Foto: SiliconANGLE
Na GTC Taipei 2026 keynoteu Jensen Huang iz Nvidije iznio je viziju u kojoj agentička umjetna inteligencija više nije eksperiment, nego tehnologija koja već mijenja način na koji rade podatkovni centri, softverski timovi i digitalna infrastruktura. U središtu njegove poruke bilo je tvrđenje da je “korisna AI” stigla te da će “doba agenata” redefinirati kako se računarski resursi pretvaraju u poslovnu vrijednost.
Huang je pritom vezao priču uz podatke s GitHuba, navodeći da su se commitovi gotovo utrostručili između 2023. i početka 2026., iako broj profesionalnih razvojnih inženjera nije rastao istim tempom. U njegovoj interpretaciji, oko 30 do 40 milijuna softverskih developera sada uz AI kopilote proizvodi znatno više koda nego ranije. Kao glavnu poruku za voditelje IT-a izdvojio je da se računanje sve izravnije pretvara u prihod te da će arhitektonske odluke u idućim godinama određivati i konkurentnost i troškovnu strukturu.
Jedna od ključnih teza bila je i da je umjetna inteligencija postala ekonomski alat, a ne samo tehnološki eksperiment. Huang je rekao da su “tokeni sada profitabilne jedinice prihoda”, čime je mislio na izlazne jedinice modela koje stoje iza kopilota, agenata i generativnih usluga. Ako se tokeni mogu izravno monetizirati, logika ulaganja u infrastrukturu se mijenja: učinkovitije generiranje tokena znači više prihoda, a rasipanje energije znači propuštenu zaradu. Huang je to povezao s potražnjom za naprednim računalnim resursima i naveo da je potražnja za računalnom snagom u Tajvanu naglo porasla.
Govoreći o dizajnu podatkovnih centara, Huang je poručio da se industrija sve više ponaša kao da je riječ o financijskom inženjeringu. U njegovoj formulaciji, ako netko raspolaže s 1 gigavatom energije, onda je propusnost po vatu izravno povezana s prihodima, jer je svaki token profitabilan. Za pružatelje oblaka i tvrtke koje grade vlastite klastere, to znači da će morati birati arhitekture koje povećavaju broj tokena po vatu i smanjuju vrijeme do prvog tokena. U suprotnom, rekao je Huang, razlika u učinkovitosti s vremenom može rasti.
Velik dio govora bio je posvećen objašnjenju što Nvidia podrazumijeva pod “agentom”. U starom modelu, rekao je Huang, kod je radio u aplikaciji na operacijskom sustavu. U novom modelu agent se sastoji od velikog jezičnog modela ili više modela unutar tzv. harnessa, a taj harness orkestrira rad kako bi sustav obavio produktivan posao. Takav sustav razumije namjeru korisnika, promatra kontekst, razmišlja, planira, poziva alate i upravlja radnom i dugoročnom memorijom.
Huang je taj pristup usporedio s radionicom: model je mozak, harness je tijelo, a alati su ono što sustav koristi u runtimeu. U toj raspodijeljenoj arhitekturi različiti dijelovi podatkovnog centra aktiviraju se u različitim fazama rada agenta: grafički procesori za “razmišljanje”, središnji procesori za alate, podatkovni procesori za sigurnost, pohrana za memoriju i mrežna infrastruktura za orkestraciju. Huang je pritom poručio da se tvrtke ne trebaju samo priključivati na API-je velikih jezičnih modela, nego i preoblikovati sustave, procese i organizaciju oko agenata koji mogu preuzeti cijele poslovne tokove od početka do kraja.
U završnom dijelu izlaganja Huang je AI tvornice opisao kao novu infrastrukturnu jedinicu za eru agenata. Time je dodatno naglasio da Nvidia promatra umjetnu inteligenciju kao sloj koji ne mijenja samo softver, nego i način na koji se gradi i monetizira računalna infrastruktura. U njegovu je okviru glavno pitanje više nije hoće li tvrtke koristiti AI, nego kako će dizajnirati sustave i potrošnju energije oko novih opterećenja koja generativni i agentički modeli donose.
Vezane vijesti
