Rekordowy kwartał Nvidii pokazuje, że popyt na AI wciąż gwałtownie rośnie, a wyścig infrastrukturalny rozszerza się na procesory CPU, sieci, robotykę i przetwarzanie na krawędzi sieci.

28 sierpnia 2026

Nota redakcyjna: Witamy w Prompt, cotygodniowym przeglądzie zmieniającego się krajobrazu AI. Oferujemy analityczne spojrzenie na najważniejsze wydarzenia tygodnia wraz ze starannie dobranym przeglądem najistotnych artykułów.

Przez lata wyścig infrastrukturalny w obszarze AI był definiowany w dużej mierze przez jedno: procesory GPU.

Najnowsze wyniki Nvidii sugerują, że ten wyścig nie zwalnia. Robi się coraz większy.

Producent układów AI poinformował w tym tygodniu o kwartalnych przychodach w wysokości 96,2 miliarda dolarów — ponad dwukrotnie więcej niż rok wcześniej. Przychody z centrów danych osiągnęły 89 miliardów dolarów i wzrosły o 117% rok do roku, wraz z dalszym narastaniem popytu na infrastrukturę obliczeniową AI.

Liczby mogą jednak nie być najważniejszym elementem kwartału Nvidii.

Jednocześnie firma ogłosiła rekordowe wyniki. Nvidia rozszerzyła partnerstwo z AWS, które doda kolejne 2 miliony procesorów GPU Nvidia w globalnej infrastrukturze tego dostawcy chmury. Współpraca wykracza poza GPU na procesory CPU, sieci, modele otwarte, rządową infrastrukturę AI i robotykę.

Powiązane: Wykorzystanie przez Z.AI chińskich układów w nowym modelu to kwestia optymalizacji

Podobne działania Nvidia podejmuje na krawędzi sieci. Firma zaprezentowała w tym tygodniu platformę Jetson Orin Nano 2, zaprojektowaną do uruchamiania AI w robotach, dronach i systemach wizyjnych, chcąc wykorzystać rosnące zainteresowanie fizyczną AI. W przeciwieństwie do procesorów GPU w centrach danych te systemy o małych gabarytach uruchamiają modele bezpośrednio na urządzeniu, co ma znaczenie w zastosowaniach, w których kluczowa jest szybkość reakcji albo nie można zakładać łączności z chmurą.

Razem wzięte te wydarzenia wskazują, że rynek infrastruktury AI nie tylko nadal się rozszerza, ale też staje się znacznie szerszy.

Trening dużych modeli napędzał większość początkowego boomu infrastrukturalnego w branży. Obecnie AI agentowa, inferencja, robotyka i inne wschodzące obciążenia tworzą nowe zapotrzebowanie na infrastrukturę obliczeniową — w chmurze, w centrach danych, a coraz częściej także na krawędzi sieci.

Ta ekspansja komplikuje również decyzje infrastrukturalne przedsiębiorstw. Dyrektorzy IT (CIO) nie wybierają już jedynie potrzebnej pojemności GPU. Ważą różne układy, architektury chmurowe, wymagania sieciowe i coraz bardziej wyspecjalizowaną infrastrukturę — w zależności od tego, gdzie i jak AI będzie działać.

Ograniczeniem nie jest już sam krzem. Dostępność energii i przepustowość sieci elektroenergetycznej stały się pierwszoplanowymi kwestiami przy planowaniu nowych centrów danych AI, a największe inwestycje branży planuje się dziś wokół energii w równym stopniu co wokół układów — zmiana, która przesuwa planowanie infrastruktury daleko poza samo centrum danych, w stronę sektora energetycznego, gruntów i długo realizowanych przyłączy sieciowych.

Są też sygnały, że Nvidia nie pozostanie z tym polem wyłącznie dla siebie. Chiński dostawca AI Z.ai poinformował w tym tygodniu, że wykorzystał 100 000 układów wyprodukowanych w kraju do obsługi zapytań do swojego najnowszego modelu — kolejny dowód, że firmy starają się ograniczyć zależność od Nvidii i optymalizować obciążenia AI na różnym sprzęcie.

Wyparcie lidera to jednak inna sprawa. Pozycja Nvidii opiera się w równym stopniu na oprogramowaniu co na krzemie: jej platforma CUDA pozostaje fundamentem, wokół którego zbudowano większość frameworków AI i narzędzi deweloperskich, co oznacza, że sprzęt konkurencji potrzebuje zwykle odpowiedniego ekosystemu — a nie tylko porównywalnej wydajności — by zyskać adopcję na dużą skalę.

Na razie jednak najnowszy kwartał Nvidii wysyła jednoznaczny sygnał: boom infrastruktury AI nie dobiega końca. Wchodzi w swoją kolejną fazę.

Jak daleko ta faza sięgnie — to otwarte pytanie, które wisi obecnie nad branżą: czy popyt skoncentrowany dziś w hiperskalowych centrach danych rozprzestrzeni się równie głęboko na roboty, drony i codzienne urządzenia przedsiębiorstw oraz czy sieci elektroenergetyczne, łańcuchy dostaw i budżety firm nadążą za inwestycjami w tej skali.

Również w tym tygodniu w wiadomościach AI:

Raport OpenAI szczegółowo wyjaśnia atak na Hugging Face: Śledztwo laboratorium AI w sprawie naruszenia bezpieczeństwa Hugging Face ujawnia, jak setki agentów AI wydostały się ze środowiska testowego, współpracowały przez nieautoryzowane kanały i ostatecznie zaatakowały platformę.

Powiązane: Qwen 3.8 Flash-Next jest tani, ale pojawiają się czynniki komplikujące

Meta płaci 18 mld dolarów za ugodę w amerykańskim procesie o bezpieczeństwo dzieci: Firma z branży mediów społecznościowych zgodziła się zapłacić 18 miliardów dolarów w ramach ugody w amerykańskim procesie dotyczącym bezpieczeństwa dzieci oraz zobowiązała się do zmian wzmacniających ochronę młodych użytkowników na Facebooku i Instagramie.

Przewaga Chin w humanoidach to sprzęt, nie AI: Przewaga Chin w robotyce wydaje się mieć mniej wspólnego z AI niż z ich siłą w wytwarzaniu kluczowych podzespołów, takich jak silniki, przekładnie i magnesy.

OpenAI przenosi planowanie energetyczne do struktury centrów danych: OpenAI włącza planowanie energetyczne bezpośrednio do organizacji centrów danych, ponieważ dostępność energii wiąże się coraz silniej z ogromną ekspansją infrastruktury AI tego dostawcy.

Apple prezentuje komputery i układy dedykowane obciążeniom AI: Gigant technologii konsumenckich stawia przemyślane kroki na arenie AI.

W trybie nadrabiania zaległości Google wprowadza agentów AI dla usług finansowych i prawnych: Google uruchomił nowych agentów AI dla usług finansowych i prawnych, sygnalizując głębsze zaangażowanie w agentową AI dla konkretnych branż w ramach wysiłków, by dogonić konkurentów.

Dział robotyki XPeng wyceniony na 6,3 mld dolarów po inwestycji: Dział robotyki chińskiego producenta samochodów elektrycznych osiągnął wycenę 6,3 miliarda dolarów po nowej rundzie inwestycyjnej, co podkreśla rosnące zainteresowanie inwestorów szybko rozszerzającym się rynkiem robotyki humanoidalnej w Chinach.

Powiązane: Wyzwania kosztowe związane z przenośnym komputerem Perplexity

Lancium i Nvidia współpracują przy centrach danych AI w skali gigawatów: Firmy łączą siły przy budowie centrów danych AI w skali gigawatów, co pokazuje, jak deweloperzy na nowo przemyślują infrastrukturę energetyczną i sieciową, aby sprostać szybko rosnącemu zapotrzebowaniu na obliczenia AI.