NVIDIA GTC 2026: Miliardy objednávek a budoucnost AI čipů

Na konferenci GTC 2026 v kalifornském San Jose (16.–19. března) postavil šéf NVIDIE Jensen Huang na pódium celou novou generaci hardwaru — platformu Vera Rubin. A hned k ní přidal číslo, kvůli kterému se zastavil dech i otrlým investorům: firma podle něj vidí zhruba bilion dolarů v objednávkách čipů Blackwell a Vera Rubin do konce roku 2027. Ještě loni v říjnu mluvil Huang o „půl bilionu" na roky 2025 a 2026. Za pět měsíců se ta částka v jeho prezentaci zdvojnásobila.

Vera Rubin ale není jen další, o něco rychlejší grafická karta. Je to signál, že se svět AI přehoupl do fáze, kterou určuje jediná veličina — dostupnost výpočetního výkonu. Compute se stal nedostatkovým zbožím a NVIDIA je zatím jeho hlavním dodavatelem.

Tento text rozebírá tři věci: co Vera Rubin technicky přináší, co znamená bilion dolarů v objednávkách pro celý trh a co z toho reálně plyne pro ceny AI, které platí i české firmy. Bez hype, s konkrétními čísly a se skepsí tam, kde je namístě.

Co je Vera Rubin a proč je to skok

Vera Rubin je nová výpočetní platforma NVIDIE pojmenovaná po americké astronomce, která doložila existenci temné hmoty. Není to jedna součástka — je to celá sada čipů navržených tak, aby spolu fungovaly jako jeden obří stroj na trénink a provoz AI. NVIDIA jich na GTC ukázala sedm a oznámila, že jsou v plné výrobě.

Srdcem je GPU Rubin, vyrobené 3nm procesem od TSMC. Používá takzvaný dual-die design — dvě křemíkové destičky v jednom pouzdře, dohromady 336 miliard tranzistorů. To je zhruba 1,6násobek oproti současné architektuře Blackwell (208 miliard). Ke každému GPU patří 288 GB paměti HBM4 s propustností v řádu 20 TB/s a spotřebou kolem 1 800 až 2 300 wattů na čip.

Vedle GPU stojí vlastní procesor Vera (architektura Arm), propojovací sběrnice NVLink 6, síťová karta ConnectX-9, datová jednotka BlueField-4 a ethernetový přepínač Spectrum-6. Celý rack Vera Rubin NVL72 spojí desítky GPU do jediného výpočetního celku. NVIDIA ho staví záměrně pro éru AI agentů — tedy systémů, které samy plánují, volají nástroje a běží dlouhé minuty, ne pár vteřin jako běžný dotaz do chatbota.

Zajímavý je specializovaný čip Rubin CPX. Místo drahé paměti HBM používá levnější GDDR7 a je stavěný na jednu konkrétní věc — zpracování extrémně dlouhého kontextu (miliony tokenů) ve fázi, kdy model „čte" zadání. Ukazuje to, kam míří celý obor: multimodální modely s obřím kontextem potřebují jiný typ křemíku než klasické generování textu.

Podle NVIDIE nabídne rack Vera Rubin řádově vyšší výkon než dnešní Blackwell. Přesná čísla ale berte s rezervou — marketingové „až 5× rychlejší" platí pro vybrané úlohy v nízké přesnosti (formát NVFP4), ne pro každodenní provoz. Skutečný přínos se ukáže až v reálném nasazení u prvních zákazníků.

Bilion dolarů v objednávkách: co to číslo znamená

Bilion dolarů není zaúčtovaná tržba, ale objem objednávek a rezervací. Huang na GTC řekl, že NVIDIA vidí zhruba tolik v kumulativní poptávce po čipech Blackwell a Vera Rubin do konce roku 2027. Zahrnuje to prodané GPU, budoucí dodávky Rubinu i síťové komponenty. Jde o závazky a záměr nakoupit, ne o peníze, které už dorazily.

I tak je to skok. Loni v říjnu, na GTC ve Washingtonu, mluvil Huang o 500 miliardách dolarů pro roky 2025 a 2026 dohromady. Finanční ředitelka Colette Kress později potvrdila, že „viditelnost" poptávky od té doby dál rostla, jak si zákazníci spěchali zarezervovat kapacitu na Rubin.

Kdo tolik čipů kupuje? Především hyperscaleři — Microsoft, Google, Amazon, Meta a Oracle — a nová vlna firem stavějících takzvané AI továrny, tedy datacentra postavená výhradně pro AI. Poptávku žene nástup autonomních agentů. Zatímco jednorázová odpověď chatbota spotřebuje pár tisíc tokenů, agent pracující na úkolu jich spálí i miliony. A každý token je výpočet, který musí na něčem běžet.

Compute jako úzké hrdlo: proč ho je pořád málo

Hlavní brzdou AI v roce 2026 už nejsou modely, ale hardware, na kterém běží. I firma s bilionovou objednávkovou knihou naráží na fyzické limity: kolik čipů dokáže TSMC vyrobit, kolik pamětí HBM4 stihnou dodat Micron, SK hynix a Samsung a kolik elektřiny unese síť kolem datacentra.

Paměť HBM je dnes jedním z nejužších míst celého řetězce. Její výroba je pomalá, náročná a poptávka po ní násobně převyšuje kapacitu. NVIDIA kvůli tomu musela u Rubinu upravit cílové parametry propustnosti — dodavatelé nestíhali původně slibovaných 22 TB/s. Když chybí paměť, nepomůže sebelepší GPU.

Výsledek cítí každý, kdo si chce kapacitu zajistit. Pro nasazení Vera Rubin se počítá s čekacími lhůtami 20 až 30 týdnů po startu sériové výroby a s tím, že nabídka zůstane napjatá minimálně do poloviny roku 2027. První dodávky navíc půjdou výhradně největším poskytovatelům cloudu — menší hráči se dostanou na řadu později.

K tomu se přidává energetika. Rack plný Rubinů spotřebuje stovky kilowattů a datacentra pro AI dnes plánují svou kapacitu ne podle počtu serverů, ale podle megawattů, které dokážou uchladit a napájet. Pro firmy, které chtějí provozovat AI na vlastním hardwaru, to znamená jediné: špičkové čipy budou ještě dlouho drahé a hůř k sehnání.

Konkurence dohání: Groq, TPU a vlastní křemík

NVIDIA drží kolem 90 % trhu s AI akcelerátory, ale poprvé má reálnou konkurenci hned z několika směrů. Nejde o to, že by ji někdo zítra sesadil. Jde o to, že velcí zákazníci si čím dál častěji navrhují vlastní čipy — a tím tlačí na cenu i vyjednávací pozici NVIDIE.

Nejhlasitěji o sobě dává vědět Google. Svou generaci modelů Gemini trénuje na vlastních čipech TPU (poslední řada nese jméno Ironwood a míří hlavně na inferenci). Ukázal tím, že špičkový model nemusí vzniknout na hardwaru od NVIDIE. Amazon tlačí vlastní čip Trainium3, u kterého slibuje o 30 až 40 % lepší poměr ceny a výkonu než srovnatelné GPU instance. A Groq se svým čipem LPU cílí na jednu věc — extrémně rychlou inferenci s latencí v jednotkách milisekund.

Situace kolem Groqu je přitom příznačná. Podle dostupných informací uzavřela NVIDIA s Groqem rozsáhlou licenční dohodu (mluví se o částce kolem 20 miliard dolarů) a jeho technologii LPU zapojila přímo do platformy Vera Rubin. Klasický manévr — konkurenta, kterého nemůžeš porazit, si přiveď domů.

Trend je jasný z čísel: podle odhadů mají v roce 2026 růst dodávky vlastních čipů (ASIC) od poskytovatelů cloudu zhruba o 45 %, zatímco běžná GPU jen kolem 16 %. Neznamená to konec NVIDIE — trh roste tak rychle, že místa je dost pro všechny. Znamená to ale, že éra jediného dodavatele končí, podobně jako u levných čínských modelů skončila éra jediné laboratoře.

Co to znamená pro ceny AI

Tady je paradox roku 2026: hardware je čím dál dražší a nedostatkovější, ale cena, kterou platíte za používání AI, dál klesá. Zdánlivě si to odporuje. Ve skutečnosti jde o dvě různé roviny, které je potřeba oddělit.

První rovina je trénink a stavba frontier modelů. Ta zdražuje — kdo chce trénovat nejlepší model světa, potřebuje desetitisíce Rubinů, a ty jsou drahé a těžko dostupné. Tahle bariéra roste a udrží špičku v rukou hrstky nejbohatších firem.

Druhá rovina je cena za samotné používání — cena za milion tokenů, kterou platí koncová firma přes API. A ta jde setrvale dolů. Nové čipy zvládnou víc výpočtů na watt, konkurence tlačí ceny a poskytovatelé se předhánějí ve slevách. Výkonný model jako GPT-5.4 dnes stojí kolem 2,5 dolaru za milion vstupních tokenů — zlomek toho, co srovnatelná kvalita stála před dvěma lety.

Pro firmu, která AI jen používá, z toho plyne uklidňující zpráva: bilionové objednávky NVIDIE neznamenají, že vám zítra zdraží ChatGPT nebo Claude. Spíš naopak — soutěž o vaše peníze mezi OpenAI, Anthropic a Googlem cenu za token dál stlačuje. Detailně rozebíráme, z čeho se náklady na AI tokeny skládají a kde jde ušetřit, v samostatném článku.

Co z toho má česká firma

Přímý dopad je nulový, nepřímý zásadní. Žádná česká firma si rack Vera Rubin nekoupí — a ani nepotřebuje. Compute se u nás spotřebovává přes cloud (Azure, AWS, Google Cloud) a přes API velkých modelů. Pro naprostou většinu z těch zhruba 29 % českých firem, které dnes AI aktivně používají, je Rubin abstraktní infrastruktura kdesi v datacentru.

To ale neznamená, že se jich nedotýká. Když je globálně compute vzácný, projeví se to i tady — v dostupnosti nejnovějších modelů, ve výkyvech rychlosti odezvy a v tom, jestli poskytovatel zvládne špičky poptávky. Firmám, které staví na AI kritické procesy, se proto vyplatí připravit se dřív, než narazí.

Pro české firmy, které s AI teprve začínají, platí stejná rada jako vždycky: začněte jedním konkrétním use casem s měřitelným přínosem. Souboj čipových gigantů je fascinující, ale pro váš byznys je podstatné jediné — jestli vám AI ušetří čas a peníze na úloze, kterou řešíte dnes.