全球AI硬體龍頭Nvidia擴大在醫療研發與自駕車佈局，攜手Roche建構產業最大GPU集群，並與Uber計畫2027年在美國啟動大規模Robotaxi商業化，同時把運算能力直接送上軌道，宣告「算力戰」從地面延伸到太空。

華爾街這周一邊盯著油價與聯準會動向，一邊卻也清楚看到另一場更長線的戰爭正在開打：全球「AI算力」軍備競賽，正從企業機房，推進到醫療研發、自駕車，甚至外太空。

在科技股帶動之下，美股大盤同步走高，其中市場目光高度集中在Nvidia（NASDAQ: NVDA）年度GTC大會。這家AI晶片龍頭不但預期至2027年Blackwell與Vera Rubin產品線銷售上看1兆美元，更實際端出數個具體落地案例，顯示AI不再只是雲端概念，而是逐步滲透到高度監管、極高門檻的醫療與交通產業。

首先，在醫療領域，瑞士製藥巨頭Roche（瑞士羅氏控股，OTC: RHHBY）宣布，已在美國與歐洲部署2,176顆Nvidia Blackwell GPU，自稱擁有產業內最大GPU運算足跡。Roche指出，這波硬體擴充將直接加速新藥與診斷開發，包括分子建模、資料分析與臨床試驗流程等關鍵環節。對以研發週期漫長著稱的藥廠而言，若能透過AI縮短臨床開發時間、降低成本，將是左右競爭力的生死關鍵。

Roche的投資也呼應顧問公司McKinsey先前估算：若導入「Agentic AI」、大幅降低人工干預，未來五年臨床開發生產力可望提升35%到45%。換句話說，誰先建好AI算力基礎設施，誰就有機會把一款新藥從實驗室推進上市，比對手快上好幾年，市場回報也可能呈現倍數差異。

與此同時，Nvidia則嘗試將這套「AI加速器」從地面延伸到太空。在GTC 2026上，Nvidia揭露Vera Rubin Space Module，主打軌道資料中心、地理空間情報與自主太空作業，宣稱其GPU可為「space-based inferencing」提供最多25倍於H100的AI運算能力。這代表衛星不再只是拍照、再把資料丟回地面分析，而是可在軌道上即時判讀，並做出決策。

Nvidia執行長Jensen Huang強調，當太空與地面系統皆具備AI處理能力，將能實現即時感測、決策與自主操作，把軌道資料中心變成真正的「發現儀器」，讓航天器具備自我導航能力。對軍事偵察、災害監測、通訊與氣候研究而言，這種「邊緣AI」上太空的模式，有機會改寫整個產業鏈。

太空資料中心概念並非Nvidia獨舞。新創Starcloud已在衛星上部署H100處理器，成功在太空中執行基於Google Gemini、並訓練NanoGPT的模型；Google母公司Alphabet則透過Project Suncatcher，探索將搭載TPU的太陽能衛星星座串接成軌道AI平台；Elon Musk旗下SpaceX與Jeff Bezos的Blue Origin也被傳正在研發太空資料中心技術。AI算力的戰場，明顯正從地面大型機房，推向低軌道「新基建」。

不過，將資料中心送上太空遠比蓋一座地面機房複雜。專家提醒，數千顆衛星要分批發射，資本支出極高，即便是Big Tech也可能吃不消；軌道擁擠、太空碎片與輻射風險，都會影響設備壽命，而日後若要升級GPU，更不可能像在地面機房「換卡」那麼簡單。如果未來幾年地面AI晶片效能持續大幅提升，太空資料中心的成本效益也可能遭到質疑。

在地表，Nvidia同時鎖定另一個高成長戰場：自駕車與Robotaxi。Nvidia與Uber Technologies（NYSE: UBER）共同宣布，預計2027年起，將在洛杉磯與舊金山部署採用Nvidia自動駕駛軟硬體的Robotaxi車隊，並於2028年前擴展至全球28個城市。這批車輛將搭載DRIVE Hyperion自動駕駛平台與Alpamayo推理型AI模型，號稱可應付複雜道路情境。

從策略上看，這次合作顯示Uber選擇「多方夥伴」路線，不自建全套自駕技術，而是串連不同自動駕駛開發商與車廠，把自己的平台變成Robotaxi流量與營運中樞。Nvidia則扮演「算力與軟體標配」供應商角色，試圖把自駕車市場變成另一個GPU需求長期成長曲線。

目前商業Robotaxi競賽中，Alphabet旗下Waymo仍是領先者，已在Phoenix、舊金山與洛杉磯等城市提供完全無人駕駛服務；Tesla則押注純攝影機方案，計畫憑藉龐大產能與資本推出自有Robotaxi。截至現在，Nvidia與Uber的聯手尚處規劃階段，將先以資料收集車隊訓練城市特定路況，再經過有人監督測試，最後才目標迈向Level 4全自駕。進展節奏與監管接受度，將是投資人密切關注的風險變數。

值得注意的是，AI算力佈局也開始影響金融與資本市場本身。舉例來說，美國地區銀行Fifth Third Bancorp（NASDAQ: FITB）在整合Comerica後，將支付與科技客戶視為核心成長引擎，強調投資支付科技與平台能力，以吸引創新客戶在其系統上建構產品。雖然該行並未點名Nvidia，但從其將支付視為「每年10億美元費用來源」的說法可看出，金融機構正逐步將算力與資料處理效率視為競爭關鍵。

綜合來看，Nvidia從Roche醫療GPU集群，到Uber Robotaxi，再到Vera Rubin太空模組，呈現的是同一條主線：AI不只是雲端服務的加速器，而正在成為實體世界基礎建設的一部分。從藥物研發速度、城市交通效率，到軌道資料處理能力，未來十年的產業勝負，很可能取決於誰能以最低成本取得、管理並持續升級算力。

對投資人而言，風險在於政策、監管與技術路線都有高度不確定性：自駕車安全標準如何定義？太空軌道擁擠到什麼程度會逼出更嚴格規範？藥物開發若高度依賴AI生成模型，一旦演算法出錯，責任如何釐清？在答案尚未明朗之前，或許較為務實的作法，是把這波AI基礎建設視為長線趨勢，避免只押注單一商業化路線，並持續關注真正開始帶來現金流與成本優勢的具體案例，而非僅止於概念想像。

點擊下方連結，開啟「美股K線APP」，獲得更多美股即時資訊喔！
https://www.cmoney.tw/r/56/9hlg37

免責宣言
本網站所提供資訊僅供參考，並無任何推介買賣之意，投資人應自行承擔交易風險。