon Peddie Research, Q1 2025），還透過開源軟體生態系「軟性鎖定」客戶，監管機構遲早會出手。歐盟《數位市場法》（DMA）已經開始規範科技平台的「守門人」行為，美國 FTC 也在加強對科技壟斷的審查。NVIDIA 的開源策略雖然表面上「開放」，但實際效果是讓客戶極難遷移到其他平台——這種模式是否構成反競爭行為，很可能會在未來幾年成為法律戰場。
結論：開源是新時代的壟斷工具
回到標題的問題：為什麼黃仁勳要在 GTC 上花這麼多時間講開源項目？
因為 開源已經成為新時代的壟斷工具。在傳統軟體時代，微軟用 Windows 綁定用戶；在網際網路時代，Google 用搜尋綁定用戶；在 AI 時代，NVIDIA 要用開源生態系綁定整個產業。
從 Android 到 Linux，從 Kubernetes 到 MySQL，歷史已經一再證明：開源不是慈善，而是最強大的商業武器。透過開源，你可以免費獲得全球開發者的勞動力，可以迅速建立生態系護城河，可以把競爭對手擠出市場。
NVIDIA 正在如法炮製。從 RAPIDS 到 NeMo，從 Isaac 到 Cosmos，從 Dynamo 到 NemoClaw，NVIDIA 正在構建一個完整的 AI 堆疊。每一層都是開源的，但每一層都優化到離不開 NVIDIA 硬體。
這就是黃仁勳的「開源陽謀」：用免費的軟體吸引你，用極致的效能留住你，用完整的生態系鎖死你。等你發現自己已經離不開 NVIDIA 的時候，你已經是他們的終身客戶了。
下次看 GTC，別只看那些效能數字和晶片規格。真正的戰場，在那些看似免費的開源項目裡。
免責聲明：本文僅為個人分析，不要因此就決定投資或不投資 NVIDIA，被套牢的話，後果自負。