Na GTC Taipei 2026 zaznělo jednoduché, ale velmi silné sdělení: užitečná umělá inteligence je tady. Ne jako vzdálená vize, ne jako laboratorní experiment, ale jako praktický nástroj, který má pracovat po našem boku. Hlavní téma celé prezentace se točilo kolem agentní AI, nové výpočetní infrastruktury a směru, kterým se posouvá celý technologický ekosystém od datových center až po humanoidní robotiku.
Závěrečné shrnutí keynote bylo pojaté hravě, ale obsahově ukazovalo na několik opravdu podstatných bodů. Když odhlédnu od stylu podání, zůstane velmi jasný obrázek: NVIDIA vidí nejbližší budoucnost v propojení AI agentů, extrémního výpočetního výkonu, otevřených softwarových vrstev, cloudové infrastruktury a fyzické robotiky. A právě tohle spojení je dnes důležitější než jednotlivé produkty samy o sobě.
Celé oznámení navíc dobře zapadá do dění kolem GTC Taipei a veletrhu Computex 2026, kde se tradičně neukazují jen nové čipy, ale hlavně směry, které budou formovat průmysl, software i podnikání v dalších letech.
Obsah
- 🤖 Agentní AI se posouvá od pojmu k praxi
- ⚙️ Proč AI agenti potřebují tolik výpočetního výkonu
- 🧠 Vera jako odpověď na novou generaci AI zátěže
- 🚀 CPU výkon už není vedlejší téma
- 🔗 NVLink Fusion a propojená architektura pro AI
- 🏭 Výroba v plném proudu a tlak na reálné nasazení
- 🛡️ Guardrails, bezpečnost a proč nestačí jen rychlý model
- 🌐 Otevřený software a „pěti vrstvý dort“ AI stacku
- ☁️ Globální AI cloudy a datová centra v řádu gigawattů
- 📈 Optimalizace pro každého a ekonomika AI nasazení
- 💼 „Mít dort a sníst ho“: výkon bez kompromisu jako hlavní slib
- 🦾 Budoucnost je humanoidní, ale ne v hollywoodském smyslu
- 🌃 Proč dává smysl, že se tohle všechno odehrálo právě v Tchaj-peji
- 🔍 Co si z GTC Taipei 2026 odnáším jako hlavní poselství
- 🧭 Kam to celé směřuje dál
🤖 Agentní AI se posouvá od pojmu k praxi
Největší myšlenka celé keynote byla zřejmá hned od začátku: AI agenti už nejsou okrajový koncept. Stávají se novou výpočetní vrstvou, která má lidem pomáhat vykonávat práci, organizovat úkoly, automatizovat procesy a vytvářet nové typy firem i služeb.
To je důležitý posun. Ještě nedávno byla umělá inteligence v mnoha firmách chápána hlavně jako nástroj pro generování textu, obrázků nebo analytických výstupů. Agentní přístup ale míří dál. Nejde jen o odpověď na dotaz. Jde o systém, který dokáže:
- porozumět cíli,
- rozložit práci na kroky,
- pracovat s nástroji a daty,
- spolupracovat s dalšími agenty,
- a doručit konkrétní výsledek.
Právě proto keynote mluvila o agentech jako o „týmech“, které pomáhají plnit sny a budovat firmy doslova z obýváku. To není jen poetický obraz. V praxi to znamená, že malý tým, startup nebo i jednotlivec může díky AI nástrojům dělat práci, která dříve vyžadovala celou organizaci.
Tohle je z ekonomického hlediska obrovská změna. Klesá cena tvorby softwaru, marketingu, podpory, výzkumu i provozních činností. Současně ale dramaticky roste nárok na infrastrukturu. Jakmile mají AI agenti fungovat spolehlivě, rychle a ve velkém měřítku, potřebují masivní výpočetní výkon, velmi rychlou komunikaci mezi komponentami a dobře navržený software.
A právě tady NVIDIA navazuje druhou částí svého sdělení: agenti jsou sice budoucnost, ale bez nové generace hardwaru by zůstali jen slibem.
⚙️ Proč AI agenti potřebují tolik výpočetního výkonu
Jedna z nejpraktičtějších myšlenek keynote byla přiznání něčeho, co si dnes uvědomuje skoro každý, kdo s generativní AI pracuje ve větším měřítku: agentní systémy jsou výpočetně náročné.
Je to logické. Jeden agent často nedělá jen jednu inferenci. Může jít o řetězení několika modelových kroků, používání externích nástrojů, hledání v dokumentech, plánování dalších akcí, průběžné vyhodnocování výsledků a spolupráci s dalšími službami. Když se tento model nasadí v podniku, tisíce nebo miliony takových operací běží paralelně.
Výpočetní požadavky proto rostou ve třech směrech:
- Výkon na jádro a akcelerátor pro samotné modely.
- Datová propustnost a latence pro práci s pamětí, sítí a uloženými daty.
- Efektivní orchestrace mezi CPU, GPU, síťovou vrstvou a softwarem.
V moderní AI infrastruktuře už nestačí mít jen „rychlý čip“. Rozhoduje celé prostředí. Jak dobře spolu komunikují výpočetní uzly, jak rychle se pohybují data, jaké jsou režijní náklady a zda je architektura stavěná přímo pro AI agenty, nikoli jen obecně pro servery.
To je důvod, proč keynote nezdůrazňovala jen jednu samostatnou novinku, ale celý navazující stack. Hardwarová vrstva, propojovací technologie, open source software, cloudová infrastruktura i bezpečnostní mantinely byly představené jako jeden propojený celek.
🧠 Vera jako odpověď na novou generaci AI zátěže
Jedním z hlavních oznámení bylo představení platformy Vera, která byla popsaná jako odpověď na rostoucí nároky agentní AI. Hravá forma prezentace zmiňovala především zásadní zrychlení a vyšší specializaci pro tento typ úloh.
Z kontextu je zřejmé, že Vera není vnímaná jen jako další přírůstek do produktové řady. Má představovat architekturu navrženou s ohledem na to, jak se AI výpočty skutečně používají dnes a jak se budou používat zítra. Tedy ne jen jednorázové spuštění modelu, ale nepřetržité, interaktivní, víceagentní workflow.
Zmínka o tom, že Vera přináší výrazně vyšší výkon, ukazuje na důležitý trend v odvětví: AI se stále více specializuje na konkrétní typy nasazení. Dříve bylo časté oddělení mezi univerzálním výpočetním hardwarem a AI akcelerací. Dnes je stále zřetelnější, že AI platformy je potřeba navrhovat holisticky, od procesoru až po software.
Pokud mají AI agenti fungovat jako digitální spolupracovníci, očekává se od nich několik věcí zároveň:
- rychlé reakce,
- schopnost zpracovat velké kontexty,
- současné obsloužení mnoha úloh,
- stabilita v produkci,
- a přiměřená energetická efektivita.
Právě tady dává smysl, že keynote spojovala Veru s vyšší připraveností na budoucí agentní pracovní zátěž. Není to jen o benchmarku. Je to o tom, zda infrastruktura zvládne reálné podnikové nasazení.
🚀 CPU výkon už není vedlejší téma
Zajímavé bylo i to, jak výrazně se mluvilo o CPU části systému. Dlouhou dobu se veřejná debata kolem AI soustředila hlavně na GPU. To dává smysl, protože právě GPU nesou většinu tréninku i inferenčního zatížení. Jenže v praxi CPU rozhodně nezmizelo. Naopak.
Keynote zdůraznila, že nová generace přináší zhruba o polovinu vyšší výkon CPU. To je důležité hlavně proto, že CPU v AI serverech řeší orchestrace, zpracování dat, plánování úloh, obsluhu systému, bezpečnostní funkce a často také část inferenční logiky mimo samotný modelový výpočet.
Jakmile firmy přecházejí od experimentů k produkčním agentním systémům, CPU začíná být kritickým prvkem. Slabý procesor totiž může zpomalit celý řetězec, i když jsou akcelerátory velmi rychlé. Výsledkem není jen nižší výkon, ale i vyšší provozní náklady.
Právě proto dává smysl, že NVIDIA mluví o platformě, kde CPU a zbytek systému nejsou oddělené světy. U agentní AI totiž nevyhrává ten, kdo má jen nejsilnější akcelerátor. Vyhrává ten, kdo zvládne vyvážený systém.
🔗 NVLink Fusion a propojená architektura pro AI
Dalším klíčovým motivem bylo NVLink Fusion. I když šlo o stručnou zmínku, její význam je velký. V AI infrastruktuře je komunikace mezi čipy a uzly často stejně důležitá jako výkon samotných čipů. Pokud se data přesouvají pomalu nebo s velkou latencí, výkon systému padá bez ohledu na teoretické maximum jednotlivých komponent.
NVLink dlouhodobě patří mezi důležité technologie NVIDIA pro vysokorychlostní propojení. Odkaz na „fusion“ naznačuje důraz na užší integraci různých výpočetních částí do jedné soudržné architektury. To je přesně to, co moderní AI workloady potřebují.
V praxi to znamená několik výhod:
- rychlejší přenos dat mezi akcelerátory,
- lepší škálování modelů a agentních workflow,
- nižší latenci při sdílení kontextu a stavů,
- efektivnější využití paměti a clusterů.
Čím více se AI přesouvá k víceagentním systémům a složitým multimodálním modelům, tím důležitější bude i způsob, jak jsou jednotlivé prvky propojené. Z pohledu enterprise nasazení je to často právě síťová a systémová architektura, která rozhoduje, jestli projekt poběží hladce, nebo se utopí v provozních problémech.
🏭 Výroba v plném proudu a tlak na reálné nasazení
V keynote zaznělo i to, že některé platformy jsou už v plné produkci. To je důležitý detail, protože AI trh se rychle posouvá z fáze oznámení do fáze doručování. Firmy dnes nechtějí jen slyšet, co přijde za dva roky. Chtějí vědět, co mohou stavět teď.
Když technologická společnost zdůrazňuje produkční připravenost, vysílá tím několik signálů:
- dodavatelský řetězec se stabilizuje,
- ekosystém partnerů je připraven,
- software a nástroje nejsou jen laboratorní prototyp,
- zákazníci mohou plánovat skutečné implementace.
To je obzvlášť důležité v oblasti AI infrastruktury, kde rozhodnutí o nákupu nebo migraci mají dlouhý dopad. Datová centra, cloudové kapacity a podnikové platformy se nepřestavují každý měsíc. Organizace potřebují jistotu, že nově představené technologie budou mít podporu, dostupnost i návaznost.
🛡️ Guardrails, bezpečnost a proč nestačí jen rychlý model
Jedna z nejcennějších částí sdělení se týkala toho, že výkon sám o sobě nestačí. Zmíněné „guardrails“ ukazují, že NVIDIA počítá s praktickou realitou nasazení AI v podnicích. Jakmile agenti dostanou větší autonomii, musí být zároveň spolehliví, kontrolovatelní a bezpeční.
Bez ochranných mantinelů by agentní AI byla pro většinu firem těžko použitelná. Nestačí, aby model odpověděl chytře. Musí také:
- dodržovat pravidla organizace,
- pracovat jen s povolenými daty,
- umět odmítnout nebezpečné požadavky,
- zachovat auditovatelnost kroků,
- a fungovat předvídatelně i v dlouhých řetězcích úloh.
To je přesně oblast, kterou dnes řeší celý AI průmysl. Bezpečnost agentní AI není jen otázka etiky. Je to otázka použitelnosti. Firma nenasadí autonomního asistenta do zákaznické podpory, financí, právního oddělení nebo vývoje, pokud nemá jistotu, že se systém bude chovat v předem stanovených mezích.
Podobně se na tento problém dívají i další odborné instituce a standardizační organizace. Pro širší kontext je užitečné sledovat například rámce pro řízení AI rizik od NIST, které ukazují, jak lze bezpečnost, správu a důvěryhodnost AI uchopit systematicky.
🌐 Otevřený software a „pěti vrstvý dort“ AI stacku
Ve zkratce zaznělo i něco, co mě zaujalo možná nejvíc: představa otevřené softwarové vrstvy a zachování celého vícevrstvého AI stacku. Obraz „vrstveného dortu“ je sice hravý, ale technicky přesný. Moderní AI totiž nestojí na jednom modelu nebo jedné knihovně. Je to sada navzájem propojených vrstev.
Typicky do tohoto stacku patří:
- Hardware jako CPU, GPU, síť a paměť.
- Systémový software a ovladače.
- Frameworky a runtime pro trénink a inferenci.
- Nástroje pro orchestraci, bezpečnost a monitoring.
- Aplikační vrstva s agenty, asistenty a firemními řešeními.
Když se mluví o otevřeném shellu nebo otevřenosti celé architektury, jde o velmi praktickou věc. Zákazníci nechtějí být uzamčení v jednom neprůhledném systému. Chtějí možnost kombinovat modely, nástroje, cloudy i vlastní data. Otevřenost je proto pro rozvoj AI ekosystému zásadní.
Dobře to zapadá i do širšího vývoje na trhu, kde se prosazují otevřené modely, standardizované API vrstvy a interoperabilní nástroje. Firmy chtějí využívat AI rychle, ale zároveň si zachovat kontrolu nad architekturou i náklady.
☁️ Globální AI cloudy a datová centra v řádu gigawattů
Velmi silný signál zazněl také kolem globálních AI cloudů a datových center, která se dnes plánují v energetickém měřítku dříve spojovaném spíš s průmyslovými podniky. Mluvit o gigawattech už dnes v AI není přehánění, ale odraz reality.
To ukazuje, jak rychle roste infrastruktura potřebná pro provoz velkých modelů, inferenčních služeb a agentních systémů. Už nejde jen o několik superpočítačových instalací. AI se mění v základní vrstvu digitální ekonomiky a tomu odpovídá i velikost investic.
Zároveň to otevírá důležité otázky:
- Jak zajistit energetickou efektivitu?
- Jak navrhovat datová centra pro nové typy zátěže?
- Jak propojit cloud, edge a lokální infrastrukturu?
- Jak optimalizovat výkon na watt a výkon na dolar?
Právě tady se ukazuje význam plného stacku od čipů přes networking až po orchestrace. AI cloud není jen velká serverovna. Je to komplexní systém, který musí být navržený tak, aby obsloužil nepřetržitý provoz modelů a agentů při přijatelných nákladech.
Pokud někdo hledá širší kontext, velmi užitečné jsou i veřejné materiály o moderní cloudové infrastruktuře a AI akceleraci od Cisco nebo přehledy o fungování GPU datových center od IBM. Nejde o totožná řešení, ale dobře dokreslují, jak se datová centra mění pod tlakem AI.
📈 Optimalizace pro každého a ekonomika AI nasazení
Jedna stručná, ale podstatná věta naznačovala, že celý ekosystém má být optimalizovaný pro různé typy uživatelů a firem. To je zásadní bod. AI trh dnes není tvořen jen hyperscalery a globálními korporacemi. Potřebují ho startupy, střední firmy, výzkumné týmy i regionální poskytovatelé cloudu.
Aby bylo možné AI rozšířit opravdu široce, nestačí jen zvyšovat absolutní výkon. Je potřeba zlepšovat také:
- poměr cena výkon,
- snadnost nasazení,
- dostupnost nástrojů,
- kompatibilitu s existujícími systémy,
- a provozní efektivitu.
Právě ekonomika nasazení dnes rozhoduje o tom, kdo s AI skutečně uspěje. Mnoho organizací už pochopilo potenciál generativní AI, ale narazilo na otázku, zda se jejich use case vyplatí provozovat ve velkém. Pokud se podaří snížit režii a zvýšit efektivitu, otevře se cesta k mnohem širšímu využití.
To je mimochodem jeden z důvodů, proč je tak důležitá kombinace hardwarových inovací a softwarové optimalizace. Lepší čip sám o sobě nestačí, pokud kolem něj není dostatečně efektivní runtime, plánování úloh a modelová vrstva.
💼 „Mít dort a sníst ho“: výkon bez kompromisu jako hlavní slib
Lehce nadsazený motiv, že si lze nechat dort a zároveň ho sníst, ve skutečnosti odráží velmi vážný obchodní cíl. Firmy dnes nechtějí vybírat mezi výkonem, flexibilitou, otevřeností a ekonomikou. Chtějí pokud možno všechno najednou.
To je samozřejmě náročný slib. Jenže právě AI infrastruktura se dnes prodává jako schopnost odstranit kompromisy, které byly dříve běžné:
- vysoký výkon versus vysoká spotřeba,
- otevřenost versus snadná správa,
- rychlost versus bezpečnost,
- škálování versus jednoduchost nasazení.
NVIDIA zde staví svou pozici na tom, že kontroluje velkou část hodnotového řetězce od čipů přes propojení až po softwarové nástroje. Díky tomu může tvrdit, že nabídne soudržný systém místo složitě lepené infrastruktury z mnoha nesourodých částí.
Z pohledu trhu je to pochopitelné. Podniky dnes často nehledají jednotlivé komponenty. Hledají řešení, které funguje jako celek.
🦾 Budoucnost je humanoidní, ale ne v hollywoodském smyslu
Závěr keynote jasně směřoval k myšlence, že budoucnost bude humanoidní. To je velmi zajímavé, protože to propojuje digitální AI agenty s fyzickými stroji. Jinými slovy, stejný technologický základ, který dnes pohání software asistenty a podnikové agenty, se má postupně přelévat i do robotiky.
Humanoidní roboti byli dlouho spíš symbolem vzdálené sci fi budoucnosti. Jenže současná vlna generativní a multimodální AI mění pravidla. Roboti už nemusí být jen přesně naprogramované automaty pro jedinou opakující se činnost. Díky AI mohou získávat:
- lepší porozumění prostředí,
- flexibilnější plánování pohybu,
- práci s jazykovými instrukcemi,
- schopnost učit se z více zdrojů dat,
- a snazší adaptaci na nové úkoly.
To neznamená, že humanoidní roboti zítra zaplaví každou domácnost nebo kancelář. Znamená to ale, že jejich vývoj přestává být izolovanou robotickou disciplínou a stává se součástí širší AI platformy. A to je zásadní změna.
Pro průmysl, logistiku, zdravotnictví i služby může jít o další velký horizont růstu. Pokud digitální agent zvládne plánování a rozhodování a fyzický robot provedení v prostoru, dostáváme velmi silnou kombinaci.
🌃 Proč dává smysl, že se tohle všechno odehrálo právě v Tchaj-peji
Atmosféra Tchaj-peje a odkaz na noční trhy nebyly jen stylovou kulisou. Místo konání má samo o sobě velký význam. Tchaj-wan je jedním z nejdůležitějších center světového technologického dodavatelského řetězce. Když se zde na Computexu mluví o budoucnosti AI, nejde jen o marketing. Jde o signál směrem k výrobcům, integrátorům, datovým centrům i partnerům z celého regionu.
AI dnes nevzniká izolovaně v softwaru. Je výsledkem hluboké spolupráce mezi návrhem čipů, výrobou, pamětí, servery, propojením, cloudem a aplikacemi. Právě Tchaj-wan představuje místo, kde se velká část těchto vrstev setkává.
Proto celé oznámení působí jako víc než jen seznam novinek. Je to potvrzení, že další vlna AI bude velmi úzce svázaná s fyzickou infrastrukturou a výrobní kapacitou. A v tom hraje Asie, zejména Tchaj-wan, klíčovou roli.
🔍 Co si z GTC Taipei 2026 odnáším jako hlavní poselství
Když si všechny zmíněné body poskládám dohromady, vychází mi několik jasných závěrů.
1. AI agenti se stávají novou aplikační vrstvou
Nejde jen o chatboty. Jde o pracovní systémy, které plánují, spolupracují a vykonávají úkoly. To může proměnit způsob, jak firmy fungují, jak vznikají startupy i jak lidé pracují s informacemi.
2. Infrastruktura rozhoduje víc než kdy dřív
Budoucnost AI nebude stát jen na modelech. Rozhodne kvalita celého stacku od CPU a GPU přes propojení až po runtime a bezpečnostní vrstvy.
3. Otevřenost a guardrails budou stejně důležité jako výkon
Podniková AI musí být nejen rychlá, ale také kontrolovatelná, auditovatelná a snadno integrovatelná do stávajících prostředí.
4. AI cloud vstupuje do energeticky i investičně nové éry
Datová centra pro AI rostou do obrovských rozměrů. Kdo zvládne jejich efektivitu a škálování, získá zásadní výhodu.
5. Robotika a AI se začínají skutečně spojovat
Humanoidní budoucnost už nepůsobí jen jako PR slogan. Díky pokroku v modelech a infrastruktuře začíná být technologicky uvěřitelnější.
🧭 Kam to celé směřuje dál
Pokud bych měl celé oznámení shrnout jednou větou, řekl bych toto: AI vstupuje do fáze, kdy má být nejen chytrá, ale také užitečná, dostupná a provozovatelná ve velkém měřítku.
To je možná ten nejdůležitější posun. Dlouho jsme byli fascinovaní tím, co modely dokážou. Teď se stále více řeší, jak je přetavit do každodenní práce, průmyslových procesů, cloudových služeb a nakonec i fyzických zařízení.
Vera, vyšší CPU výkon, NVLink Fusion, otevřený software, guardrails, globální AI cloudy i humanoidní horizont nejsou oddělené body. Jsou to části jedné strategie. Strategie, která říká, že budoucnost AI nebude stát na jedné „kouzelné“ aplikaci, ale na robustní infrastruktuře pro celé ekosystémy agentů.
A právě proto má keynote z GTC Taipei 2026 význam i mimo samotný okamžik oznámení. Ukazuje, jak dnes vypadá mapa příští technologické etapy. Ne jako souboj jednotlivých modelů, ale jako závod o to, kdo postaví nejlépe propojený svět pro AI, cloud a robotiku.
Jestli se tento směr naplní, čeká nás období, kdy budou AI agenti stejně běžní jako dnešní aplikace, datová centra se budou navrhovat primárně pro inferenci a spolupráce mezi digitálním a fyzickým světem začne být mnohem těsnější. A přesně to byl z Tchaj-peje nejhlasitější vzkaz.
