Podczas konferencji wynikowej 26 sierpnia szef Nvidii stwierdził, że w wielu zadaniach sztuczna inteligencja już osiągnęła poziom AGI, a samo pojęcie przestało cokolwiek znaczyć. Dwa dni wcześniej Sam Altman zapowiedział w wywiadzie dla „Time”, że OpenAI będzie miało wewnętrzny system zasługujący na to miano jeszcze przed końcem roku.
- Podczas konferencji wynikowej 26 sierpnia Jensen Huang stwierdził, że w wielu zadaniach sztuczna inteligencja już osiągnęła poziom AGI, a dotychczasowe kamienie milowe związane z tym pojęciem są jego zdaniem „pozbawione sensu".
- Dwa dni wcześniej Sam Altman zapowiedział w wywiadzie dla „Time", że OpenAI jeszcze przed końcem roku będzie dysponować wewnętrznym systemem zasługującym na miano AGI.
- Huang zaproponował dwa praktyczne kryteria oceny AGI: czy system wykonuje produktywną i użyteczną pracę oraz czy generuje rentowne tokeny, podkreślając tym samym biznesowy wymiar rozwoju AI.
Dwie deklaracje, ta sama technologia, dwa zupełnie różne cele komunikacyjne. Altman sprzedaje przyszłość i buduje napięcie wokół modelu, którego nikt jeszcze nie widział. Huang sprzedaje karty graficzne i chce, żeby rynek przestał pytać o kamienie milowe, a zaczął pytać o rachunek zysków.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Huang zamyka temat jednym zdaniem
Podczas rozmowy z analitykami Huang został zapytany o AGI w kontekście świeżych zapowiedzi OpenAI. Odpowiedź była krótsza, niż ktokolwiek się spodziewał.
„W wielu zadaniach można powiedzieć, że już osiągnęliśmy AGI” / „For many tasks, we could say that we’ve already achieved AGI”.
I zaraz potem: „Wszystkie te kamienie milowe wydają mi się w tym momencie pozbawione sensu” / „I think of all of those milestones…they’re kind of senseless at this point.”
Zamiast definicji Huang zaproponował dwa kryteria praktyczne. Pierwsze to pytanie, czy system wykonuje „produktywną i użyteczną pracę” / „doing productive and useful work”. Drugie, z perspektywy firmy, brzmi jeszcze prościej: czy generuje „rentowne tokeny” / „generating profitable tokens”. Ta sama myśl trafiła zresztą do oficjalnego komunikatu o wynikach: „Sztuczna inteligencja osiągnęła punkt przełomowy. Wykonuje użyteczną pracę. Jej tokeny są produktywne i rentowne. Teraz moc obliczeniowa to przychód” / „AI has reached its inflection point. It’s doing useful work. Its tokens are productive and profitable. Now, compute is revenue.”
Huang nie sprecyzował, co dokładnie rozumie przez osiągnięcie AGI. Wskazał na to, że agenty przestały wyłącznie odpowiadać na polecenia i potrafią oceniać własne wyniki, uczyć się nowych umiejętności oraz poprawiać kolejne działania.
Liczby, przy których deklaracja o AGI schodzi na drugi plan
Kontekst tej wypowiedzi ma znaczenie, bo padła w środku najlepszego kwartału w historii firmy. Nvidia zamknęła drugi kwartał roku obrotowego 2027 (zakończony 26 lipca) wynikami, które trudno porównać z czymkolwiek na rynku półprzewodników:
- przychód 96,22 miliarda dolarów, wzrost o 18 procent kwartał do kwartału i o 106 procent rok do roku
- segment centrów danych 89,0 miliarda dolarów, wzrost o 117 procent rok do roku, czyli około 92 procent całości sprzedaży
- marża brutto na poziomie 75,0 procent, zysk na akcję 2,22 dolara po korektach wobec 2,10 dolara oczekiwanych przez analityków
- prognoza na bieżący kwartał: 108 miliardów dolarów plus minus 2 procent, bez założenia jakichkolwiek przychodów z centrów danych w Chinach
- kurs po sesji wzrósł o około 4 procent
Do tego doszła zapowiedź, że Amazon Web Services kupi 2 miliony układów Nvidii i sięgnie po nowy procesor Vera. Dyrektor finansowa Colette Kress uprzedziła jednocześnie, że marża brutto spadnie i osiągnie dno w czwartym kwartale roku obrotowego, w przedziale 71 do 72 procent, głównie przez ceny pamięci. Jej komentarz o źródle problemu był bardziej szczery, niż zwykle bywają wypowiedzi na konferencjach wynikowych: niedobór pamięci napędza w dużej mierze sama rozbudowa infrastruktury AI.
Rozumiem logikę Huanga i po części ją podzielam. Debata o tym, czy przekroczyliśmy jakąś umowną granicę, od dawna przypomina spór teologiczny, w którym każda strona ma własną definicję i własny interes w jej obronie. Tylko że przesunięcie kryterium z „czy to jest AGI” na „czy tokeny są rentowne” nie jest neutralne. To zmiana miary z poznawczej na księgową, dokonana przez firmę, która na tej księgowości zarabia najwięcej na świecie. Pytanie, które sobie zadaję, brzmi inaczej: jeśli w wielu zadaniach mamy już AGI, to gdzie są tego efekty poza rachunkiem wyników dostawcy sprzętu? Bo w danych o zatrudnieniu, produktywności czy jakości usług publicznych nadal ich prawie nie widać. Huang może mieć rację co do możliwości modeli i jednocześnie mylić się co do tego, czy gospodarka zdążyła je wchłonąć.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Altman gra o tę samą stawkę zupełnie inaczej
Wywiad Alexa Heatha dla „Time”, opublikowany 26 sierpnia, pokazuje drugą strategię. Altman przyznał, że OpenAI „jeszcze nie do końca” jest przy AGI, ale spodziewa się wewnętrznego systemu spełniającego jego definicję przed końcem 2026 roku. Mark Chen, dyrektor ds. badań, ocenia postęp na jakieś 80 procent drogi. Greg Brockman idzie dalej i sugeruje, że za dwa lata dzisiejszy moment może być wspominany jako ten, w którym AGI powstało.
Chodzi o rodzinę modeli Astra. Główny naukowiec OpenAI Jakub Pachocki opisuje ją jako system, któremu można podrzucić pomysł eksperymentu, a on napisze kod w firmowym repozytorium, przeprowadzi eksperyment i wróci z wynikami. Praca, która badaczowi zajęłaby tydzień.
Warto pamiętać, czym te deklaracje nie są. Astra nie jest publicznie dostępna, nikt z zewnątrz jej nie zweryfikował, a definicja AGI z karty założycielskiej OpenAI (wysoce autonomiczne systemy przewyższające ludzi w większości ekonomicznie wartościowych zadań) pozwala na bardzo szeroką interpretację. Sama firma przyznaje, że wynik na wewnętrznym teście nie oznacza spełnienia jej własnej definicji.
To nie pierwszy raz, gdy Huang ogłasza AGI
W marcu tego roku, w rozmowie z Lexem Fridmanem, na pytanie o to, czy w ciągu dwudziestu lat pojawi się AI zdolna założyć i poprowadzić firmę wartą miliard dolarów, Huang odpowiedział: „Myślę, że to teraz. Myślę, że osiągnęliśmy AGI” / „I think it’s now. I think we’ve achieved AGI.” Pisaliśmy o tym wtedy na AIPORT.pl.
Zaraz potem sam sobie zaprzeczył, przynajmniej częściowo. Przyznał, że model może stworzyć wirusową aplikację wartą miliard dolarów, ale nie zbuduje firmy takiej jak Nvidia. „Szanse, że 100 000 takich agentów zbuduje Nvidię, wynoszą zero procent” / „The odds of 100,000 of those agents building Nvidia is zero percent.”
Pół roku później retoryka jest identyczna, tylko przychód wyższy o kilkadziesiąt miliardów dolarów.
Hugging Face za 12,9 miliarda dolarów w tle
Tego samego wieczoru pojawiła się informacja, która mówi o strategii Nvidii więcej niż deklaracje o AGI. Według „The Information” firma zgodziła się kupić Hugging Face, repozytorium otwartych modeli używane przez miliony programistów, za 12,9 miliarda dolarów. Doniesienie powtórzyły CNBC, TechCrunch, Fortune i Forbes, ale umowy nikt nie podpisał, a Business Insider zaznacza, że rozmowy mogą się jeszcze rozpaść. Ani Nvidia, ani Hugging Face nie skomentowały sprawy.
Gdyby transakcja doszła do skutku, byłaby największym przejęciem w historii Nvidii, prawie dwa razy droższym niż zakup Mellanoxa w 2020 roku. I świetnie tłumaczy, o co naprawdę toczy się gra. Kiedy Google, Amazon, OpenAI i Anthropic budują własne układy, żeby uniezależnić się od Nvidii, przejęcie centralnego punktu ekosystemu otwartych modeli przywiązuje ten ekosystem do sprzętu z Santa Clara.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
W polskich firmach żadnego AGI na razie nie widać
Zestawmy słowa Huanga z twardymi danymi z naszego podwórka. Z lipcowego „Szybkiego Monitoringu” NBP wynika, że w drugim kwartale 2026 roku narzędzi AI używało 42 procent polskich przedsiębiorstw wobec 14 procent pod koniec 2024 roku. Skok ogromny. Najwięcej w usługach (46 procent), najmniej w budownictwie i handlu (po 38 procent), a wśród dużych firm 59 procent.
Tyle że wpływ na zatrudnienie pozostaje szczątkowy. Niespełna 1 procent firm zadeklarowało, że szersze wykorzystanie AI pozwoliło im zredukować etaty, a w żadnym z badanych sektorów wskaźnik nie przekroczył 2 procent. Jednocześnie 35 procent przedsiębiorstw w ogóle nie zaczęło analizować, do czego mogłoby tę technologię wykorzystać. Wśród mikro i małych firm to 46 procent. Podobny obraz daje badanie EY na próbie 499 przedsiębiorstw, z którego wynika, że niemal połowa firm po wdrożeniu jest rozczarowana efektami, a tylko co dziesiąta zmieniła dzięki AI swój model biznesowy.
Jeśli więc mamy AGI w wielu zadaniach, to polska gospodarka nadal płaci głównie za szybszą wersję tego, co robiła wcześniej. Dla przedsiębiorcy z Gdańska czy Rzeszowa pytanie „czy to już AGI” jest kompletnie jałowe. Sensowne pytanie brzmi: czy konkretny proces po wdrożeniu modelu kosztuje mniej i działa lepiej, i czy potrafię to policzyć. W tym akurat Huang ma rację, choć doszedł do tego wniosku z zupełnie innego powodu niż polski właściciel firmy.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiałów źródłowych, w tym oficjalnego komunikatu o wynikach NVIDIA za drugi kwartał roku obrotowego 2027 z 26.08.2026, relacji CNBC z konferencji wynikowej oraz wywiadu Sama Altmana dla TIME z 26.08.2026. Wykorzystano również doniesienia The Information, Business Insider, TechCrunch, Fortune, Forbes i Mashable dotyczące negocjacji w sprawie Hugging Face oraz dokumenty 8-K i 10-Q złożone przez NVIDIA w SEC. Dane o polskim rynku pochodzą z badania NBP „Szybki Monitoring analiza sytuacji sektora przedsiębiorstw” (omówienie) oraz z raportu EY Polska. Cytaty Jensena Huanga, Colette Kress i Sama Altmana zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o przejęciu Hugging Face i o modelach Astra.
