Nvidia commits $150B annually to Taiwan AI infrastructure

•輝達執行長黃仁勳於2026年5月27日在台北宣布，公司每年在台灣的投資規模將從數年前的100億至150億美元，大幅躍升至目前約1,000億美元，並將進一步上看1,500億美元，顯示其對台灣供應鏈的深度依賴與信心。
•輝達計畫在台北北投士林科技園區設立新的旗艦級AI研發中心及總部，命名為「Constellation」，預計可容納約4,000名員工，並將於2030年啟用。
•黃仁勳強調台灣是「AI革命的震央」，因其在晶片製造、先進封裝、系統組裝及AI超級電腦生產方面的完整生態系統，對推動全球AI技術進步至關重要。
•輝達的投資策略包含推動「實體AI」（Physical AI）概念，旨在將AI從純粹的線上服務延伸至深度嵌入工廠與產線的實體世界，以改造製造業生態。
•此大規模投資亦被視為輝達鞏固其供應鏈的戰略舉措，尤其面對超微（AMD）等競爭對手近期也在台灣AI領域投入數百億美元，加劇了AI晶片冷戰的態勢。

📊 競品分析▸ Show

公司	策略重點	產品/技術	台灣佈局	競爭優勢/劣勢
Nvidia	整合GPU、CPU、網路晶片、交換器及AI超級電腦平台，推動「實體AI」	Grace Blackwell, Vera Rubin, CoWoS-S/R/L, CPO	每年投資上看1,500億美元，建置「Constellation」總部及研發中心，與台積電、鴻海等緊密合作。	優勢：領先的GPU技術與CUDA軟體生態系統，完整的AI硬體與軟體平台。劣勢：供應鏈集中於台灣可能引發地緣政治風險。
AMD	擴大先進封裝投資，部署新一代AI平台，挑戰Nvidia市場份額	Instinct MI300X/MI450X, ROCm軟體平台	宣布在台灣AI領域投資超過100億美元，擴大策略合作與強化先進封裝產能。	優勢： GPU為Nvidia有力替代品，HBM記憶體頻寬具競爭力。劣勢： ROCm軟體生態系普及度與成熟度仍不如CUDA。
Broadcom	專攻客製化AI晶片（ASIC），避免通用型GPU直接競爭	客製化AI半導體	與台灣供應鏈合作，為超大規模客戶設計優化晶片。	優勢：針對特定AI服務優化，提高功耗效率、降低營運成本。劣勢：缺乏通用型GPU市場影響力。
Google	垂直整合自有AI晶片與雲端基礎設施	張量處理單元（TPU）	透過雲端服務提供TPU使用權限，與黑石合作建立數據中心。	優勢：垂直整合提供端到端AI解決方案，降低對外部晶片供應商依賴。劣勢：晶片主要用於內部需求，市場普及度受限。

輝達的下一代AI平台，如Grace Blackwell和Vera Rubin，正全面投產，並高度依賴台積電的先進封裝技術，包括CoWoS-S、CoWoS-R和CoWoS-L等不同類型的CoWoS技術。
為了克服大型數據中心在硬體效能與傳輸效率上的物理極限，輝達正積極推進共同封裝光學（CPO）技術與矽光子整合。台積電的COUPE矽光子平台被視為實現晶片與矽光子連結的關鍵製程技術，能以更低的能耗和極高的數據傳輸率進行數據傳輸。
「實體AI」的構想是將AI從純粹的線上服務轉變為深度嵌入工廠與產線的智慧製造系統，使其具備感知與決策能力，從而徹底改造製造業流程。

台灣在全球AI供應鏈中的戰略地位將進一步鞏固。

輝達的巨額投資與研發中心設立，加上黃仁勳將台灣定位為「AI革命震央」，將吸引更多相關產業鏈資源匯聚，強化台灣作為AI硬體核心的地位。

台灣的能源基礎設施將面臨更大壓力，並加速綠能轉型需求。

黃仁勳明確指出AI勞動需要大量電力，輝達在台擴張將顯著增加電力需求，促使台灣政府與產業加速能源基礎建設升級與綠能發展。

AI晶片市場的競爭將從單純的硬體性能擴展到軟體生態與垂直整合能力。

儘管輝達在硬體上領先，但AMD正努力提升ROCm生態，而Google和博通則透過客製化晶片和雲端服務進行垂直整合，迫使競爭走向更全面的解決方案。

2022-XX

NVIDIA Research Taiwan 成立，專注於生成式AI、多模態學習和3D視覺研究。

2025-05

Nvidia 宣布與鴻海、台積電及台灣政府合作，在台灣建造首座AI超級電腦。

2025-11

輝達南港研發中心預計啟用，作為新總部啟用前的過渡據點。

2026-01

市場傳出輝達除北士科總部外，不排除在台北增設第二總部據點。

2026-05-27

Nvidia 執行長黃仁勳宣布將擴大在台灣的投資規模，每年投入金額上看1,500億美元，並啟動台北新總部「Constellation」計畫，預計2030年啟用。

Nvidia 每年投入 1,500 億美元打造台灣 AI 基礎設施