Na GTC Taipei 2026 se jasně ukázalo, že se debata kolem umělé inteligence posunula do nové fáze. Už nejde jen o modely, které umějí generovat text, obrázky nebo kód. Do popředí se dostává agentická AI, tedy systémy schopné pochopit zadání, naplánovat postup, používat nástroje a samostatně vykonávat práci.
Právě tento posun stál ve středu největších oznámení. NVIDIA představila infrastrukturu navrženou přímo pro svět AI agentů, od platformy Vera Rubin přes nový Vera CPU až po DSX, platformu pro optimalizaci datových center. Vedle samotných technologií ale zaznělo ještě jedno důležité sdělení: bez výrobních a systémových partnerů z Tchaj-wanu by tato nová generace AI infrastruktury nevznikla.
Celé setkání tak nepůsobilo jen jako produktové shrnutí. Spíš jako potvrzení, že budoucnost AI se bude opírat o extrémně těsné propojení čipů, serverů, napájení, chlazení, továren a softwaru. A právě v tom je GTC Taipei důležité.
Obsah
- 🤖 Od generativní AI k agentické AI
- ⚙️ Proč agenti mění pravidla pro datová centra
- 🧠 Vera Rubin jako superpočítač pro agenty
- 💻 Vera CPU otevírá nový typ trhu
- 🔋 DSX a boj o každý watt v datovém centru
- 🏭 AI továrny nejsou metafora, ale nový provozní model
- 🇹🇼 Tchaj-wan jako klíčový partner světové AI infrastruktury
- 📈 150 partnerů, stovky lokalit a průmyslová koordinace ve velkém
- 💼 Co to znamená pro firmy, které budují AI strategii
- 🌍 Proč je agentická AI ekonomicky tak významná
- 🚀 Kam se AI infrastruktura posouvá dál
- 📝 Závěr: GTC Taipei 2026 potvrdilo nástup agentické éry
🤖 Od generativní AI k agentické AI
Posledních několik let bylo ve znamení generativní AI. Modely začaly vytvářet přirozený text, navrhovat obrázky, doplňovat kód a odpovídat na otázky s rychlostí a kvalitou, která změnila očekávání firem i běžných uživatelů. Generativní AI otevřela dveře nové vlně automatizace a digitální kreativity.
Dalším krokem byly modely schopné uvažování. Nešlo už pouze o okamžitou odpověď na vstup, ale o postupné řešení úkolu. Model mohl rozložit problém na menší části, zvažovat více možností a dojít k promyšlenějšímu výsledku. To významně rozšířilo využití AI v analýze, programování i rozhodovacích procesech.
Teď se ale situace mění znovu. Agentická AI znamená, že systém nezůstává u jedné odpovědi. Místo toho:
- pochopí záměr zadání,
- navrhne plán,
- zvolí vhodné nástroje,
- provede více kroků za sebou,
- průběžně vyhodnocuje výsledek,
- a pokračuje, dokud úkol nedokončí.
To je zásadní rozdíl. Dříve člověk otevřel aplikaci, proklikal se nabídkami a ručně provedl sérii kroků. U agentické AI stačí formulovat cíl. Samotný agent pak řeší zbytek. V praxi to může znamenat správu zákaznických požadavků, automatizaci vývoje softwaru, dohled nad provozem nebo složité analytické workflow.
Tento posun není jen jazyková hra. Znamená změnu výpočetního modelu. Zatímco tradiční software čekal na kliknutí nebo příkaz člověka, AI agenti pracují nepřetržitě, ve velkém množství paralelních procesů a ve velmi krátkých časových intervalech.
Pro lepší kontext je užitečné sledovat i širší vývoj v oblasti AI infrastruktury. Například NVIDIA Data Center dlouhodobě ukazuje, jak rychle roste poptávka po akcelerovaném výpočetním výkonu pro trénování i inferenci modelů.
⚙️ Proč agenti mění pravidla pro datová centra
Jakmile AI začne jednat jako agent, tlak na infrastrukturu dramaticky roste. Agent nepoloží jednu otázku a nekončí. Neustále orchestruje modely, spouští nástroje, zpracovává výstupy, vrací se zpět k dalším krokům a spravuje tisíce souběžných pracovních toků.
To vytváří úplně jiný profil zátěže než tradiční podnikové aplikace. Nejde jen o vysoký výkon, ale o kombinaci těchto vlastností:
- nízká latence pro rychlé reakce mezi jednotlivými kroky,
- vysoká propustnost pro obsluhu mnoha agentů současně,
- škálování na úrovni podů a celých clusterů,
- efektivní práce s energií,
- provázání CPU, GPU, paměti, sítě a softwaru.
Jinými slovy, agentická AI nepotřebuje jen „více čipů“. Potřebuje systém navržený od základu pro nový typ provozu. A právě zde NVIDIA představila architekturu, která má tuto potřebu řešit.
Z obchodního hlediska je sdělení jednoduché. Pokud má každá firma provozovat AI agenty, každá firma také potřebuje infrastrukturu uzpůsobenou pro jejich běh. Datové centrum už není jen místo pro ukládání dat a provoz aplikací. Mění se na továrnu na AI výstupy, kde je klíčovou metrikou produktivita na watt, latence mezi kroky a celková schopnost škálovat autonomní pracovní zatížení.
🧠 Vera Rubin jako superpočítač pro agenty
Jedním z hlavních oznámení byla platforma Vera Rubin. NVIDIA ji popisuje jako systém navržený přímo pro agentickou AI. To je podstatné, protože nejde jen o další generační skok ve výkonu. Jde o změnu cíle, pro který je infrastruktura optimalizována.
Vera Rubin má být v plné produkci a od základu cílí na provoz agentů ve velkém měřítku. Nejde tedy pouze o zrychlení inference v klasickém slova smyslu. Cílem je podporovat celé agentické workflow, kde se střídá rozhodování, plánování, volání externích nástrojů a opakované zpracování dat.
Jedním z nejvýraznějších parametrů je tvrzení o desetinásobné propustnosti agentů oproti Blackwellu. Pokud se tento přínos promítne do reálných nasazení, znamená to nejen vyšší výkon, ale i možnost obsloužit výrazně větší počet autonomních pracovních procesů v rámci stejné nebo podobné infrastruktury.
Velký důraz se klade i na nasazení na úrovni podů a na optimalizaci napříč celým stackem. Tedy od samotného křemíku přes systémovou integraci až po fyzické uspořádání v datovém centru. Takový přístup dává smysl, protože u AI továren už dávno nerozhoduje jen výkon jednoho akcelerátoru. Rozhoduje, jak dobře spolupracují všechny vrstvy najednou.
Pro firmy, které sledují vývoj AI hardwaru, je dobré vnímat i širší souvislost. V posledních letech se stále častěji mluví o tom, že moderní AI systémy je potřeba navrhovat jako celek, nikoli jako sbírku samostatných komponent. Podobný trend je patrný i v oblasti vysoce výkonného počítání, které dlouhodobě mapuje například TOP500.
💻 Vera CPU otevírá nový typ trhu
Vedle platformy Vera Rubin zaznělo ještě jedno oznámení, které může být z dlouhodobého hlediska velmi důležité. NVIDIA představila Vera CPU jako procesor vytvořený pro agentické workflow.
To je zajímavé z několika důvodů. Tradiční CPU byly historicky navrhovány pro úlohy ovládané člověkem a pro obecné podnikové aplikace. Agentická AI ale přináší jiné vzorce práce. Systém nečeká na uživatele, ale sám průběžně zahajuje další akce, koordinuje výpočetní operace a udržuje vysoké tempo mezi jednotlivými kroky.
Vera CPU má podle představených informací nabídnout 1,8násobné zrychlení v agentických pracovních postupech. To naznačuje, že NVIDIA nevidí CPU jako doplněk k GPU, ale jako důležitý prvek celého orchestru. V agentické AI je totiž běžné, že část práce probíhá na akcelerátorech, část na procesorech a část v síťové či úložné vrstvě.
Zároveň zaznělo, že Vera CPU už našel adopci u významných hráčů, jako jsou OpenAI, Anthropic, Oracle a CoreWeave. To je signál, že nejde jen o experimentální produkt. Pokud takové firmy nové CPU přebírají do svých plánů, svědčí to o reálném očekávání, že agentická zátěž bude rychle růst.
Na této myšlence je zajímavé ještě něco jiného. Když se mluví o tom, že jednou bude více AI agentů než lidí na planetě, nejde jen o dramatickou formulaci. Z technologického hlediska to znamená obrovský násobek výpočetních požadavků. Každý agent potřebuje výpočetní kapacitu, přístup k modelům, paměti, síti a nástrojům. Tím vzniká nový trh, kde už nestačí navrhovat systémy pro lidské tempo práce. Je třeba navrhovat systémy pro digitální pracovní sílu.
🔋 DSX a boj o každý watt v datovém centru
Vedle nového hardwaru zaznělo také velmi praktické téma: energie. Moderní AI infrastruktura je extrémně náročná na napájení a právě energetické limity dnes často určují, jak rychle může firma rozšiřovat kapacitu svých datových center.
V tomto kontextu NVIDIA zdůraznila platformu DSX, tedy nástroj pro optimalizaci datových center. Myšlenka je jednoduchá, ale dopad může být zásadní. Ve světě, kde je elektřina omezeným zdrojem, se každý watt stává obchodním aktivem.
Když má provozovatel k dispozici například jeden gigawatt, nezíská automaticky další jen proto, že poptávka po AI roste. Musí maximálně využít to, co už má. A právě zde DSX vstupuje do hry jako platforma, která má pomoci bezpečně nasadit více GPU v rámci stejného energetického rozpočtu.
Podle sdělení z GTC Taipei dnešní AI továrny často naddimenzovávají napájení až o 40 procent. To znamená, že část dostupné kapacity zůstává nevyužitá nebo je rezervována konzervativněji, než je nutné. Pokud software a řízení infrastruktury umožní přesnější optimalizaci, může provozovatel dostat více výkonu ze stejné fyzické budovy a stejného příkonu.
To má přímý dopad na ekonomiku. Více GPU v daném energetickém limitu znamená:
- vyšší propustnost AI služeb,
- lepší návratnost investic do již postavené infrastruktury,
- rychlejší monetizaci existujících datových center,
- větší konkurenceschopnost v prostředí omezených zdrojů.
Z obchodního hlediska jde o velmi silnou tezi: propustnost na watt se stává přímým ukazatelem výnosu. Kdo umí vytěžit více užitečné práce ze stejné energie, získává výhodu nejen technickou, ale i finanční.
Téma energetické efektivity ostatně řeší celé odvětví. Přehled o dopadech a trendech v provozu digitální infrastruktury pravidelně nabízí například International Energy Agency, která sleduje rostoucí energetické nároky datových center a AI.
🏭 AI továrny nejsou metafora, ale nový provozní model
V souvislosti s novou infrastrukturou se často používá pojem AI factory, tedy AI továrna. Nejde o marketingovou nálepku. Je to stále přesnější popis toho, jak moderní datová centra fungují.
V klasickém modelu bylo datové centrum místem, kde běžely aplikace, databáze a síťové služby. V modelu AI továrny vstupují do systému data a výpočetní výkon a výstupem jsou tokeny, predikce, rozhodnutí, návrhy, automatizované akce a práce odvedená agenty.
Tovární logika se promítá do každé vrstvy:
- vstupy tvoří data, modely, nástroje a energetická kapacita,
- výrobní linku představují GPU, CPU, síť, orchestrace a software,
- výstupem je produktivní práce agentů a obchodní hodnota.
Jakmile se na infrastrukturu dívám tímto pohledem, začíná dávat větší smysl, proč NVIDIA spojuje hardware, software i energetickou optimalizaci do jedné strategie. Továrna není efektivní jen tehdy, když má rychlý stroj. Je efektivní tehdy, když celý provoz funguje plynule, bez zbytečných rezerv, výpadků a úzkých míst.
Právě proto je tak důležité, že se nová generace AI infrastruktury navrhuje od čipu až po datové centrum jako celek. U agentické AI totiž snadno vznikají nečekané limity. Někde chybí výkon CPU pro orchestraci, jinde je problém v napájení, chlazení nebo síťové propustnosti. Celkový výsledek pak neurčuje nejsilnější součást, ale nejslabší článek řetězce.
🇹🇼 Tchaj-wan jako klíčový partner světové AI infrastruktury
Jedním z nejsilnějších momentů celé akce bylo uznání role tchajwanských partnerů. A nebyla to jen formální poděkování. Celé sdělení stálo na tom, že bez výrobních a systémových firem z Tchaj-wanu by současná vlna AI infrastruktury nevznikla v takovém tempu a měřítku.
Mezi zmíněnými partnery se objevily společnosti:
- Foxconn,
- Quanta,
- Wistron,
- ASUS,
- GIGABYTE,
- Pegatron,
- Wiwynn.
Tyto firmy reprezentují mimořádně důležitou část globálního dodavatelského řetězce pro servery, systémy, integraci a výrobu. Když se mluví o budování AI továren, právě zde vzniká velká část fyzické reality celého odvětví. Servery, racky, systémové návrhy, výrobní kapacita a rychlé nasazení ve velkém objemu jsou oblasti, kde má Tchaj-wan mimořádně silnou pozici.
NVIDIA popsala tento model spolupráce jako něco, co přesahuje běžný vztah dodavatel a odběratel. Zazněl pojem extrémní spolunávrh, tedy velmi těsné propojení mezi návrhem architektury, výrobou a nasazením. To přesně odpovídá tomu, co dnešní AI infrastruktura potřebuje.
Pokud má vzniknout platforma typu Vera Rubin, nestačí navrhnout čip a poslat ho do světa. Je nutné sladit:
- mechanický design systémů,
- napájecí architekturu,
- chlazení,
- výrobu serverů a racků,
- logistiku,
- testování,
- provozní nasazení v datových centrech.
Právě v tomto bodě se ukazuje, proč je Tchaj-wan pro AI tak důležitý. Nejde jen o výrobu jednotlivých komponent. Jde o schopnost dodat celé systémy rychle, přesně a v obrovském měřítku.
Širší kontext k roli tchajwanského technologického ekosystému nabízí i přehledy organizací jako COMPUTEX Taipei, které dlouhodobě ukazují sílu místního hardwarového a výrobního prostředí.
📈 150 partnerů, stovky lokalit a průmyslová koordinace ve velkém
Rozsah tohoto partnerského modelu je pozoruhodný. Zaznělo, že na realizaci nové infrastruktury se podílí 150 partnerů, miliony čtverečních stop výrobních a provozních ploch a stovky lokalit. To už není projekt jedné firmy ani jedné továrny. Je to průmyslový ekosystém, který funguje s mimořádnou přesností.
Z pohledu trhu je to důležitý signál. V AI se často mluví hlavně o modelech, GPU a benchmarkách. Jenže skutečný rozdíl mezi slibem a realitou vytváří schopnost dodat systém včas, v objemu a s dostatečnou provozní kvalitou. Právě to odlišuje technologickou demonstraci od skutečné průmyslové platformy.
Když se podaří koordinovat stovky lokalit a rozsáhlou síť partnerů, přináší to několik výhod:
- rychlejší náběh výroby,
- lepší dostupnost systémů,
- vyšší odolnost dodavatelského řetězce,
- možnost škálovat podle globální poptávky,
- těsnější propojení mezi návrhem a nasazením.
V době, kdy se AI infrastruktura stává strategickým aktivem států i velkých podniků, má taková průmyslová koordinace obrovskou hodnotu. Firmy už nehledají jen nejlepší komponentu. Hledají spolehlivého partnera pro celý životní cyklus systému.
💼 Co to znamená pro firmy, které budují AI strategii
Z GTC Taipei 2026 si odnáším několik velmi praktických závěrů pro podniky, cloudové poskytovatele i provozovatele datových center.
AI agenti už nejsou vzdálená vize
Největší změna spočívá v tom, že agentická AI se prezentuje jako technologie připravená pro současné nasazení. Firmy by proto neměly plánovat pouze chatboty nebo jednorázové generování obsahu. Měly by přemýšlet o celých autonomních procesech.
Infrastruktura se stává konkurenční výhodou
Pokud bude každá firma provozovat agenty, nebude rozhodovat jen kvalita modelu. Velkou roli sehrají dostupný výkon, energetická efektivita a schopnost škálovat. To znamená, že strategie kolem datových center, GPU clusterů a orchestrace bude přímo ovlivňovat obchodní výsledky.
CPU, GPU a software je třeba řešit společně
Oznámení kolem Vera Rubin a Vera CPU ukazují, že agentická AI potřebuje vyvážený systém. Nestačí soustředit se na jeden parametr. Úspěch bude záviset na tom, jak dobře do sebe zapadnou akcelerátory, procesory, síť, úložiště a řídicí software.
Energetické limity budou čím dál důležitější
Platforma DSX připomíná, že budoucnost AI nebude o neomezeném přidávání výkonu. Bude o schopnosti dostat maximum z omezeného napájení. To je zvlášť důležité pro firmy, které už provozují datová centra a chtějí zvýšit jejich výnos bez rozsáhlé nové výstavby.
Partnerství rozhoduje víc než kdy dřív
Nová generace AI infrastruktury vzniká jen díky mimořádně těsné spolupráci napříč průmyslem. Pro firmy to znamená, že výběr partnerů nebude okrajové rozhodnutí. Bude to klíčový faktor rychlosti nasazení i dlouhodobé škálovatelnosti.
🌍 Proč je agentická AI ekonomicky tak významná
Jedním z nejsilnějších tvrzení, které zaznělo, byl ekonomický rozměr agentické AI. Padlo, že AI agenti už dnes generují ekonomický výstup v hodnotě bilionů dolarů, a to z práce, kterou dříve vykonávali lidé, zejména v technických a inženýrských rolích.
I kdybych nechal stranou přesné interpretace takových čísel, hlavní pointa je zřejmá. Hodnota AI se přesouvá od samotného modelu k reálně vykonané práci. To je zásadní změna pro celý trh.
Generativní AI byla pro mnoho firem nejprve nástrojem produktivity. Pomáhala psát, analyzovat nebo navrhovat. Agentická AI jde o krok dál. Sama provádí řetězec úkonů a zkracuje cestu mezi zadáním a hotovým výsledkem. To zvyšuje ekonomickou návratnost, protože organizace neplatí jen za obsah nebo odpovědi, ale za dokončené úkoly.
Právě proto je tak důležitá infrastruktura. Jakmile AI vytváří přímou pracovní hodnotu, roste tlak na dostupnost, spolehlivost a cenu provozu. Každé zdržení, každý nevyužitý watt a každý infrastrukturní limit se okamžitě promítá do výstupu celé AI továrny.
🚀 Kam se AI infrastruktura posouvá dál
Pokud bych měl celé GTC Taipei 2026 shrnout jednou větou, řekl bych toto: AI vstupuje do fáze, kdy už nejde jen o inteligenci modelu, ale o průmyslovou schopnost tuto inteligenci vyrábět, provozovat a doručovat ve velkém.
To vysvětluje, proč zazněla trojice Vera Rubin, Vera CPU a DSX společně. Každý z těchto prvků řeší jinou část stejného problému:
- Vera Rubin cílí na vysokou propustnost agentické AI,
- Vera CPU posiluje systémovou stránku agentických workflow,
- DSX řeší ekonomiku provozu a využití energie.
Dohromady vytvářejí obraz AI infrastruktury, která je navržena ne pro experimenty, ale pro průmyslový provoz. A právě to je možná nejdůležitější poselství celé akce.
V příštích letech se nejspíš bude stále častěji mluvit o tom, kolik agentů firmy nasazují, jak rychle je dokážou škálovat a kolik hodnoty z nich umějí získat v rámci pevně daných energetických a kapacitních limitů. To už není jen otázka výzkumu AI. Je to otázka architektury datových center, dodavatelských řetězců a průmyslové koordinace.
📝 Závěr: GTC Taipei 2026 potvrdilo nástup agentické éry
GTC Taipei 2026 vyslalo velmi jasný signál. Agentická AI už není koncept, který čeká na budoucnost. Stává se novým provozním modelem pro software, podnikové procesy i datová centra.
NVIDIA tomu přizpůsobuje celý stack. Platforma Vera Rubin má nabídnout výkon pro masový provoz agentů. Vera CPU ukazuje, že i procesory se začínají navrhovat pro svět autonomních workflow. DSX pak připomíná, že bez chytré práce s energií nebude možné tuto budoucnost provozně utáhnout.
Stejně důležitá je ale i druhá část příběhu. Za novou generací AI infrastruktury stojí mimořádně silný partnerský ekosystém, zejména na Tchaj-wanu. Bez něj by žádná AI továrna nebyla víc než ambiciózní návrh.
Právě v tom spočívá skutečný význam letošního setkání. Nešlo jen o oznámení nových produktů. Šlo o potvrzení, že pro éru agentické AI už vzniká kompletní průmyslová základna, od návrhu čipů až po fyzickou výrobu systémů a optimalizaci každého wattu v datovém centru.
Pro firmy, které plánují další krok v AI, je to důležitá zpráva. Budoucnost nebude patřit těm, kdo si jen pořídí model. Bude patřit těm, kdo dokážou postavit a provozovat celou infrastrukturu pro digitální agenty ve velkém, efektivně a spolehlivě.
