NVIDIA GTC 2026: od producenta chipów do dostawcy pełnego stosu AI

GTC, czyli GPU Technology Conference, to flagowe doroczne wydarzenie dewelopersko technologiczne Nvidii. Gromadzi inżynierów, programistów, dostawców usług chmurowych, przedsiębiorstwa i inwestorów, aby zaprezentować najnowsze osiągnięcia firmy w układach do AI, systemach obliczeniowych i platformach programistycznych. W ostatnich latach stało się jednym z najbaczniej obserwowanych wydarzeń w branży, ponieważ Nvidia znajduje się w centrum globalnej rozbudowy infrastruktury AI.

Kluczowe punkty:

• GTC potwierdziła, iż AI przechodzi z etapu trenowania do etapu wnioskowania — kolejna fala popytu będzie wynikać z wdrażania AI na dużą skalę, a nie tylko z trenowania coraz większych modeli.
• Sztuczna inteligencja agentowa odgrywa coraz większą rolę w strategii Nvidii: firma pozycjonuje się nie tylko jako gracz w obszarach trenowania i wnioskowania, ale także jako dostawca systemów AI, które potrafią planować, rozumować i działać w procesach biznesowych oraz przemysłowych.
• Szanse rosną, ale rośnie też potrzeba twardych dowodów — segment pamięci, infrastruktura centrów danych, korporacyjne oprogramowanie AI oraz zastosowania AI w świecie fizycznym (robotyka, autonomiczne maszyny) mogą na tym skorzystać; jednak inwestorzy wciąż potrzebują potwierdzenia, iż monetyzacja i realizacja projektów będą nadążać za ponoszonymi nakładami.

Wystąpienie otwierające GTC 2026 nie było tylko kolejnym pokazem produktów – stanowiło strategiczną próbę zmiany rynkowej narracji na temat sztucznej inteligencji.

Przez ostatnie dwa lata Nvidia była najbardziej oczywistym beneficjentem boomu na trenowanie AI, dostarczając układy, które napędzają największe modele na świecie. Na tegorocznym GTC Jensen Huang przekonywał, iż kolejna faza AI może być jeszcze większa: przejście od samego trenowania modeli ku wnioskowaniu i wdrożeniom, sztucznej inteligencji agentowej, robotyce oraz zastosowaniom w świecie rzeczywistym.

To ma znaczenie, ponieważ rynek zaczął zadawać trudniejsze pytania. Nie wystarczy już pokazać, iż popyt na chipy AI jest silny. Inwestorzy chcą dziś wiedzieć, czy branża potrafi przekuć ogromny kapitał inwestowany w infrastrukturę AI w trwałą rentowność.

GTC było odpowiedzią ze strony Nvidii: zakres możliwości rozszerza się, a nie zawęża. To jednak oznacza, iż oczekiwania pozostają wyjątkowo wysokie.

Najważniejszy przekaz z GTC

Najistotniejszym wnioskiem z GTC było podkreślenie przez Nvidię znaczenia wnioskowania. Trenowanie stworzyło obecną generację dużych modeli językowych, natomiast wnioskowanie jest etapem, w którym te modele są faktycznie używane na dużą skalę – w wyszukiwarkach, narzędziach do kodowania, agentach i copilotach, procesach biznesowych czy systemach autonomicznych.

Jeśli trenowanie polegało na budowaniu inteligencji, to wnioskowanie polega na jej monetyzacji.

Ta zmiana ma najważniejsze znaczenie strategiczne. Popyt na trenowanie bywa skokowy i skoncentrowany u kilku największych dostawców usług chmurowych (tzw. hiperskalerów) oraz twórców najbardziej zaawansowanych modeli. Wnioskowanie ma potencjał, by było szersze, bardziej powtarzalne i głębiej osadzone w różnych branżach. Nvidia wyraźnie pozycjonuje się, by tę transformację wykorzystać.

Najbardziej konkretne aktualizacje z GTC:

• Wnioskowanie jako motyw przewodni: Nvidia jasno zakomunikowała, iż kolejna fala popytu na AI będzie wynikać w mniejszym stopniu z budowania modeli, a w większym – z ich masowego uruchamiania.
• Vera Rubin i mapa drogowa układów: GTC podkreśliła, iż nie chodzi tylko o bieżący popyt na Blackwella. Firma chce dać inwestorom wgląd w wieloletni rytm wprowadzania produktów – Blackwell, Rubin (Vera Rubin) i kolejne generacje – tak, by utrzymywać tempo wzrostu wydajności, obniżać koszty wnioskowania i utrzymywać klientów w szerszym ekosystemie Nvidii.
• Istotne podniesienie prognoz przychodów: Jensen Huang powiedział, iż Nvidia może sprzedać do 2027 r. układy Blackwell i Rubin o wartości co najmniej 1 biliona dolarów, co znacząco przewyższa wcześniejsze szacunki.
• OpenClaw i NemoClaw urzeczywistniły agentową AI: Huang wskazał OpenClaw jako otwartoźródłową bazę do budowy osobistych i firmowych agentów AI, a Nvidia wprowadziła środowisko uruchomieniowe OpenShell oraz stos NemoClaw, aby zapewnić mechanizmy polityk, zabezpieczenia oraz trasowanie z zachowaniem prywatności. To ważne, bo pokazuje, iż Nvidia chce być nie tylko dostawcą mocy obliczeniowej, ale także elementem warstwy kontrolnej, która pozwala bezpiecznie uruchamiać agentów wewnątrz firm.
• „Fizyczna AI” jako kolejna granica poza agentami cyfrowymi: Nvidia podkreśliła nowe partnerstwa w segmencie robotaxi i w motoryzacji – m.in. z BYD, Hyundaiem, Nissanem i Geely – obok współpracy z Uberem. Wskazała też na współpracę z liderami przemysłowymi i robotycznymi, takimi jak ABB, Universal Robots i KUKA, oraz z firmami telekomunikacyjnymi, np. T‑Mobile. To sygnał, iż Nvidia widzi rosnącą szansę w systemach AI działających w świecie fizycznym, a nie tylko w oprogramowaniu.

Te elementy razem wyjaśniają, skąd u Nvidii mocniejszy ton w sprawie przyszłego popytu.

Zaktualizowany pogląd Jensena Huanga, iż do 2027 r. Nvidia mogłaby sprzedać układy Blackwell i Rubin o wartości co najmniej 1 biliona dolarów, miał uspokoić inwestorów co do tego, iż cykl inwestycji w AI ma jeszcze długi horyzont. Równie ważne było przesłanie dotyczące mapy drogowej: wzmocnienie komunikatu o architekturze Vera Rubin i kolejnych generacjach, takich jak Feynman, aby pokazać, iż Nvidia planuje wyjść poza bieżący cykl i ustanowić coroczny rytm aktualizacji infrastruktury AI.

Rynek odebrał przekaz, ale podszedł do niego z rezerwą. Reakcja kursu akcji sugerowała, iż choć inwestorzy pozostają pozytywnie nastawieni do długoterminowej tezy inwestycyjnej, stają się bardziej selektywni wobec tego, co jest już wycenione.

Perspektywa inwestycyjna

Dla inwestorów szansa związana z GTC nie sprowadza się wyłącznie do samych akcji Nvidii. Najlepiej myśleć o tym warstwowo.

W centrum wciąż jest Nvidia – najbardziej oczywisty beneficjent utrzymujących się nakładów na infrastrukturę AI. Firma stara się pokazać, iż kolejny etap wzrostu to nie tylko sprzedaż „tych samych” układów w większej liczbie, ale także przechwytywanie większej części wartości z realnego wykorzystania AI, w miarę jak zadania obliczeniowe się zmieniają.

Rynek bywał skłonny traktować AI jak opowieść o GPU. GTC przypomniała, iż to opowieść o całych systemach.

Najprościej ująć tę okazję przez pryzmat potencjalnych wygranych:

• Nvidia i liderzy w zakresie mocy obliczeniowej dla AI: jeśli nakłady na infrastrukturę AI pozostaną silne i rozszerzą się na wnioskowanie, Nvidia jest najbliżej bezpośrednich korzyści. GTC pokazała, iż firma broni przewagi nie tylko w zakresie GPU, ale także CPU, systemów do wnioskowania, sieci oraz całego stosu oprogramowania. Mapa drogowa – od Blackwella, przez Verę Rubin, po kolejne generacje – jest tu kluczowa: daje klientom i inwestorom jasność co do tego, jak Nvidia chce utrzymywać tempo wzrostu wydajności i efektywności w kolejnych latach.
• Beneficjenci pamięci i przepustowości: jeśli skala wnioskowania będzie rosnąć, popyt na pamięci o wysokiej przepustowości (HBM), szybsze łącza i interkonekty oraz architektury systemów zdolne do sprawnego przetwarzania większych i bardziej złożonych zadań powinien pozostać wysoki. To oznacza, iż szeroka teza inwestycyjna dotycząca infrastruktury półprzewodnikowej pozostaje aktualna – w centrum uwagi nie są wyłącznie projektanci chipów.
• Infrastruktura centrów danych i energetyka: większa skala AI to również większe zapotrzebowanie na serwery, szafy rackowe, chłodzenie, zarządzanie energią i infrastrukturę przyłączeniową do sieci. Rozbudowa AI to bardzo „fizyczna” historia – to nie tylko kwestia oprogramowania.
• Oprogramowanie dla firm, orkiestracja i bezpieczeństwo AI: nacisk Nvidii na sztuczną inteligencję agentową i narzędzia dla przedsiębiorstw sugeruje, iż kolejna warstwa tworzenia wartości polega na wsparciu firm w przejściu od eksperymentów do wdrożeń. To przesuwa punkt ciężkości poza warstwę sprzętową – w kierunku oprogramowania, orkiestracji oraz zaufania i bezpieczeństwa.
• „Fizyczna AI” i autonomia: autonomiczna jazda, robotyka, symulacje i przemysłowe zastosowania AI są wciąż na wcześniejszym etapie, ale poszerzają rynek adresowalny w długim horyzoncie i pokazują, iż Nvidia szykuje się na świat, w którym AI działa w maszynach i środowiskach rzeczywistych – nie tylko w czatbotach.

Na co inwestorzy wciąż powinni zwracać uwagę

• Wydatki na AI mogą przez cały czas wyprzedzać jej monetyzację – to wciąż zasadniczy problem dla całego sektora. Nvidia może wskazywać na ogromny popyt, ale rynek coraz częściej pyta, czy klienci inwestujący w tę infrastrukturę wygenerują zwroty uzasadniające skalę nakładów. Dopóki to pytanie pozostaje otwarte, rynek będzie nagradzał dowody realnego wykorzystania i karał wszystko, co wygląda na spekulacyjną przesadę.
• Wnioskowanie może okazać się bardziej konkurencyjne niż trenowanie – Nvidia zdominowała erę trenowania, ale wnioskowanie to inna arena: bardziej wrażliwa na koszty i opóźnienia oraz w większym stopniu zależna od architektur dopasowanych do konkretnych zadań. To otwiera przestrzeń dla większej konkurencji ze strony układów projektowanych na zamówienie (custom silicon), procesorów ogólnego przeznaczenia (CPU) oraz wyspecjalizowanych dostawców rozwiązań do wnioskowania. Zapowiedzi Nvidii były imponujące, ale jednocześnie pokazały, iż firma ma świadomość, iż nie może uznać tej kolejnej fazy za pewnik.
• Ryzyka energetyczne i te związane z łańcuchami dostaw mogą się utrzymywać, choćby jeżeli konflikt z udziałem Iranu zniknie z czołówek – rozbudowa AI to wciąż bardzo „fizyczna” historia. Centra danych potrzebują dużych i stabilnych dostaw energii, a produkcja półprzewodników opiera się na gazach technicznych i energochłonnych procesach. Ostatnie zakłócenia w przetwórstwie gazu w Katarze pokazały, jak gwałtownie mogą pojawić się niedobory helu – kluczowego surowca w wytwarzaniu półprzewodników. choćby jeżeli sam konflikt wyhamuje, bardziej napięty rynek LNG, wyższe koszty energii, kruche łańcuchy dostaw gazów przemysłowych i opóźnienia w planowaniu infrastruktury mogą jeszcze długo ciążyć na rozbudowie AI i produkcji półprzewodników, już po wygaśnięciu bezpośredniej premii za ryzyko geopolityczne.
• Wycena wciąż zostawia kilka miejsca na rozczarowanie – Nvidia pozostaje jedną z najbardziej przekonujących długoterminowych historii inwestycyjnych na globalnych rynkach akcji, a zarazem jedną z najbaczniej obserwowanych. Gdy spółka jest wyceniana pod scenariusz wieloletniej dominacji, musi dostarczać nie tylko mocne wyniki, ale także takie, które przewyższają oczekiwania inwestorów. To nie podważa długoterminowej tezy inwestycyjnej, ale podnosi poprzeczkę dla pozytywnych niespodzianek.

Na co zwracać uwagę w dalszej perspektywie

Kolejny etap historii Nvidii rozstrzygnie się mniej pod wpływem konferencyjnych emocji, a bardziej dzięki twardym dowodom.

Inwestorzy powinni wypatrywać dowodów, iż najwięksi dostawcy usług chmurowych (tzw. hiperskalerzy) i klienci korporacyjni utrzymują nakłady na AI, mimo rosnącej presji na zwroty z inwestycji. Warto też obserwować, czy popyt na wnioskowanie wykracza poza kilka sztandarowych zastosowań i staje się elementem codziennego oprogramowania, procesów biznesowych oraz aplikacji konsumenckich.

Kolejne najważniejsze pytanie brzmi, czy Nvidia zdoła utrzymać siłę cenową i przewagę ekosystemową, gdy konkurenci mocniej stawiają na alternatywne architektury.

Innymi słowy, rynek przechodzi od wiary w AI do jej mierzenia. To ważna zmiana. Nie kończy scenariusza wzrostowego, ale czyni go bardziej zniuansowanym.

Wniosek strategiczny

GTC 2026 umocniła pozycję Nvidii w centrum rozbudowy infrastruktury AI, ale najważniejszy przekaz nie brzmiał: „Mamy kolejny układ do sprzedania”.

Chodziło o to, iż Nvidia widzi poszerzenie możliwości: od tworzenia modeli do ich wykorzystania, od klastrów do trenowania do „fabryk wnioskowania” oraz od infrastruktury chmurowej do zastosowań w świecie rzeczywistym.

To konstruktywny sygnał dla całego ekosystemu AI i wskazuje, iż okazja inwestycyjna nie wygasła wraz z pierwszą falą entuzjazmu. Jednocześnie rynek słusznie domaga się dziś większej dyscypliny.

Następny etap tej gry nagrodzi spółki, które potrafią przełożyć ambicje AI na trwałe przychody, stabilne marże oraz realne, mierzalne wdrożenia.

Na razie Nvidia wciąż wygląda na firmę najlepiej pozycjonowaną, by poprowadzić tę transformację. Pytanie nie brzmi już, czy popyt na AI jest realny. Pytanie brzmi, kto przechwyci z niej wartość ekonomiczną, gdy rynek dojrzeje. GTC mocno zasugerowała, iż Nvidia zamierza pozostać na czele stawki.

O Autorze

Charu Chanana, strateżka rynkowa w singapurskim oddziale Saxo Bank. Posiada ponad 10-letnie doświadczenie na rynkach finansowych, ostatnio jako Lead Asia Economist w Continuum Economics, gdzie zajmowała się analizą makroekonomiczną państw wschodzących Azji, ze szczególnym uwzględnieniem Indii i Azji Południowo-Wschodniej. Jest biegła w analizowaniu i monitorowaniu wpływu krajowych i zewnętrznych wstrząsów makroekonomicznych na region. Jest często cytowana w artykułach prasowych i regularnie pojawia się w CNBC, Bloomberg TV i Channel News Asia oraz w biznesowych kanałach radiowych Singapuru.