NVIDIA GTC 2026: Jensen Huang vyhlásil inflexní bod agentické AI
Vera Rubin architektura, open-source bezpečnostní guardrails pro agenty a 15 enterprise partnerů. GTC 2026 ukázal, že NVIDIA staví celý stack pro autonomní AI agenty.
Tento článek vznikl zpracováním veřejně dostupných zdrojů pomocí AI nástrojů. Každý text se snažím přečíst a věcně zkontrolovat, ale ne vždy to zvládnu. Prosím, berte na to ohled a informace si ověřujte v původních zdrojích (níže).
Tento článek vznikl zpracováním veřejně dostupných zdrojů pomocí AI nástrojů. Každý text se snažím přečíst a věcně zkontrolovat, ale ne vždy to zvládnu. Prosím, berte na to ohled a informace si ověřujte v původních zdrojích (níže).
Na GTC 2024 Jensen Huang ukázal, jak NVIDIA dominuje tréningu modelů. Na GTC 2025 představil Blackwell pro inference. Na GTC 2026 (16.–19. března, San Jose) posunul sázku ještě dál: NVIDIA staví kompletní infrastrukturu pro autonomní AI agenty, od čipů přes runtime až po bezpečnostní guardrails.
Hardware: Vera Rubin
Hvězdou hardwarové show byla platforma Vera Rubin, sedm nových čipů, pět rack-scale designů a jeden masivní AI superpočítač. Vera CPU je účelově navržený pro agentické workloady s dvojnásobnou energetickou eficiencí a o 50 % rychlejším single-thread výkonem oproti tradičním CPU. Po Blackwellu je to další generační skok, tentokrát explicitně optimalizovaný pro inference a agentní orchestraci.
⚡ Agentické workloady vs. klasická inference
Klasická inference zpracuje jeden požadavek a vrátí odpověď — jednorázový cyklus. Agentické workloady jsou zásadně jiné: agent běží minuty až hodiny, drží si kontext, volá nástroje, rozhoduje se na základě mezivýsledků a orchestruje další agenty. To vyžaduje persistentní compute (CPU musí běžet dlouhodobě, ne jen burst), nízkou latenci při přepínání mezi kroky a výrazně víc paměťové propustnosti. Proto Vera CPU cílí na single-thread výkon a energetickou eficienci — agent nepotřebuje tisíce paralelních vláken, potřebuje rychlé sekvenční zpracování s minimální spotřebou.
Software: Open-source bezpečnost pro agenty
Překvapivější než hardware byl softwarový pivot. NVIDIA OpenShell je open-source runtime, který vynucuje policy-based bezpečnost, síťové a privacy guardrails pro autonomní agenty. NemoClaw, postavený na NVIDIA Agent Toolkit, nabízí enterprise-grade platformu pro vývoj, testování a deployment AI agentů.
Proč je to důležité: NVIDIA tím přestává být jen dodavatelem GPU a stává se architektem celého agentního stacku. Kdo kontroluje runtime, kontroluje pravidla hry.
📚 Guardrails a policy-based bezpečnost u AI agentů
Když AI agent jedná autonomně — objednává, posílá emaily, mění konfiguraci — potřebuje bezpečnostní mantinely, které nemůže sám obejít. Policy-based guardrails definují pravidla na úrovni runtime: jaké akce smí agent provést, s jakými daty smí pracovat, jaké síťové zdroje smí kontaktovat. Je to obdoba firewall pravidel, ale pro chování AI. OpenShell od NVIDIE tyto politiky vynucuje v reálném čase a loguje každé rozhodnutí pro audit. Pro enterprise adopci je to klíčové — bez auditovatelných guardrails žádný CISO agenta do produkce nepustí.
Enterprise adopce: od demo k produkci
Pět Fortune 500 firem na konferenci prezentovalo agentní systémy v produkci, logistika, farmaceutický R&D, finanční služby, výroba a zdravotnictví. Partnerský ekosystém zahrnuje Adobe, Atlassian, Salesforce, SAP, Siemens, ServiceNow a další.
Tady je klíčový posun: na GTC 2025 se mluvilo o tom, co agenti budou umět. Na GTC 2026 se mluvilo o tom, co agenti už dělají. Huang to shrnul slovy, že agentická AI dosáhla „inflexního bodu."
Co to znamená pro ekosystém
NVIDIA sází na to, že agentická AI bude vyžadovat úplně jinou infrastrukturu než trénink nebo jednorázová inference. Dlouhoběžící agenti potřebují persistentní compute, bezpečnostní izolaci, audit trails a policy enforcement v reálném čase. Vera Rubin + OpenShell + NemoClaw je NVIDIA odpověď na celý tento stack.
Pro konkurenci (AMD, Intel, custom čipy hyperscalerů) to znamená, že nestačí soutěžit na FLOPS. Musí soutěžit na ekosystému, a tam má NVIDIA roky náskok.
🔍 FLOPS vs. ekosystém — proč surový výkon nestačí
FLOPS (floating-point operations per second) je standardní metrika výpočetního výkonu čipů. AMD a Intel dokáží v benchmarcích konkurovat NVIDII na FLOPS. Jenže NVIDIA má CUDA (programovací platforma s 20letým ekosystémem), cuDNN (optimalizované knihovny pro deep learning), TensorRT (inference optimizer) a teď OpenShell + NemoClaw pro agenty. Vývojáři, frameworky a tooling jsou napsané pro CUDA. Přejít na jinou platformu znamená přepsat kód, přeškolit týmy a ztratit optimalizace. Tohle je klasický vendor lock-in přes ekosystém — a přesně tak NVIDIA udržuje marže přes 60 %.