W świecie technologicznym niezmiernie rzadko spotyka się deklaracje o tak znaczącej wadze. W trakcie występu w popularnym podcaście Lexa Fridmana, Jensen Huang, dyrektor generalny firmy Nvidia, wygłosił słowa, które momentalnie obiegły całą branżę: „Sądzę, że to właśnie teraz. Uważam, że osiągnęliśmy AGI”. Ta śmiała hipoteza o stworzeniu modelu AI, który dorównuje inteligencji człowieka, wymaga jednak głębszego kontekstu oraz uwzględnienia zastrzeżenia samego autora.
W ogólnie przyjętym rozumieniu AGI (Artificial General Intelligence), innymi słowy ogólna (lub mocna) sztuczna inteligencja, jest to system zdolny do konkurowania z ludzką inteligencją lub jej przewyższenia w prawie każdym zadaniu kognitywnym. Jest to pojęcie wywołujące spory, od którego wielu liderów branży technologicznej usiłuje ostatnio zdystansować się, oceniając je jako zbyt niejasne lub nadmiernie zużyte przez media.
Mimo to temat stale powraca na czołówki, kiedy mówi o nim ktoś taki jak Jensen Huang, współzałożyciel i prezes firmy Nvidia. W konwersacji z Lexem Fridmanem udostępnionej 23 marca 2026 roku, kontekst AGI był bardzo precyzyjny. Gospodarz zdefiniował AGI jako system zdolny do "wykonywania twojej pracy" – przykładowo założenia, rozwoju i prowadzenia firmy technologicznej o wartości przekraczającej bilion dolarów.
Zastrzeżenia szefa Nvidii
Następnie zapytał Huanga, kiedy jego zdaniem AGI stanie się rzeczywistością — pytając, czy to kwestia, powiedzmy, 5, 10, 15 albo 20 lat, a Huang odrzekł: Sądzę, że to teraz. Uważam, że osiągnęliśmy AGI. Jednak niezwłocznie doprecyzował: Wielu ludzi korzysta z tego przez kilka miesięcy, a potem to zanika. Prawdopodobieństwo, że 100 000 takich agentów zbuduje coś na miarę Nvidii, wynosi 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
Zwrócił więc uwagę na dwa istotne ograniczenia. Po pierwsze to przemijalność osiągnięć, gdzie wiele obecnych projektów opartych na agentach AI jest wykorzystywanych jedynie przez kilka miesięcy. Brakuje im trwałości oraz zdolności do długotrwałego podtrzymania sukcesu. Po drugie zaznaczył brak systemowej złożoności. Huang kategorycznie stwierdził, że nie ma możliwości, aby obecna AI mogła zbudować firmę o skali oraz złożoności Nvidii.
Autorskie modele Nvidii
Oświadczenie Huanga nie pojawiło się w izolacji. Nvidia, identyfikowana przede wszystkim z produkcją chipów, intensywnie rozwija własne, otwarte modele AI, które stanowią fundament pod „erę agentów”. Zalicza się do nich zwłaszcza otwartoźródłowe modele z rodziny Nemotron, ukierunkowane na zadaniach agentycznych i dedukcji, oraz multimodalny NVLM.
Nemotron to rodzina modeli zoptymalizowanych pod kątem zadań agentów, rozumowania, percepcji wzrokowej i mowy. Warianty takie jak Nano, Super czy Ultra są precyzyjnie dopasowane do najwyższej wydajności na sprzęcie Nvidii.
Z kolei NVLM (Nvidia Vision Language Model) to multimodalne modele (np. NVLM1.0 72B), które w zadaniach wizyjno-językowych, takich jak OCR (z ang. Optical Character Recognition, czyli optyczne rozpoznawanie znaków) czy wnioskowanie wizualne, skutecznie konkurują z GPT-4o.
Modele Nvidii zajmują specyficzną pozycję na rynku zdominowanym przez potentatów takich jak OpenAI, Google czy Anthropic. W zestawieniach takich jak Artificial Analysis, modele Nvidii (np. Nemotron 3 Super) wyróżniają się rekordową szybkością generowania tokenów (podstawowych fragmentów tekstu, jak słowa albo ich części) model produkuje na sekundę podczas odpowiedzi i bardzo niskimi kosztami eksploatacji w porównaniu do zamkniętych modeli GPT-5 czy Claude 4.
Pomimo że Nvidia góruje w efektywności na GPU, czołowe modele zamknięte (GPT-5, Claude 4, Gemini 3 Pro) nadal przewodzą w najtrudniejszych benchmarkach dotyczących ogólnego rozumowania. Modele te rzadziej pojawiają się w popularnych rankingach typu LMSYSChatbot Arena, ponieważ Nvidia koncentruje się na rozwiązaniach open-sourced dla deweloperów i optymalizacji sprzętowej, zamiast na budowaniu konsumenckich chatbotów.