從GTC 柏林機器鴨思考AI Agent協作生態系

五層蛋糕到AI代理知識與工具生態系

「那些知識與工具屬於你們，那就是你們的專業。」黃仁勳在 GTC 柏林演講中的這句話，點出了產業夥伴在 AI 時代的重要位置：

企業累積的專業知識，以及各領域用來設計、分析與執行工作的工具，都是讓 AI Agent 發揮價值的關鍵。

這種夥伴關係，也體現在黃仁勳持續強調的 AI 產業「五層蛋糕」生態系：

從能源、晶片與運算基礎設施，到模型與應用，每一層都需要不同企業共同支撐。

他也提醒歐洲，除了使用 AI，更應積極參與 AI 的生產，掌握自身在產業生態中的位置。

從台灣產業視角來看，我們已在晶片、伺服器與 AI 基礎設施供應鏈建立深厚優勢，下一步值得思考的是：

如何串聯 AI Agent 生態系，讓既有的硬體與運算優勢，進一步連結企業及產業專業知識，創造新的應用價值。

要理解這些專業如何轉化為應用，可以進一步看看GTC 柏林展示的Microduck 機器鴨，展現AI Agent協作的生態系。

圖、AI產業的5層蛋糕

(資料來源: Nvidia GTC Berlin 2026) 

機器鴨的背後有多少協作生態?

在 GTC 柏林展示的架構中，AI Agent 需要五種能力共同運作：

• 模型(Model)負責理解需求、規劃、推理、行動；
• 代理框架(Harness)拆解任務、管理記憶並編排協調步驟；
• 企業知識(Knowledge)提供資料與專業判斷依據；
• 工具(Tools)讓Agent 能查詢、計算、模擬及執行工作；
• 安全環境(OpenShell)則限制存取與操作權限，強化AI代理的安全性。

這些能力由不同夥伴提供，再串成完整流程。因此，生態系的價值，在於讓模型、知識與工具有效協作。

圖、AI Agent的5種能力

(資料來源: Nvidia GTC Berlin 2026)

本次 GTC 中可愛到不行的 Microduck機器鴨，便具體展示了這種分工。

機器鴨由 Pollen Robotics 與 Hugging Face 團隊打造，開發流程則以 Nous Research 的 Hermes Agent 作為任務協調框架，

搭配 NVIDIA 的 Nemotron 模型，將「讓機器鴨通過障礙場」拆解為工作計畫，再調用不同工具完成任務。

首先，由 Astra 協助製作場景，運用 FreeCAD 建立斜坡與障礙物，再透過 Blender 加上細節與材質。

接著，在 Isaac Sim 中組成虛擬訓練場，由 NVIDIA Omniverse 函式庫模擬畫面與感測資訊，讓機器鴨學習觀察環境；

Newton 物理引擎計算碰撞、重力與平衡；Isaac Lab 則讓大量虛擬機器鴨同時練習，從跌倒與成功經驗中，逐步改善動作策略。

此外，運算基礎架構也有分工：RTX Spark 基礎的個人電腦負責本地開發與驗證，雲端承接大量模擬訓練。

訓練成果回到本地評估，經過驗證與調整後，再部署至實體機器人。

這套流程呈現了生態系的價值：不同團隊提供的模型、工具以及硬體與雲端服務，透過共同環境接力完成工作。

每個夥伴專注自身強項，也能結合其他夥伴的成果，共同拓展應用能力。

圖、機器鴨的協作發展方式

(資料來源: Nvidia GTC Berlin 2026) 

企業流程與OT現場也需要協作生態

企業導入 Agent，同樣需要這種分工。急件插單、庫存查詢、生產排程或提出採購建議等，主要涉及ERP、庫存系統、排程系統協作；

當任務延伸至設備預警、品質判斷與製程管理，就必須連接機台、感測器及控制系統等OT設備。

例如，設備異常不只需要判斷故障原因，還要確認哪些訂單受影響、備品是否充足，以及是否需要調整排程。

這些資訊分散於現場生產設備、維修知識、ERP 與 MES，需要設備商、分析團隊及企業軟體夥伴的共同串接。

運算架構也可依需求採取雲地分工：感測器蒐集設備資料儲存於地端邊緣伺服器、雲端或集中環境進行模型訓練，再由邊緣設備即時推論。Agent 取得結果後，結合營運資訊提出建議，依權限送交核准或啟動後續流程。

這需要同步處理資料品質、模型更新、斷網運作與設備安全，讓 AI 穩定參與日常營運。

以平台為中心的協作體系

基於上述複雜的企業AI Agent、企業系統、OT設備或工具與知識協作體系，鼎新建立Agent Space平台生態體系，協助企業AI Agent更容易地界接系統、OT設備與管理各式AI Agent。

鼎新也與眾多AI 合作夥伴一齊拓展AI Agent應用，從「設備聯網、數據分析、系統整合、人員協作」:

• 在設備聯網到數據分析方向。智慧貼紙運用一個搭載震動溫度感測的晶片貼紙，可以快速地取得設備狀態辨別異常狀況；伊斯酷 Robotiive AI RPA 則透過電腦視覺讀取新舊機台螢幕，將現場資料辨識帶入系統自動化流程。接著，詠鋐智能運用平台降低AI建模門檻，並支援品質監測、設備預警與節能分析；數據通AIUPS以免程式碼建模，將製程經驗轉化為預測能力，辨識關鍵參數與潛在風險。

• 在系統整合與人員協作方向。EMILY.HPA 結合 AI 任務規劃與 RPA 執行，完成資料整理、登錄及跨系統操作。進一步協助人員工作，優智能的 Bilocation Pro 支援自然語言查詢、數據彙整與文件溯源；先知科技的圖文通 BlueprintLegacyAI 比對相似設計與歷史報價，輔助工程及報價判斷；愛肯客科技的 Growise TAM AI則協助業務尋找潛在客戶、關鍵決策者及準備開發內容。

透過 Agent Space 串接這些知識與工具，便有機會讓設備資訊沿著企業流程，轉化為AI Agent與人員可採取的行動方案，強化企業自動化與決策效率。

圖、鼎新Agent Space及生態系

(資料來源: 鼎新數智及各夥伴)

想知道還有哪些AI生態系夥伴的協作嗎? 請點選進入體驗空間。

小結

從GTC Berlin的演講以及Microduck機器鴨可以發現，AI Agent的價值來自於模型、工具、知識與雲地算力的協作。

台灣若能將硬體優勢連結產業經驗與AI Agent生態系，更有機會拓跨大AI的應用與服務價值。

鼎新 Agent Space嘗試以平台串聯設備聯網、數據分析、系統整合及人員協作等夥伴生態系，

推動 企業AI Agent從單點應用走向可持續擴充的營運生態系。