Chipy NVIDIA Blackwell zmieniły rachunek zysków i strat całej branży AI w ciągu zaledwie kilku kwartałów. Przychody Nvidii ze sprzedaży centrów danych osiągnęły w roku fiskalnym 2025 poziom 115,2 mld USD [ŹRÓDŁO: NVIDIA Earnings FY2025], a architektura Blackwell odpowiada za rosnącą część tego wyniku. Poniżej znajdziesz szczegółowy przegląd tego, co Blackwell oferuje technicznie, jak wpłynął na finanse Nvidii i co czeka go w kolejnych latach.
Chip Blackwell AI: co to takiego?
Blackwell to nazwa architektury GPU opracowanej przez NVIDIA i zaprezentowanej oficjalnie w marcu 2024 roku. Zastąpiła poprzednią generację Hopper i skupia się przede wszystkim na zadaniach związanych z trenowaniem oraz inferencją dużych modeli językowych (LLM). Nazwa pochodzi od matematyka Davida Blackwella, jednego z pionierów statystyki i teorii gier.
Flagowy układ tej generacji, GB200, integruje dwa procesory GPU B200 oraz jeden procesor CPU Grace w jednym module NVL72. Kość B200 zawiera 208 mld tranzystorów [ŹRÓDŁO: NVIDIA, 2024] i jest produkowana przez TSMC w procesie 4NP. Pamięć HBM3e o pojemności 192 GB na kości zapewnia przepustowość do 8 TB/s – to wynik niemal dwukrotnie wyższy niż w H100. Pojedynczy moduł GB200 NVL72 dostarcza do 1,4 eksaflopsa w obliczeniach FP4 [ŹRÓDŁO: NVIDIA Technical Brief, 2024].
Blackwell nie jest jednak jednorodną rodziną. NVIDIA przygotowała kilka wariantów odpowiadających różnym potrzebom rynkowym. Oto zestawienie kluczowych układów:
- B200 – pełnoprawny akcelerator dla centrów danych, 192 GB HBM3e, TDP do 1000 W
- B100 – wersja o obniżonym poborze mocy, 192 GB HBM3e, TDP 700 W
- B40 – układ skierowany do mniej energochłonnych wdrożeń chmurowych
- GeForce RTX 5090 – wariant konsumencki architektury Blackwell, 32 GB GDDR7, premiera styczeń 2025
- GeForce RTX 5080 – drugi konsumencki model, 16 GB GDDR7
Technologia na czołowej pozycji
Blackwell wprowadza kilka rozwiązań, które odróżniają go od poprzedniej generacji Hopper. Pierwsze z nich to silnik Transformer Engine drugiej generacji, który obsługuje precyzję FP4 – poprzednia generacja zatrzymywała się na FP8. Niższy format liczbowy pozwala upakować dwukrotnie więcej obliczeń w tym samym czasie przy zachowaniu akceptowalnej dokładności modelu.
Drugi element to architektura NVLink 5. Łącze między układami osiąga przepustowość 1,8 TB/s [ŹRÓDŁO: NVIDIA, 2024], co umożliwia traktowanie całego systemu NVL72 jak jednej spójnej jednostki obliczeniowej z łączną pamięcią przekraczającą 13 TB. Dla modeli o setkach miliardów parametrów takie skalowanie bez wąskich gardeł to wymóg, a nie luksus.
Trzecia innowacja to dedykowany silnik dekompresji dla baz danych. Blackwell potrafi dekompresować dane bezpośrednio na GPU z przepustowością do 800 GB/s [ŹRÓDŁO: NVIDIA Technical Brief, 2024], eliminując wąskie gardło na poziomie magistrali PCIe. Dla firm analitycznych operujących na petabajtowych zbiorach danych skraca to czas zapytań o kilkadziesiąt procent w porównaniu z poprzednią generacją.
Pod względem efektywności energetycznej NVIDIA deklaruje, że GB200 wykonuje zadania inferencji LLM z 25-krotnie wyższą wydajnością na wat niż H100 [ŹRÓDŁO: NVIDIA, 2024]. To twierdzenie dotyczy specyficznych scenariuszy testowych, jednak nawet ostrożniejsze szacunki analityków branżowych wskazują na poprawę rzędu 5-10-krotności [~szacunek, Moor Insights & Strategy, 2024].
Różnorodność zastosowań
Blackwell trafił do niemal każdego segmentu rynku związanego z obliczeniami wysokiej wydajności. Poniżej kilka konkretnych przykładów wdrożeń.
W chmurze obliczeniowej pierwsze klastry oparte na GB200 NVL72 uruchomili w 2024 roku Microsoft Azure, Google Cloud i Amazon Web Services [ŹRÓDŁO: komunikaty prasowe operatorów, 2024]. Microsoft zapowiedział, że do końca 2025 roku wdroży dziesiątki tysięcy układów Blackwell w ramach infrastruktury Azure AI [ŹRÓDŁO: Microsoft Ignite, 2024].
W motoryzacji NVIDIA wykorzystuje Blackwell jako zaplecze obliczeniowe dla platformy szkoleniowej autonomicznych pojazdów. Układy te trenują modele używane następnie w samochodowych chipach Drive Thor, które trafią do seryjnych aut kilku producentów od 2025 roku [ŹRÓDŁO: NVIDIA GTC, 2024].
W medycynie akceleratory Blackwell obsługują modele generatywne do analizy obrazów radiologicznych oraz sekwencjonowania genomów. NVIDIA współpracuje w tym zakresie z firmami takimi jak Illumina i GE HealthCare [ŹRÓDŁO: NVIDIA, 2024].
Segment konsumencki obsługują karty RTX serii 5000, które trafiły do sprzedaży w pierwszym kwartale 2025 roku. RTX 5090 osiąga w testach renderingu wyniki o około 30% wyższe niż RTX 4090 przy zbliżonym poborze mocy [~szacunek, Digital Foundry, 2025].
Jak chipy Blackwell AI wpływają na wyniki Nvidii?
Liczby mówią same za siebie. Przychody Nvidii w roku fiskalnym 2025 (zakończonym w styczniu 2025) wyniosły 130,5 mld USD, co stanowi wzrost o 114% rok do roku [ŹRÓDŁO: NVIDIA Earnings FY2025]. Segment centrów danych, napędzany sprzedażą układów Hopper i pierwszymi dostawami Blackwella, odpowiadał za 115,2 mld USD tej kwoty.
Sam start dostaw Blackwella był spektakularny. Jensen Huang, CEO Nvidii, poinformował podczas wyników za trzeci kwartał fiskalny 2025, że Blackwell wygenerował przychody rzędu 11 mld USD w jednym kwartale – to jeden z najszybszych startów sprzedaży produktu w historii firmy [ŹRÓDŁO: NVIDIA Q3 FY2025 Earnings Call, 2024]. Na początku 2024 roku pojawiały się doniesienia o problemach z wydajnością produkcji, ale NVIDIA rozwiązała je przed końcem roku, przyspieszając dostawy do klientów chmurowych.
Marża brutto Nvidii utrzymuje się na poziomie powyżej 74% [ŹRÓDŁO: NVIDIA FY2025], co pokazuje, że popyt nadal znacznie przewyższa podaż. Klienci płacą za GB200 kwoty szacowane na 30 000-40 000 USD za kość [~szacunek, analitycy TF Securities, 2024], a za kompletny system NVL72 – wielokrotność tej sumy.
Reakcja rynku
Akcje Nvidii (NVDA) wzrosły w ciągu 2024 roku o ponad 170% [ŹRÓDŁO: Yahoo Finance, 2024], czyniąc z firmy przez pewien czas najwyżej wyceniane przedsiębiorstwo na świecie z kapitalizacją przekraczającą 3 bln USD. Blackwell był głównym katalizatorem tej wyceny – każde ogłoszenie nowego kontraktu lub przyspieszenia dostaw przekładało się na wzrost kursu.
Analitycy z Morgan Stanley, Bank of America i JPMorgan podnosili kolejno cele cenowe dla akcji NVDA przez całe drugie półrocze 2024 roku [ŹRÓDŁO: komunikaty biur maklerskich, 2024]. Głównym argumentem był przewidywany niedobór podaży układów Blackwell sięgający co najmniej połowy 2025 roku.
Nie wszyscy inwestorzy reagowali entuzjastycznie na każdą informację. Wzmianki o problemach z przegrzewaniem się modułów NVL72 w szafach rackowych w trzecim kwartale 2024 roku spowodowały krótkoterminowy spadek kursu o kilka procent, zanim firma potwierdziła, że dotyczy to wyłącznie określonych konfiguracji chłodzenia [ŹRÓDŁO: The Information, 2024].
Konkurenci próbowali odpowiedzieć na ofensywę Blackwella. AMD zaprezentowało akcelerator MI325X i zapowiedziało MI350 na 2025 rok, jednak ich udział w rynku akceleratorów AI pozostaje marginalny – szacunki wskazują na poziom poniżej 10% w segmencie centrów danych [~szacunek, IDC, 2024].
Inwestycje w badania i rozwój
Wydatki Nvidii na badania i rozwój w roku fiskalnym 2025 osiągnęły 8,7 mld USD [ŹRÓDŁO: NVIDIA FY2025 Annual Report], co stanowi wzrost o około 47% rok do roku. Firma zatrudnia ponad 36 000 pracowników [ŹRÓDŁO: NVIDIA, 2024], z czego większość pracuje w działach inżynieryjnych.
Blackwell powstawał przez kilka lat. Architektura wymagała przeprojektowania całego stosu programowego CUDA, bibliotek cuDNN i frameworka TensorRT. Bez tego oprogramowanie nie wykorzystałoby możliwości sprzętu – NVIDIA doskonale rozumie, że klienci kupują ekosystem, nie tylko krzem.
Firma pracuje równolegle nad kolejną generacją o nazwie kodowej Rubin, zapowiedzianą na 2026 rok [ŹRÓDŁO: NVIDIA GTC, 2024]. Rubin ma korzystać z pamięci HBM4 i nowej platformy NVLink 6. NVIDIA przyjęła roczny rytm wydawania nowych architektur, co wywiera presję na konkurentów próbujących nadrobić zaległości.
Przyszłość chipów AI i Nvidii
Globalny rynek akceleratorów AI wyceniany był w 2024 roku na około 65 mld USD i według analityków IDC ma rosnąć w tempie ponad 25% rocznie do 2028 roku [ŹRÓDŁO: IDC, 2024]. Blackwell zajmuje w tym rynku pozycję dominującą, ale kilka czynników może tę dynamikę zakłócić.
Pierwszym jest polityka eksportowa USA. Przepisy dotyczące eksportu zaawansowanych chipów AI do Chin ograniczają część potencjalnego rynku Nvidii. Firma sprzedaje na rynek chiński układy H20 – wersję zmodyfikowaną pod wymagania regulacyjne – jednak ich wydajność jest istotnie niższa niż B200 [ŹRÓDŁO: Reuters, 2024].
Drugim czynnikiem jest rosnące zainteresowanie producentów chmurowych własnymi układami. Google ma TPU, Amazon – Trainium i Inferentia, Microsoft pracuje nad Maia. Jednak żaden z tych układów nie osiąga jeszcze poziomu ekosystemowego Nvidii, a ich wdrożenia ograniczają się głównie do obciążeń wewnętrznych [~szacunek, Bernstein Research, 2024].
Trzecim elementem jest efektywność nowych modeli AI. Pojawienie się DeepSeek R1 na początku 2025 roku pokazało, że modele można trenować taniej, co wywołało krótką panikę na rynku akcji Nvidii – kurs spadł jednego dnia o 17% [ŹRÓDŁO: Reuters, styczeń 2025]. Jednak analitycy szybko zauważyli, że tańsze modele zwiększają popyt na inferencję, co z kolei napędza sprzedaż układów Nvidii w nowych segmentach rynku.
Ekspansja na nowe rynki
NVIDIA aktywnie wychodzi poza tradycyjne centrum danych. Platforma NVIDIA AI Enterprise pozwala firmom wdrażać modele AI na chipach Blackwell w hybrydowych środowiskach chmurowych. Liczba przedsiębiorstw korzystających z tej platformy wzrosła w 2024 roku do ponad 40 000 [ŹRÓDŁO: NVIDIA, 2024].
W robotyce NVIDIA uruchomiło platformę Isaac opartą na Blackwellu. Roboty przemysłowe Honeywell, KION i Siemens Energy korzystają z układów NVIDIA do przetwarzania danych z sensorów w czasie rzeczywistym [ŹRÓDŁO: NVIDIA GTC, 2024]. To segment, który do tej pory był zdominowany przez specjalizowane procesory ARM i FPGA.
Sektor energetyczny również sięga po Blackwella. Firmy naftowe i gazowe używają układów NVIDIA do modelowania złóż i optymalizacji wydobycia. ExxonMobil podpisał umowę z NVIDIA na wdrożenie klastra GB200 do symulacji sejsmicznych [ŹRÓDŁO: NVIDIA, 2024]. To przykład rozszerzenia rynku poza typową narrację o AI w big tech.
Współpraca z innymi firmami
NVIDIA buduje sieć partnerów na kilku poziomach. Na poziomie sprzętu współpracuje z producentami serwerów: Dell, HPE, Lenovo i Supermicro oferują systemy certyfikowane pod Blackwella. Na poziomie oprogramowania ekosystem CUDA liczy ponad 4 mln programistów [ŹRÓDŁO: NVIDIA, 2024], co tworzy naturalną barierę przejścia do konkurencyjnych platform.
Ważnym partnerem pozostaje TSMC. Produkcja chipów Blackwell odbywa się w procesie 4NP, a NVIDIA zabezpieczyła moce produkcyjne daleko w przyszłość. Raporty z 2024 roku wskazują, że NVIDIA jest jednym z trzech największych klientów TSMC, odpowiadającym za znaczący udział w przychodach tajwańskiego producenta [~szacunek, Morgan Stanley, 2024].
Na poziomie oprogramowania firma zacieśniła współpracę z SAP i Salesforce, integrując modele AI oparte na Blackwellu z systemami ERP i CRM. Dla klientów korporacyjnych oznacza to dostęp do mocy obliczeniowej Blackwella bez konieczności budowania własnej infrastruktury.
Inwestycja w przyszłość AI z chipami Blackwell
Blackwell zmienił punkt odniesienia dla całej branży akceleratorów AI. Pojedynczy moduł NVL72 dostarcza moc obliczeniową, która jeszcze trzy lata temu wymagała całego centrum danych. Przychody Nvidii przekroczyły 130 mld USD, a marże utrzymują się na poziomie, który większość firm technologicznych może jej tylko pozazdrościć.
Kto kupuje Blackwella? Przede wszystkim operatorzy chmurowi wydający miliardy na infrastrukturę AI, ale też coraz więcej firm z sektorów tradycyjnie niekojarzoną z GPU – energetyki, farmacji, logistyki. Ten trend będzie się pogłębiał, bo koszty inferencji modeli AI spadają, a nowe zastosowania pojawiają się szybciej, niż analitycy są w stanie je skatalogować.
Następca Blackwella, architektura Rubin, ma pojawić się w 2026 roku. Jeżeli NVIDIA utrzyma dotychczasowy rytm i każda generacja przynosi kilkukrotny skok wydajności, rynek akceleratorów AI w perspektywie najbliższych trzech lat będzie wyglądał zupełnie inaczej niż dziś. Firmy, które już teraz budują kompetencje wokół ekosystemu CUDA i architektury Blackwell, zyskują czas na oswojenie się z narzędziami, zanim te staną się jeszcze bardziej złożone.
