13 listopada 2026 · Jakub M.

Nvidia bez Jensena Huanga: co to oznacza dla lokalnej AI i cen sprzętu

Założyciel Nvidii Jensen Huang odszedł ze stanowiska prezesa. Dla wszystkich, którzy uruchamiają sztuczną inteligencję na własnym sprzęcie, ważniejsze jest jednak coś innego: karty graficzne i stacje AI drożeją głównie z powodu niedoboru pamięci, a nie zmiany we władzach.

Co się stało

W niedzielę 8 listopada zarząd Nvidii ogłosił niezależne dochodzenie w sprawie swojego prezesa. W wewnętrznej wiadomości do pracowników Jensen Huang przyznał się do romansu pozamałżeńskiego. Według amerykańskich mediów sprawa dotyczy też jego relacji z menedżerką singapurskiej firmy Megaspeed. Według tych doniesień amerykańskie władze podejrzewają tę menedżerkę o powiązania z chińskim wywiadem; Chiny odrzucają zarzuty. Megaspeed był jednym z dużych zagranicznych klientów Nvidii i kupił od niej chipy oraz inny sprzęt za prawie 5 mld dolarów.

Zarząd przyjął rezygnację Huanga 11 listopada ze skutkiem natychmiastowym, a firma ogłosiła ją dzień później. Tymczasowo Nvidią kieruje dyrektor finansowa Colette Kress, przewodniczącym rady został Harvey C. Jones i trwa poszukiwanie stałego następcy. Akcje Nvidii straciły w pięć dni około 17% i są najniżej od ponad roku.

Co na razie się nie zmienia

Odejście prezesa nie zmienia niczego w działaniu obecnych kart graficznych, sterowników ani narzędzi, w tym CUDA. Kto dziś uruchamia modele AI na sprzęcie Nvidii, nie musi od razu niczego zmieniać.

Analitycy są zgodni, że krótkoterminowo nie zmienia się też biznes firmy. Według Cody’ego Acree’ego ze StoneX plan produktów Nvidii jest rozpisany aż do generacji Feynman w 2028 roku i do tego czasu nie widzi on wpływu na przychody. Raymond James uważa reakcję rynku za przesadzoną. Goldman Sachs spodziewa się, że Nvidia dotrzyma obecnych zobowiązań, ale nowe duże partnerstwa będzie bez Huanga trudniej negocjować. Według Digitimes tajwańscy producenci serwerów zakładają, że popyt w najbliższym czasie się utrzyma.

Odejście Jensena Huanga to największa zmiana we władzach Nvidii od ponad trzech dekad. Dla osób wybierających sprzęt do własnych modeli AI przychodzi jednak w momencie, gdy rynek i bez tego jest trudny. Ceny pamięci rosną, wydajne karty graficzne są trudno dostępne, a coraz więcej użytkowników szuka alternatyw dla klasycznych zestawów z GPU.

Główna przyczyna podwyżek: pamięć

Obecne drożenie sprzętu do lokalnej AI wynika przede wszystkim z niedoboru układów pamięci. Według Wall Street Journal centra danych AI zużyją w tym roku około 70% produkcji wydajnych pamięci DRAM. Pamięć podrożała o około 50% już pod koniec 2025 roku, a analitycy TrendForce zakładali na ten rok kolejny wzrost o około 70%. Producenci sprzedają już moce na lata 2027 i 2028 i wyraźnej ulgi nie oczekują przed 2028 rokiem. Na ceny końcowe wpływają też inne czynniki, np. popyt i polityka cenowa producentów.

Dla lokalnej AI pamięć jest kluczowa. Jej pojemność decyduje, jak duży model zmieści się w komputerze, a przepustowość, jak szybko będzie odpowiadał.

Ile dziś kosztuje sprzęt do lokalnej AI

Pamięć graficzna na karcie jest znacznie szybsza, ale mała: model, który się w niej nie mieści, trzeba podzielić albo mocno zwalnia. Pamięć współdzielona i zunifikowana jest wolniejsza, ale mieści znacznie większe modele. Obu wartości nie można więc porównywać wprost.

Karty graficzne ucierpiały szczególnie mocno. RTX 5090 zniknęła z oferty dużych amerykańskich sklepów już w styczniu. Według GPU Poet w listopadzie sprzedawano ją na platformach internetowych za około 6000 dolarów, czyli mniej więcej za trzykrotność ceny sugerowanej. Według chińskich źródeł producenci kart znów podnoszą ceny w listopadzie, w przypadku RTX 5090 i 5080 o prawie 500 dolarów.

Kompaktowe stacje AI z pamięcią współdzieloną to najtańsza droga do dużych modeli, ale i one drożeją. Nvidia DGX Spark ze 128 GB podrożał od premiery o 75%. AMD sprzedaje własny komputer Ryzen AI Halo ze 128 GB od 3999 dolarów. Wiosną Apple podawał dla Maców Studio z większą pamięcią czas dostawy nawet cztery–pięć miesięcy.

Co pokazał nasz własny test

Sami sprawdziliśmy, jak daleko można zajść z pamięcią współdzieloną. Na Macu Studio M5 Ultra z 256 GB pamięci zunifikowanej działał 4-bitowy model Qwen3.5 z 397 mld parametrów. Zajął około 224 GB pamięci i generował około 62 tokenów na sekundę, bez żadnej zmiany ustawień macOS. Przy kontekście 128 tys. tokenów prędkość spadła do 44 tokenów na sekundę. Taki model nawet w przybliżeniu nie zmieściłby się na jednej karcie graficznej. Szczegóły w teście Qwen3.5 397B.

Co może się zmienić w kolejnych latach

Odejście Huanga dodaje niepewności głównie w dłuższej perspektywie. Wiele zależy od tego, kto pokieruje Nvidią: inżynier zapewne utrzymałby obecny kurs, menedżer z zewnątrz mógłby mocniej naciskać na wyniki krótkoterminowe. Sprawa Megaspeed postawiła też pytanie, czy chipy Nvidii nie trafiają do Chin przez inne kraje. Surowsze kontrole eksportu dotknęłyby głównie dużych klientów, użytkowników domowych na razie nie dotyczą. AMD i Apple tymczasem wzmacniają wsparcie narzędzi do lokalnej AI, a każde potknięcie Nvidii daje im szansę.

Pierwszy duży test nadejdzie 17 listopada, gdy Nvidia opublikuje wyniki kwartalne. Uwaga skupi się na zamówieniach i komentarzu do dostaw.

Co z tego wynika dla lokalnej AI

Panika nie jest uzasadniona. Sprzęt, który masz, działa dalej, a nowe produkty Nvidii pozostają w planach. Kupowanie pod presją się jednak nie opłaca: RTX 5090 kosztuje dziś mniej więcej trzykrotność ceny sugerowanej, a niedobór pamięci szybko nie minie.

Warto też nie stawiać wszystkiego na jedną platformę. llama.cpp działa na kartach Nvidii i AMD, na Apple Silicon i na samym procesorze. Biblioteka MLX powstała dla Apple Silicon, ale obsługuje już też CUDA. vLLM wymaga dla każdej platformy innego backendu. Przejście między platformami nie jest więc darmowe, ale jest możliwe.

Sprawdź przed zakupem

Przy sprzęcie za tysiące euro warto najpierw sprawdzić, czy Twój model i Twoje zadanie będą działać wystarczająco szybko. Mac Studio M5 Ultra z 256 GB, na którym testowaliśmy, możesz u nas wynająć już na jeden dzień.

Źródła: NVIDIA Form 8-K (SEC), ABC News, CBS News, TipRanks, Investing.com, Digitimes, Windows Central (WSJ, TrendForce), GPU Poet, Dataconomy, TechRadar, Implicator, Digital Citizen, BGR. Ceny na 13 listopada 2026.

Zapytaj o wynajem Wydajność

← Wszystkie artykuły