2026 年 3 月 16 日,GTC 開幕當天,IBM 從紐約 Armonk 發布新聞稿,宣布與 NVIDIA 擴大合作,把雙方關係從「GPU 供應」推進到「資料層整合」。合作橫跨五個面向:GPU 原生分析、文件處理、儲存、主權部署與雲端算力,目標是解決 IBM 點名的四個關卡——碎片化資料、基礎設施缺口、合規障礙與人才短缺。
兩位執行長的定調很直接。IBM 執行長 Arvind Krishna 說:「下一波企業 AI,模型層將依賴資料、基礎設施與協調層。」NVIDIA 執行長黃仁勳則說:「資料是賦予 AI 脈絡與意義的 ground truth。」當多數發布會還在談模型,這場合作押注的是模型下面那一層。
Nestlé 基準：15 分鐘變 3 分鐘
IBM 沒有停留在架構圖,而是給了可驗證的客戶數字。Nestlé 的訂單到收款資料超市覆蓋 186 個國家、44 張資料表、數 TB 規模;在 CPU 上刷新一次要 15 分鐘,改用 GPU 加速的 watsonx.data 後縮短到 3 分鐘。IBM 引述的成本數字是節省 83%、性價比提升 30 倍。Nestlé 資訊與數位長 Chris Wright 說,對一家服務數十億人的公司,資料支撐全球營運的每個決策。
對資料工程團隊,這組數字比基準測試實際:瓶頸往往不在模型,而在把資料送進模型的管道。
GPU 進入資料層:Presto、cuDF 與 Docling
技術上最有意思的是兩條開源整合路線。第一,IBM 正把 watsonx.data 的 Presto SQL 引擎與 NVIDIA cuDF 結合,讓大型資料集的查詢直接在 GPU 上執行;NVIDIA 開發者部落格說明,cuDF 會整合進 Velox 執行引擎,讓 Presto 與 Apache 生態的查詢走向 GPU 原生。第二,IBM 開源文件解析專案 Docling 將搭配 NVIDIA Nemotron 開源模型,把複雜文件轉成 AI-ready 格式,並保留來源層級可追溯性——對審計與合規是硬需求。
共同訊號:GPU 不只跑訓練與推理,開始接管資料準備本身。
儲存、Blackwell Ultra 與主權部署
硬體側同樣有實質內容。NVIDIA 選定 Storage Scale System 6000,為其 GPU 原生分析引擎提供 10 PB 高效能儲存,並通過 DGX 平台認證。IBM Cloud 將於 2026 年第二季初期導入 Blackwell Ultra GPU;同一套組合也會經 Red Hat AI Factory with NVIDIA 與 IBM Consulting Advantage 送進企業。
主權方面,雙方正探索 Sovereign Core 與 NVIDIA 基礎設施的整合,讓 GPU 密集工作負載完全留在轄區內執行,延續 IBM 一月的主權軟體路線。
對開發者與資料團隊的意義
三個觀察。第一,SQL 與 AI 的邊界正在消失:Presto 查詢上 GPU 後,特徵工程與資料準備不必在 CPU 與 GPU 叢集間來回搬移。第二,整包幾乎全是開源零件(Presto、Velox、cuDF、Docling),不想綁定單一商業堆疊的團隊有明確跟進路徑。第三,83% 的成本數字來自單一客戶基準,自家查詢形態與遷移成本仍要自行評估。
放回 GTC 一週的脈絡:與 Dell 的 AI Factory 等企業堆疊相比,IBM 從資料層而非伺服器整機切入。企業 AI 的競爭正從「誰供應機器」轉向「誰把資料接上機器」——這場合作是後者迄今最具體的表態。
參考來源
- IBM and NVIDIA Announce Expanded Collaboration at GTC 2026 — IBM Newsroom
- IBM and NVIDIA Announce Expanded Partnership to Operationalize Enterprise AI — StorageReview
- Accelerating Large-Scale Data Analytics with GPU-Native Velox and NVIDIA cuDF — NVIDIA Developer Blog
本文由 AI 協助自上述來源整理，經人工審核後發布。