Targi Computex 2026 rozpoczęły się w Tajpej i jak zwykle ton nadała NVIDIA, prezentując Jensen Huang, który przedstawił cały plan rozwoju firmy. Znaczna część wydarzenia poświęcona była udoskonaleniom GPU dla centrów danych, które już widzieliśmy – Vera Rubin jest już w pełnej produkcji, a także znanemu już komunikatowi o agentach zmieniających każdą warstwę obliczeniową. Nie będziemy tego wszystkiego tu powtarzać.
Prawdziwie nowym materiałem, a zarazem powodem, dla którego ta prezentacja była ważna dla każdego, kto pracuje po stronie klienta, był komputer PC. NVIDIA i Microsoft wykorzystały targi Computex, aby ogłosić przełom w dziedzinie komputerów z systemem Windows, wprowadzając go w całej rodzinie produktów, a nie tylko w jednym urządzeniu. Zanim jednak do tego przejdziemy, warto bliżej przyjrzeć się jednemu fragmentowi historii centrów danych.
Bliższe spojrzenie na stojak LPX
Jeden element centrum danych przykuł naszą uwagę. Zmienił się stelaż LPX. Wygląda na to, że systemy zostały przeniesione z 1 OU do 2 OU, a cztery łącza Groq C2C również wyglądają fizycznie inaczej niż w przypadku LPX, o którym pisaliśmy wcześniej . Tym razem NVIDIA przyjrzała się stelażowi jeszcze bliżej. Poza tymi dwiema zmianami, nic innego nie wyróżniało się na zewnątrz, co wzbudza naszą ciekawość, co tak naprawdę kryje się w tej drugiej warstwie.
Rodzina komputerów PC z trzema poziomami
NVIDIA zapowiedziała rodzinę komputerów klienckich: laptop, komputer stacjonarny i stację roboczą, wszystkie oparte na tym samym fundamencie Spark i Blackwell, a także przeznaczone do obsługi systemu Windows. Jensen określił to jako pierwszą całkowicie przeprojektowaną linię komputerów PC od 40 lat. Niezależnie od tego, czy zdecydujesz się na zakup tej platformy, warto zrozumieć jej strukturę, ponieważ każdy poziom jest skierowany do zupełnie innego klienta. Omówimy je po kolei.
Laptopy RTX Spark
Sercem laptopów jest superukład RTX Spark, który NVIDIA zaprezentowała na scenie pod nazwą kodową N1X i zbudowała we współpracy z MediaTek. Jest to układ z 70 miliardami tranzystorów, wykonany w procesie technologicznym 3 nm TSMC, który łączy dwa chiplety w jeden układ SoC. Układ graficzny to duża konstrukcja Blackwell z 6,144 rdzeniami CUDA i rdzeniami Tensor piątej generacji o precyzji FP4, osiągającej 1 petaflop wydajności AI FP4. Łączy się on przez NVLink-C2C z prędkością 600 GB/s (wartość NVIDII to około 5-krotność PCIe Gen 5, przy znacznie niższym poborze mocy) z 20-rdzeniowym procesorem Grace. Maksymalna pamięć operacyjna to 128 GB pamięci zunifikowanej o przepustowości 300 GB/s.
Jeśli to brzmi jak specyfikacja DGX Spark, to dlatego, że prawie nią jest. NVIDIA powiedziała to podczas sesji pytań i odpowiedzi dla prasy, nazywając pełnowymiarowy układ „opartym na tym samym systemie” co DGX Spark, ale zoptymalizowanym pod kątem innej platformy, zarówno pod względem sprzętowym, jak i programowym. W założeniu DGX Spark został stworzony dla programistów Linuksa i AI, podczas gdy RTX Spark to produkt stworzony przede wszystkim dla systemu Windows, który nakłada pakiet gier i tworzenia RTX na ten sam układ scalony. NVIDIA opisuje wydajność jako „tej samej klasy, co karta graficzna RTX 5070 w laptopie”, z zastrzeżeniem, że porównanie różni się w zależności od obciążenia, ponieważ układ SoC z pamięcią zunifikowaną zachowuje się zupełnie inaczej niż oddzielny układ GPU na PCIe. To właśnie tutaj nasze doświadczenia z DGX Spark wzbudzają naszą największą ciekawość i gdzie spodziewamy się, że ta premiera będzie się różnić od poprzedniej. W naszych testach DGX Spark jednym z najbardziej spójnych ustaleń była różnica między różnymi projektami OEM. Niektóre implementacje były lepiej zaprojektowane od innych, ale ponieważ każda jednostka została zbudowana na zasadniczo tej samej platformie referencyjnej NVIDIA, miała takie samo zasilanie i taką samą osłonę termiczną, rzeczywista wydajność była bardzo zbliżona.
Nie spodziewamy się, że tak się stanie. RTX Spark trafi do laptopów, niektóre o grubości zaledwie 14 mm i wadze zaledwie 3 funtów. NVIDIA potwierdziła, że te układy będą miały moc od jednocyfrowej do około 80 W w maksymalnej konfiguracji, a każdy producent OEM będzie miał swobodę wyboru własnego rozwiązania chłodzenia, od komór parowych po zaawansowane rurki cieplne. W tak cienkiej obudowie układ prawie na pewno będzie miał ograniczenie mocy, co z kolei ogranicza go termicznie i częstotliwościowo. To nie jest zarzut. To fizyka. Oznacza to jednak, że producent OEM, który stworzy lepsze rozwiązanie termiczne, zapewni układowi wyższy, stały budżet mocy i dobrze dostosuje krzywe wentylatora, może stworzyć realną, stałą przewagę wydajnościową nad cieńszym, cichszym konkurentem, działającym na identycznym krzemie. Dwa laptopy z tym samym układem i tą samą pamięcią mogą zapewnić zauważalnie różną stałą przepustowość, a ustalenie, który producent OEM pozwoli układowi rozwinąć skrzydła, to właśnie ten rodzaj testów, dla którego żyjemy. RTX Spark obejmuje również całą rodzinę układów. NVIDIA jasno dała do zrozumienia, że będzie dostępnych wiele wersji SKU, z pełną specyfikacją (20 rdzeni procesora, do 128 GB) na czele. W całej rodzinie pamięć będzie się wahać od 16 GB do 128 GB, a NVIDIA spodziewa się, że w samej pierwszej fali, od każdego głównego producenta OEM, pojawi się ponad 30 laptopów i znacznie ponad 10 komputerów stacjonarnych, w tym takie znane modele jak Dell XPS 16 Creator Edition, HP OmniBook i Microsoft Surface Laptop Ultra.
Dwa szczegóły sprzętowe napawają nas optymizmem. Pierwszym jest sieć, a raczej jej brak. DGX Spark został dostarczony z wbudowaną kartą sieciową NVIDIA ConnectX-7 i łącznością 200GbE, co było świetne dla klastra deweloperskiego, ale pochłaniało przestrzeń na płycie, energię i koszty. NVIDIA potwierdziła, że laptopy RTX Spark nie będą wyposażone w pakiet CX7. W przypadku konsumenckiego laptopa z systemem Windows jest to właściwa decyzja, a dzięki zwolnieniu przestrzeni na płycie i budżetu energii, chcemy zobaczyć znacznie lepszą pamięć masową w tych jednostkach. Pamięć masowa DGX Spark była użyteczna, ale nigdy nie była gwiazdą pokazu, a konsumencki notebook bez krzemu sieciowego do zasilania ma wszelkie powody, aby dostarczać szybsze i większe NVMe. Drugim jest wejście/wyjście. Ponieważ każdy DGX Spark korzystał z tej samej płyty referencyjnej, każdy egzemplarz był dostarczany z tymi samymi portami. Po ujednoliceniu DGX Spark, rzeczywista różnorodność wejść/wyjść dla poszczególnych producentów OEM byłaby mile widziana.
Czas pracy na baterii to ostatnie pytanie dotyczące laptopów, a zarazem to, na które zostały stworzone nasze testy porównawcze. NVIDIA obiecała całodniową pracę na baterii, pozwalającą na produktywność i przeglądanie stron internetowych, jednocześnie przyznając, że gry lub pełna moc obliczeniowa AI wyczerpią każdy laptop w ciągu 45 minut do godziny. Nie możemy się doczekać, aby zmierzyć czas pracy na baterii podczas faktycznej pracy z AI. Agent działający nawet wtedy, gdy użytkownik jest wyłączony, to dobry pomysł, ale lokalne wnioskowanie na temat baterii to prawdziwy atut, a różnica między całodziennym korzystaniem z poczty e-mail a całodzienną pracą modelu 120B może być ogromna. Mamy pełen zestaw niestandardowych testów porównawczych dla komputerów osobistych z AI, gotowych właśnie dla takiej platformy i planujemy zmierzyć rzeczywisty wzrost produktywności, zamiast polegać na danych marketingowych.
Komputer stacjonarny RTX Spark
NVIDIA potwierdziła, że komputery stacjonarne RTX Spark w małym formacie pojawią się jesienią, obok laptopów, i zaprezentowała na scenie jeden z nich od MSI. Szczerze mówiąc, na pierwszy rzut oka wygląda jak DGX Spark i to właściwie wszystko, co o nim wiemy. Design wydaje się inny niż w testowanym przez nas DGX Spark, ale poza tym NVIDIA ujawniła niewiele.
Nasze pytania są oczywiste i będą musiały poczekać, aż sprzęt trafi na testy. Jak wydajność komputera stacjonarnego wypada w porównaniu z laptopami i DGX Spark, skoro powinien on mieć znacznie większy zapas ciepła niż notebook z obudową 14 mm? I czy komputer stacjonarny zachowuje sieć 200G, która zdefiniowała DGX Spark, czy też, podobnie jak laptopy, rezygnuje z obudowy CX7, aby osiągnąć niższą cenę?
Stacja DGX
Trzeci poziom jest najważniejszy i to maszyna, którą już znamy. NVIDIA już wcześniej publicznie zaprezentowała stację DGX, a my niedawno mieliśmy okazję osobiście ją przetestować. Nie będziemy tu wchodzić w szczegóły, ponieważ główne specyfikacje są już znane od jakiegoś czasu, a więcej do powiedzenia na ten temat pojawi się wkrótce w naszej recenzji.
W skrócie: DGX Station dla systemu Windows zbudowano na superchipie GB300 Grace Blackwell Ultra Desktop, łączącym procesor graficzny Blackwell Ultra z 72-rdzeniowym procesorem Grace. Oferuje do 748 GB pamięci koherentnej i do 20 petaflopów mocy obliczeniowej FP4, co wystarcza do lokalnego uruchamiania modeli o bilionach parametrów, a według firmy NVIDIA, setek agentów jednocześnie. W przeciwieństwie do konsumenckich maszyn Spark, ta oferuje szybką sieć dzięki karcie ConnectX-8 SuperNIC o przepustowości do 800 Gb/s oraz opcjonalnemu procesorowi graficznemu RTX PRO 6000 Blackwell Workstation.
Wielkie zaskoczenie: czy Microsoftowi uda się to osiągnąć?
Powiedzmy sobie jasno, gdzie stoimy. DGX Spark odniósł ogromny sukces dla firmy NVIDIA i jesteśmy bardzo optymistycznie nastawieni do całej rodziny. Sprzęt trafia w odpowiednie nuty, wydajność jest na swoim miejscu, a NVIDIA już udowodniła, że krzem jest w stanie sprostać wymaganiom. Jesteśmy sceptyczni co do możliwości Microsoftu w zakresie obsługi tych urządzeń.
Microsoft ostatnio znalazł się na pierwszych stronach gazet z niewłaściwych powodów, ze względu na rosnące niezadowolenie użytkowników z kierunku rozwoju systemu Windows. Niektórzy użytkownicy zaczęli nazywać go „Microslop”. Skargi są znane: agresywne wpychanie Copilota w każdy zakątek systemu operacyjnego, pionowa integracja sztucznej inteligencji w całym stosie i długotrwałe praktyki, takie jak skuteczne wymuszanie dostępu do OneDrive. Co więcej, Windows na Arm nie jest platformą, którą ktokolwiek nazwałby dojrzałą. NVIDIA mocno stawia na to, że tym razem będzie inaczej, powołując się na lata wspólnej pracy nad emulatorem Prism i współpracę ze wszystkimi głównymi dostawcami oprogramowania anty-cheat. Odpowiedź firmy na pytanie „Dlaczego Windows na Arm odniesie teraz sukces?” brzmi zasadniczo: „ponieważ wszyscy w końcu dają z siebie wszystko”. To może być prawdą. To mniej więcej to, co słyszeliśmy ostatnio.
Osobiście kibicuję Microsoftowi, bo korzyści są realne. RTX Spark to wydajna maszyna do gier, mniej więcej klasy RTX 5070. Jeśli historia emulacji i sterowników się utrzyma, może okazać się tańszą i wydajniejszą alternatywą dla gier na notebookach z dedykowanymi kartami graficznymi firmy NVIDIA. Jest też kwestia Linuksa, której nie możemy zignorować. Krzem to krzem, więc RTX Spark powinien odziedziczyć to samo silne wsparcie dla Linuksa, które uczyniło DGX Spark tak wydajną małą maszyną, i jesteśmy bardzo ciekawi, czy przetwarzanie gier i grafiki w stosie Windows również przełoży się na korzyści dla graczy na Linuksie. Jeśli Microsoftowi nie uda się stworzyć tak dobrej platformy, ten linuksowy rodowód może oznaczać, że będzie to premiera, która w końcu rozpocznie rok komputerów stacjonarnych z Linuksem dla mas.
Większym zaskoczeniem dla nas była decyzja firmy NVIDIA o zainstalowaniu systemu Windows na platformie DGX Station. Kiedy produkt został po raz pierwszy zaprezentowany w 2025 roku, wielu naszych znajomych z innych wydawnictw i my uznaliśmy to za genialny ruch. Wsparcie oprogramowania historycznie opóźniało nowy sprzęt, często o lata, zanim jądro i narzędzia dojrzały na tyle, by w pełni wykorzystać możliwości układu scalonego. Stacja DGX była maszyną, którą czołowe laboratoria, badacze i organizacje AI mogły kupić, aby rozpocząć prace rozwojowe w oparciu o najnowszą architekturę, na długo zanim wokół niej powstały centra danych. Problem polega na tym, że produkt spóźnił się na tę imprezę o rok. I chociaż naprawdę dobrze bawiliśmy się z tym systemem, pomijając dziwactwa okresu przedprodukcyjnego (kilka z nich przyprawiało mnie o nocne koszmary), nie możemy do końca uzasadnić instalowania systemu Windows na maszynie tak wyraźnie stworzonej do zaawansowanych zadań AI. B300 nie ma rdzeni RT, więc wiele zadań stacji roboczych firmy NVIDIA opierałoby się na opcjonalnej karcie RTX PRO, pozostawiając B300 wyłącznie do zadań AI. Jesteśmy bardzo ciekawi, jak w rzeczywistości sprawdza się obsługa systemu Windows na stacji DGX, i szczerze mówiąc, sceptycznie podchodzimy do możliwości Microsoftu, aby zapewnić dobre doświadczenia w tym zakresie i faktycznie wykorzystać potencjał B300 oraz sieci 800G ConnectX-8 na jednym hoście.
Nowa rodzina produktów dla każdego pokolenia
Szczegół z przemówienia, który utkwił nam najbardziej w pamięci, nie był specyfikacją.
Jensen przedstawił tę serię komputerów PC jako stałą rodzinę produktów, obiecując komputer stacjonarny, laptop i stację roboczą dla każdej przyszłej generacji architektur, mając na myśli, jak twierdzi, 100% branży komputerów PC.
Na marginesie, w końcu zobaczyliśmy wspomniany tu mniejszy układ Grace Blackwell Spark Superchip N1 o wydajności 400 TFlop. Ciekawe, jakie urządzenia zostaną wyposażone w ten układ.
Poza komputerem: fizyczna sztuczna inteligencja
Druga część wystąpienia skupiła się na fizycznej sztucznej inteligencji. To zupełnie inny świat niż sprzęt kliencki, o którym mowa powyżej, ale dopełnia obraz Computexu. NVIDIA wykorzystała również targi do udostępnienia na zasadzie open source obszernego zbioru narzędzi i umiejętności agentów fizycznej sztucznej inteligencji, opublikowanych na stronie github.com/NVIDIA/skills, w tym umiejętności z zakresu danych syntetycznych, takich jak rekonstrukcja neuronowa, augmentacja wideo i generowanie obrazów defektów, które partnerzy produkcyjni, w tym TSMC, Foxconn i SK hynix, już wykorzystują na liniach produkcyjnych. Poniżej znajdują się główne platformy.
Isaac GR00T Referencyjny robot humanoidalny
Firma NVIDIA opublikowała otwarty projekt referencyjny robota humanoidalnego, zbudowanego na podwoziu Unitree H2 Plus, które ma prawie 1,8 metra wysokości i waży 68 kilogramów. Robot oferuje łącznie 75 stopni swobody, dzięki dwóm, dotykowym, pięciopalczastym dłoniom Sharpa Wave. Siłowniki są solidne, z momentem obrotowym ramienia do 120 niutonometrów, do 360 stopni w nogach i udźwigiem nominalnym 7 kg, który osiąga maksymalnie 15 kg. Do wykrywania ruchu robot wyposażony jest w kamerę stereoskopową montowaną na głowie o 140-stopniowym polu widzenia w poziomie, kamery nadgarstkowe do manipulacji, jednostkę pomiaru bezwładności oraz standardowe interfejsy Wi-Fi 6 i Bluetooth 5.2. Mózgiem jest NVIDIA Jetson AGX Thor T5000 z GPU Blackwell o mocy 2,070 FP4 teraflopów, 14-rdzeniowym procesorem ARM i 128 GB zunifikowanej pamięci, pobierającym konfigurowalny prąd od 40 do 130 watów i działającym na baterii o pojemności około 1 kWh, wystarczającej na około trzy godziny. Cały stos, od Isaac Teleop do przechwytywania danych, przez Isaac Sim i Isaac Lab, po modele bazowe GR00T i oprogramowanie pośredniczące Isaac ROS do wdrażania, jest otwarty, a naukowcy zachowują kontrolę nad swoimi danymi. Stanford, ETH Zurich, UC San Diego i Ai2 należą do wczesnych użytkowników, a sprzęt Unitree będzie dostępny pod koniec 2026 roku, a referencyjny przepływ pracy Unitree G1 wkrótce pojawi się na GitHubie i Hugging Face. Jensen przedstawił stawkę w charakterystyczny dla siebie sposób, nazywając roboty humanoidalne „wielomiliardową szansą ekonomiczną”.
Cosmos 3
Cosmos 3 to otwarty, pionierski model bazowy firmy NVIDIA dla fizycznej sztucznej inteligencji. Ten omnimodel, będący mieszaniną transformatorów, obsługuje tekst, obrazy, wideo, dźwięk otoczenia i działania w jednym stosie, trenowanym na miliardach próbek multimodalnych. Pełni on trzy role: modelu wizyjno-językowego do rozumowania multimodalnego, modelu świata do symulacji środowisk fizycznych oraz szkieletu modeli świat-działanie, które szkolą roboty w zakresie określonych zadań. Dostępny jest jako Cosmos 3 Super do precyzyjnej robotyki i posttreningu AV, Cosmos 3 Nano do szybkiego rozumowania wideo i działań oraz Cosmos 3 Edge do wnioskowania w czasie rzeczywistym (wkrótce). NVIDIA twierdzi, że jest liderem w dziedzinie modeli otwartych w długiej liście testów porównawczych, w tym Physics-IQ i R-Bench do generowania świata, RoboLab i RoboArena do strategii działania oraz VANTAGE-Bench do rozumienia wizji, i że może skrócić cykle szkolenia i oceny fizycznej sztucznej inteligencji z miesięcy do dni. Jest on dostępny na platformach Hugging Face, GitHub i build.nvidia.com jako mikrousługa NIM. Wokół niego skupiła się koalicja, w skład której wchodzą Agile Robots, Black Forest Labs, Runway i Skild AI, a także firmy, które go wdrożyły, m.in. Samsung, LG Electronics, Li Auto i Doosan Robotics.
Alpamayo 2 Super
W celu zapewnienia autonomicznej jazdy, NVIDIA wprowadziła Alpamayo 2 Super. To otwarty, 32-miliardowoparametrowy model rozumowania wizyjno-językowo-działaniowego, oparty na modelach Cosmos, który rozumuje, planuje i działa w całym stosie sterowania dla rozwoju Level 4. Jest on skalowalny w stosunku do poprzednich wersji z 10 miliardami parametrów i rozszerza się do pełnej, 360-stopniowej percepcji otoczenia. Generuje on zarówno decyzje dotyczące sterowania w skali makro, jak i ślady łańcucha przyczynowo-skutkowego, które je wyjaśniają, a jego funkcja automatycznego etykietowania rozumowania może skrócić cykle adnotacji z miesięcy do dni. NVIDIA pozycjonuje go jako model dla nauczycieli, który destyluje się do mniejszych sieci do wdrożenia w pojazdach na platformie DRIVE AGX Thor i łączy go z narzędziami pomocniczymi w AlpaGym do uczenia się ze wzmocnieniem w pętli zamkniętej, OmniDreams do tworzenia generatywnych scenariuszy oraz Neural Reconstruction opartym na Omniverse NuRec do przekształcania danych floty w sceny 3D. Wcześniejsze wersje Alpamayo zostały pobrane blisko 400 000 razy. Nowy model zdobył nagrodę COMPUTEX Best Choice i ma być dostępny na GitHubie i Hugging Face tego lata.
NAPĘD Hyperion
Jeśli Alpamayo jest mózgiem, to DRIVE Hyperion jest samochodem, w którym się porusza. O Hyperionie pisaliśmy już wcześniej, więc nie będziemy tu ponownie omawiać platformy, poza tym, że jest to referencyjna platforma NVIDIA Level-4, oparta na systemie bezpieczeństwa Halos i systemie operacyjnym DriveOS, z procesorem DRIVE AGX. Tym razem ciekawszą historią jest to, kto za nią stoi. Uber integruje kilka flot opartych na Hyperionie, w tym program robotaxi w Monachium, który rozpocznie się jeszcze w tym roku. Foxconn i Foxtron planują premierę robotaxi na Tajwanie w 2028 roku, zaczynając od Kaohsiung i rozszerzając ją na całą Azję. VinFast wprowadza pojazdy Level 4 do Azji Południowo-Wschodniej, Autobrains współpracuje zarówno z VinFast, jak i Uberem, a HUMAIN wprowadza je do Arabii Saudyjskiej. To właśnie ta lista partnerów, bardziej niż jakakolwiek pojedyncza specyfikacja, sprawia, że Hyperion jest wart uwagi.
Myśli końcowe
NVIDIA ma krzem i teraz promuje go wszędzie, od 14-milimetrowego laptopa, przez komputer stacjonarny GB300, po klatkę piersiową humanoida – i w to wierzymy. Specyfikacja techniczna nie powie nam, czy Microsoft będzie w stanie sprawić, by Windows na platformie Arm był wart swojej ceny, czy producenci OEM pozwolą układowi Spark rozwinąć skrzydła, czy też zduszą go w zbyt cienkiej obudowie, ani czy deklarowane parametry petaflopów i baterii sprawdzą się, gdy będziemy mogli je zmierzyć. Jesteśmy optymistycznie nastawieni do sprzętu i sceptycznie nastawieni do oprogramowania (Microsoft, nie Linux) i będziemy utrzymywać oba stanowiska, dopóki maszyny nie trafią do laboratorium. Kiedy to nastąpi, testy porównawcze będą gotowe.
Amazon