Jensen Huang mostrou como a Nvidia está redefinindo a infraestrutura da AI agêntica

Выступление Дженсена Хуанга на GTC 2026 оказалось не просто презентацией новых чипов NVIDIA. Главный сигнал был в другом: для агентного ИИ компания перестраивает само понятие инфраструктуры — от CPU и стоек до слоя оркестрации, политик безопасности и качества данных.

Не только GPU

Самая громкая цифра с конференции — планка в $1 трлн по Blackwell и Vera Rubin к 2027 году. Но важнее другое: NVIDIA всё настойчивее продаёт не отдельные ускорители, а целостную фабрику для инференса. В мире, где один агент координирует десятки подагентов, ходит по инструментам и держит длинный контекст, узким местом становятся не только GPU.

Критичны CPU для координации, сеть, хранилище и скорость перемещения данных между всеми этими слоями. Платформа Vera Rubin как раз и отражает этот сдвиг. NVIDIA говорит о полном стеке, где CPU Vera, GPU Rubin, сетевые компоненты и память проектируются как единая система с более низкой стоимостью токена и более высокой эффективностью инференса.

Для бизнеса это важный разворот: считать нужно уже не просто количество GPU, а всю экономику агентной нагрузки — от оркестрации и хранения контекста до гибкости контрактов и цены каждого запроса.

• CPU-стойки для слоя оркестрации GPU-системы для массового инференса отдельный слой памяти и хранения контекста сетевую ткань для постоянного обмена данными стоимость токена как новый базовый KPI ## OpenClaw и контроль Второй сильный сигнал — ставка на OpenClaw, open-source платформу для агентного ИИ. Хуанг фактически поставил её в роль Linux для агентной эпохи: это уже не просто библиотека, а базовый слой, на котором можно поднимать персональных и корпоративных агентов, подключать модели, файлы, инструменты и собственные навыки. Поверх неё NVIDIA вывела NemoClaw и runtime OpenShell — набор для более безопасного запуска агентов с политиками доступа, privacy routing и сетевыми ограничениями. Почему это важно: большинство корпоративных правил для ИИ писались под старую схему «человек задал запрос — модель ответила». Агентный ИИ ломает эту логику. Теперь системе нужно контролировать, кто и когда получает доступ к данным, какие инструменты может вызывать агент, может ли он запускать подагентов и как потом восстановить цепочку действий. Если этот слой не продуман заранее, компании получат не ускорение, а новый класс инцидентов.

Данные снова в центре

Третий вывод с GTC 2026 — структурированные данные снова становятся ядром корпоративного ИИ. Это хорошо видно по партнёрству IBM и NVIDIA: GPU-ускорение пришло прямо в SQL-слой Presto внутри watsonx.data, чтобы быстрее гонять большие корпоративные датасеты и сокращать стоимость аналитики. То есть разговор смещается с абстрактных «умных моделей» к очень практичному вопросу: насколько быстро, чисто и управляемо данные компании доходят до агентов.

«Данные — это ground truth, которая даёт ИИ контекст и смысл».

В этой фразе одновременно и комплимент, и предупреждение для data-команд. Если данные хорошо описаны, согласованы и доступны по понятным правилам, агентный ИИ становится надёжнее и полезнее. Если же они разрознены, противоречивы и плохо документированы, агенты начнут масштабировать ошибки так же уверенно, как сегодня масштабируют полезную работу. Поэтому главный вопрос после GTC звучит не «где купить больше GPU», а «готовы ли данные компании быть опорой для автономных систем».

Что это значит GTC 2026 показала, что следующая гонка в ИИ пойдёт не

только за чипы, но и за качество данных, оркестрацию и правила управления агентами. Выиграют не те, кто попытается догнать гиперскейлеров по железу, а те, кто уже сейчас пересматривает инфраструктурные контракты, политики доступа и архитектуру данных под мир, где агенты работают постоянно и в большом масштабе.