W świecie technologii rzadko zdarzają się deklaracje o tak dużym ciężarze gatunkowym. Podczas wystąpienia w popularnym podcaście Lexa Fridmana Jensen Huang, CEO firmy Nvidia, wypowiedział słowa, które błyskawicznie obiegły branżę: „Myślę, że to teraz. Myślę, że osiągnęliśmy AGI”. Ta odważna teza o zbudowaniu modelu AI dorównującemu ludzkiej inteligencji wymaga jednak szerszego kontekstu oraz dodania zastrzeżenia samego autora.
W powszechnym rozumieniu AGI (Artificial General Intelligence), czyli ogólna (lub silna) sztuczna inteligencja, to system zdolny do dorównania ludzkiej inteligencji lub jej przewyższenia w niemal każdym zadaniu poznawczym. Jest to termin budzący kontrowersje, od którego wielu liderów technologicznych próbuje się ostatnio dystansować, uznając go za zbyt mglisty lub zbyt wyświechtany przez media.
Jednak temat zawsze wraca na nagłówki, gdy wypowiada się o nim ktoś taki jak Jensen Huang, współzałożyciela i prezes Nvidii. W rozmowie z Lexem Fridmanem opublikowanej 23 marca 2026 r. kontekst AGI był bardzo konkretny. Prowadzący zdefiniował AGI jako system zdolny do "zrobienia twojej pracy" – na przykład założenia, rozwoju i poprowadzenia technologicznej firmy wartej ponad bilion dolarów.
Zastrzeżenia prezesa Nvidii
Następnie zapytał Huanga, kiedy jego zdaniem AGI stanie się rzeczywistością — pytając, czy jest to kwestia, powiedzmy, 5, 10, 15 czy 20 lat, a Huang odparł: Myślę, że to teraz. Myślę, że osiągnęliśmy AGI. Natychmiast jednak dodał kontekst: Wielu ludzi używa tego przez parę miesięcy, a potem to umiera. Szanse, że 100 000 takich agentów zbuduje coś jak Nvidia, wynoszą zero procent.
It was an honor to hang out with Jensen Huang, CEO of @nvidia, and do a long-form podcast with him. Really fun & fascinating technical deep-dive conversation on & off the mic. One of the most brilliant & thoughtful human beings I've ever met. NVIDIA is the most valuable company… pic.twitter.com/s2rOUYmPMg
— Lex Fridman (@lexfridman) March 22, 2026
Wskazał więc na dwa kluczowe ograniczenia. Po pierwsze to efemeryczność sukcesów, gdzie wiele obecnych projektów opartych na agentach AI jest wykorzystywanych tylko kilka miesięcy. Brakuje im trwałości i zdolności do długofalowego utrzymania sukcesu. Po drugie zastrzegł brak złożoności systemowej. Huang dobitnie stwierdził, że nie ma szans, aby obecna AI mogła zbudować firmę o skali i złożoności Nvidii.
Autorskie modele Nvidii
Deklaracja Huanga nie padła w próżni. Nvidia, kojarzona głównie z produkcją chipów, intensywnie rozwija własne, otwarte modele AI, które stanowią fundament pod „erę agentów”. Należą do nich przede wszystkim otwartoźródłowe modele z rodziny Nemotron, skoncentrowane na zadaniach agentycznych i rozumowaniu, oraz multimodalny NVLM
Nemotron to rodzina modeli zoptymalizowanych pod kątem zadań agentów, rozumowania, wizji i mowy. Wersje takie jak Nano, Super czy Ultra są ściśle dostosowane do maksymalnej wydajności na sprzęcie Nvidii.
Z kolei NVLM (Nvidia Vision Language Model) to multimodalne modele (np. NVLM 1.0 72B), które w zadaniach wizyjno-językowych, takich jak OCR (z ang. Optical Character Recognition, czyli optyczne rozpoznawanie znaków) czy rozumowanie wizualne, skutecznie konkurują z GPT-4o.
Modele Nvidii zajmują specyficzną niszę na rynku zdominowanym przez gigantów takich jak OpenAI, Google czy Anthropic. W rankingach takich jak Artificial Analysis, modele Nvidii (np. Nemotron 3 Super) wyróżniają się rekordową prędkością generowania tokenów (podstawowych jednostek tekstu, jak słowa lub ich fragmenty) model wytwarza na sekundę podczas odpowiedzi i bardzo niskimi kosztami eksploatacji w porównaniu do zamkniętych modeli GPT-5 czy Claude 4.
Choć Nvidia przoduje w efektywności na GPU, topowe modele zamknięte (GPT-5, Claude 4, Gemini 3 Pro) wciąż prowadzą w najbardziej złożonych benchmarkach dotyczących ogólnego rozumowania. Modele te są rzadziej spotykane w popularnych rankingach typu LMSYS Chatbot Arena, ponieważ Nvidia skupia się na rozwiązaniach open-source dla deweloperów i optymalizacji sprzętowej, a nie na budowaniu konsumenckich chatbotów.
