CES 2026: Plan działania Nvidii na następną fazę sztucznej inteligencji

Kluczowe punkty:

• Nvidia wykorzystała targi CES 5 stycznia 2026 r., aby potwierdzić, że jej kolejna duża platforma dla centrów danych, Vera Rubin, jest już w pełnej produkcji, a systemy mają trafić do klientów za pośrednictwem partnerów w drugiej połowie 2026 r.
• Z perspektywy inwestorów kluczową zmianą jest przejście od budowania modeli do wdrażania sztucznej inteligencji na szeroką skalę dla użytkowników końcowych. To wykracza poza same układy GPU, obejmując również sieci, pamięć operacyjną i masową oraz całą infrastrukturę centrów danych.
• Nvidia mocno akcentowała także „fizyczną sztuczną inteligencję” (robotykę i systemy autonomiczne) jako długoterminowy motor wzrostu, jednak terminy i skala wdrożeń pozostają znacząco niepewne.

Co się wydarzyło?

Na targach CES w dniu 5 stycznia 2026 r. dyrektor generalny Nvidii, Jensen Huang, wykorzystał przemówienie do przekazania trzech głównych wiadomości:

1. Rubin nadchodzi i, jak twierdzi Nvidia, jest już w pełnej produkcji".: Nvidia zaprezentowała platformę Vera Rubin jako swoją następną dużą ofertę dla centrów danych i zapowiedziała, że systemy oparte na tej platformie trafią do klientów za pośrednictwem partnerów w drugiej połowie 2026 r. Huang mówił o około pięciokrotnym wzroście wydajności względem poprzednich platform oraz o znaczących spadkach kosztu wnioskowania w przeliczeniu na token.
   • Microsoft i CoreWeave zostali wskazani jako pierwsi użytkownicy centrów danych opartych na platformie Rubin.
2. To nie tylko układ scalony, lecz pełna platforma do uruchamiania AI na ogromną skalę: Rubin to zintegrowany stos technologiczny — CPU i GPU wraz z siecią oraz elementami infrastruktury centrów danych.
   
   
3. Nvidia podwoiła wysiłki w zakresie "fizycznej sztucznej inteligencji": Firma udostępniła otwarte modele i narzędzia, które mają przyspieszyć wdrożenia w świecie fizycznym, m.in. w robotyce i systemach autonomicznych.
   • Nvidia poinformowała o rozszerzeniu partnerstwa z Siemensem: jej stos technologiczny ma integrować się z oprogramowaniem przemysłowym Siemensa, aby wspierać „fizyczną AI” od etapu projektowania i symulacji po produkcję.
   • Ogłoszono, że pierwszym autonomicznym samochodem osobowym z rozwiązaniem Alpamayo opartym na NVIDIA DRIVE będzie nowy Mercedes-Benz CLA; „AI-defined driving” ma pojawić się jeszcze w tym roku w USA, Europie i Azji.
   • Wśród partnerów w obszarze robotyki i automatyzacji wymieniono Bosch, Fortinet, Salesforce, Hitachi i Uber, które korzystają z otwartych technologii modelowych Nvidii.

---

Dlaczego to ma znaczenie dla inwestorów?

W naszej ocenie przekaz Nvidii na CES 2026 niesie kilka ważnych sygnałów dla spółki i całego ekosystemu AI.

1) Na targach CES mniej o „nowych technologiach”, a bardziej o podtrzymaniu cyklu wydatków na AI

Prawdziwym celem Huanga było umocnienie zaufania inwestorów do trwającej fali wydatków na sztuczną inteligencję (AI). Sygnał jest taki: kolejna fala modernizacji jest już zaplanowana, a Nvidia stara się włączyć większą część łańcucha wartości w narrację o zintegrowanej platformie, a nie tylko o GPU.

To istotne, bo kolejna debata rynkowa będzie dotyczyć nie tyle tego, czy AI jest ekscytująca, ile tego, czy da się ją wdrażać i eksploatować na tyle niezawodnie i tanio, by masowe użycie przekładało się na trwałe zyski w całym ekosystemie technologicznym.

2) Szansa może się poszerzyć: od „chipów” do infrastruktury umożliwiającej AI

Jeśli wykorzystanie AI będzie dalej rosło, wąskie gardła pojawią się w przesyle danych, w dostępie do pamięci oraz w efektywności centrów danych. Dlatego nacisk Nvidii na pełną platformę ma szersze znaczenie dla segmentów wspierających AI na dużą skalę: sieci i łączności, pamięci operacyjnej i masowej oraz infrastruktury centrów danych.

3) "Fizyczna sztuczna inteligencja" to długoterminowa opcja — cenna, ale nie na przyszły kwartał

Kierunek robotyki i autonomii jest strategicznie istotny (otwarte modele + narzędzia + partnerstwa), jednak rynek wielokrotnie widział „następne wielkie rzeczy”, które obiecywały zbyt wiele. Wniosek inwestycyjny pozostaje taki: to atrakcyjna opcjonalność, a nie pewny, krótkoterminowy strumień przychodów.

Plan gry na rynku: jak inwestorzy mogą rozegrać ten temat (wyłącznie do celów informacyjnych)

Poniżej znajdziesz sposoby myślenia o pozycjonowaniu — to nie są rekomendacje inwestycyjne.

Temat A: "Inwestycje w sztuczną inteligencję trwają" 

Wieloletnie rozbudowy mogą zapewniać większą przewidywalność przychodów w kilku warstwach ekosystemu. Warto obserwować segmenty, które historycznie korzystają z długotrwałych inwestycji w centra danych: kluczową warstwę obliczeniową, odlewnie półprzewodników oraz łańcuchy dostaw zaawansowanego pakowania układów, a także dostawców platform dla centrów danych na dużą skalę.

Kluczowe ryzyko: oczekiwania potrafią wyprzedzać rzeczywistość. Nawet szybki wzrost bywa „rozczarowaniem”, jeśli okaże się słabszy, niż rynek już wycenił.

Temat B: Sztuczna inteligencja przesuwa się z uczenia do wnioskowania

Przekaz z CES dotyczył uczynienia AI tańszą, szybszą i bardziej niezawodną w obsłudze użytkowników. Ten etap może poszerzyć grono liderów poza najbardziej znane marki chipowe. Gdy skala użycia rośnie, coraz większego znaczenia nabierają sieci i łączność, pamięć operacyjna i masowa oraz efektywność centrów danych.

Kluczowe ryzyko: konkurencja zwykle się zaostrza, gdy hiperskalerzy i rywale forsują układy szyte na miarę, rozwiązania wewnętrzne i alternatywne projekty. W fazie wnioskowania częściej wraca też debata o marżach.

Temat C: "Fizyczna sztuczna inteligencja" (roboty i systemy autonomiczne)

Robotyka i autonomia to dłuższy horyzont; z czasem mogą wspierać wybrane części ekosystemu: półprzewodniki, automatykę przemysłową, sensory i przetwarzanie brzegowe. Potencjalną korzyścią jest istotna opcjonalność, jeśli tempo wdrożenia przyspieszy.

Kluczowe ryzyko: horyzonty wdrożeń bywają długie, a kamienie milowe technologiczne nie zawsze przekładają się na popyt komercyjny na dużą skalę.

Ryzyka, które inwestorzy powinni uwzględnić

• Ryzyko harmonogramowe: dostępność systemów u partnerów jest przewidziana na drugą połowę 2026 r., co pozostawia przestrzeń na to, by oczekiwania wyprzedzały rzeczywistość, a ewentualne opóźnienia miały znaczenie.
• Luka w niezależnych benchmarkach: deklaracje wydajności Nvidii pochodzą od samej spółki; niezależna weryfikacja oraz realny całkowity koszt posiadania (TCO) będą ostatecznymi weryfikatorami.
• Presja konkurencyjna: to właśnie w ekonomice wnioskowania hiperskalerzy i rywale naciskają najmocniej, stawiając na układy projektowane na zamówienie, rozwiązania wewnętrzne i alternatywne stosy technologiczne.
• „Trawienie” CAPEX-u na AI: nawet jeśli AI ma charakter strukturalny, budżety są cykliczne, mogą pojawiać się przesunięcia zamówień, pauzy i kwartały w trybie „poczekajmy i zobaczymy”.

Na co patrzeć dalej?

1. Czy hiperskalery potwierdzają plany inwestycyjne w najbliższym sezonie wyników? To „tlen” dla całego łańcucha dostaw.
2. Sygnały cenowe: czy koszt infrastruktury AI w przeliczeniu na jednostkę obciążenia lub obliczeń nadal spada (oznaka, że era wnioskowania działa)?
3. Szerokość rynku: czy inwestorzy nagradzają wyłącznie spółki o megakapitalizacji, czy zaczynają zyskiwać także beneficjenci „zaplecza infrastrukturalnego AI”?
4. Zmienność: jeśli optymizm wokół AI ponownie się nasili, korekty mogą być gwałtowne — nawet przy solidnych fundamentach. To dobre dla dyscypliny w zarządzaniu ryzykiem, ale nie najlepsze dla samozadowolenia.

Podsumowanie

Przekaz Huanga z targów CES można streścić w jednym zdaniu: sztuczna inteligencja przechodzi z narracji o przełomie do narracji o modelu operacyjnym.

Ta zmiana może poszerzyć pulę szans w całym sektorze technologicznym, ale podnosi też poprzeczkę w zakresie dowodów, bo kolejna faza będzie oceniana przez pryzmat ekonomii i jakości realizacji, a nie ekscytacji.