Nvidia ma 92,4 proc. rynku suwerennej AI. Raport Counterpoint pokazuje niemal monopol

Counterpoint analizował projekty z ponad 80 państw, przy czym około 55 z nich miało opracować własne modele językowe. Zdecydowana większość tych projektów korzysta jednak z infrastruktury Nvidii . Analityk Counterpoint Neil Shah zwrócił uwagę na podstawowy paradoks: inicjatywy określane jako „suwerenna AI” mają zapewniać niezależność technologiczną, lecz ich warstwa obliczeniowa jest w dużej mierze uzależniona od jednej firmy .

Dlaczego Nvidia utrzymuje tak dużą przewagę?

CUDA ważniejsza niż sam układ

Najczęściej wskazywanym źródłem przewagi Nvidii nie jest sam sprzęt, lecz CUDA — platforma programistyczna rozwijana przez firmę od około dwóch dekad. Obejmuje ona narzędzia dla deweloperów, zoptymalizowane biblioteki oraz rozwiązania używane podczas trenowania modeli, ich wdrażania i symulacji robotyki .

Kod przygotowany z myślą o CUDA jest związany ze sprzętem Nvidii. Przejście na konkurencyjną platformę oznacza więc dla laboratoriów, operatorów chmury i administracji nie tylko zakup innych akceleratorów, ale również przebudowę części oprogramowania i procesów. To tworzy wysokie koszty zmiany oraz silne przywiązanie do ekosystemu .

Niektórzy analitycy oceniają, że przewaga CUDA zaczyna słabnąć. Narzędzia takie jak Triton oraz rozwiązania bardziej niezależne od konkretnego sprzętu mogą ułatwić uruchamianie modeli na układach innych producentów . W segmencie suwerennej AI nie widać jednak na razie przełomu: udział Nvidii wynoszący 92,4 proc. pokazuje, że konkurenci nie zdobyli jeszcze znaczącej pozycji w tym konkretnym rynku.

Kompletny stos technologiczny

Nvidia sprzedaje nie tylko akceleratory. Oferuje również biblioteki modeli, rozwiązania sieciowe, w tym NVLink i NVSwitch, oraz gotowe systemy AI. Dla projektów państwowych, które często muszą szybko uruchomić infrastrukturę i ograniczać ryzyko wdrożeniowe, taki kompletny pakiet jest prostszym wyborem niż składanie rozwiązania z komponentów wielu dostawców .

Skala dostaw i łańcuch dostaw

Firma dostarczyła więcej akceleratorów AI niż wszyscy konkurenci łącznie — wynika z przywoływanych analiz. Taka skala wzmacnia jej pozycję w łańcuchu dostaw, relacje z producentem kontraktowym TSMC oraz możliwości finansowania dalszych prac badawczo-rozwojowych .

Gdzie pojawiają się alternatywy?

Konkurenci Nvidii nie są całkowicie nieobecni, ale ich sukcesy mają charakter punktowy.

• AMD korzysta przede wszystkim z wdrożeń związanych z europejskim superkomputerem LUMI, australijskim projektem Maincode oraz współpracą z południowokoreańską firmą Moreh .
• Cerebras zdobył przyczółek na Bliskim Wschodzie dzięki współpracy z firmą G42 z Abu Zabi przy superkomputerze Condor Galaxy .
• NAVER w Korei Południowej rozwija wraz z Nvidią i Brookfieldem infrastrukturę krajowej „fabryki AI”, której planowana moc ma wzrosnąć do 200 megawatów. W tym przypadku Nvidia pozostaje jednak partnerem projektu, a nie konkurentem .
• Google i Amazon rozwijają własne układy TPU i Trainium, które znajdują zastosowanie przede wszystkim w ich wewnętrznych obciążeniach, zwłaszcza inferencji. Źródła nie wskazują, by rozwiązania te zdobyły istotną pozycję w projektach suwerennej AI .

Nvidia wzmacnia pozycję także inwestycjami

Dominacja firmy nie opiera się wyłącznie na sprzedaży sprzętu. Nvidia inwestuje również w firmy, projekty i partnerstwa, które mogą zwiększać znaczenie jej platformy w kolejnych obszarach AI.

5 mld dolarów dla Safe Superintelligence

27 lipca 2026 r. Nvidia ogłosiła strategiczne partnerstwo z Safe Superintelligence (SSI), laboratorium założonym przez byłego głównego naukowca OpenAI, Ilyę Sutskevera. Według Reutersa inwestycja kapitałowa Nvidii miała wynieść 5 mld dolarów . SSI otrzyma także dostęp do systemów Nvidia Vera Rubin, co — według komunikatów obu firm — ma zwiększyć jej zasoby obliczeniowe o rząd wielkości .

Transakcja wiąże znane laboratorium pracujące nad zaawansowaną AI z przyszłą mapą produktową Nvidii. Jest to kolejny przykład tego, jak dostawca infrastruktury może umacniać swoją pozycję nie tylko przez sprzedaż układów, lecz także przez strategiczne partnerstwa.

Korea Południowa i Japonia: co rzeczywiście potwierdzają źródła?

Źródła potwierdzają partnerstwo Naver, Nvidii i Brookfielda przy rozbudowie koreańskiej infrastruktury suwerennej AI do planowanej mocy 200 megawatów . W materiałach wspomniano również o projektach infrastrukturalnych w Japonii, ale nie przedstawiono ich szczegółów.

Dlatego nie można na podstawie dostarczonych źródeł niezależnie potwierdzić szerszego twierdzenia o transakcjach w Japonii i Korei Południowej o łącznej wartości przekraczającej 500 mld dolarów. To istotne zastrzeżenie, zwłaszcza że właśnie takie liczby mogą zmieniać ocenę skali geopolitycznego wpływu firmy.

Fundusz modeli o otwartych wagach

Nvidia miała przeznaczyć 26 mld dolarów w ciągu pięciu lat na tworzenie modeli AI o otwartych wagach . Jeśli inicjatywa będzie szeroko wykorzystywana przez instytucje publiczne i środowisko akademickie, może dodatkowo utrwalać sprzęt i oprogramowanie Nvidii jako domyślną platformę do budowy takich modeli.

Eksport do Chin i paradoks geopolityczny

Chiny nie zostały objęte analizą Counterpoint. Dostępne materiały wskazują, że powodem są zarówno ograniczenia eksportowe USA dotyczące zaawansowanych układów AI, jak i słabsza pozycja chińskich alternatyw, takich jak Huawei Ascend i Cambricon .

Chińskie laboratoria muszą korzystać ze zgromadzonych wcześniej starszych układów Nvidia, krajowych akceleratorów o niższej wydajności albo zaakceptować ograniczenia mocy obliczeniowej, które mogą spowalniać rozwój modeli.

Powstaje tu strategiczny paradoks. Amerykańskie restrykcje wzmacniają globalną pozycję Nvidii, ograniczając dostęp Chin do konkurencyjnych układów. Jednocześnie zwiększają presję na chińskie firmy, by rozwijały własne rozwiązania i uniezależniały się od zagranicznego sprzętu.

Dostarczone źródła nie zawierają wystarczających, możliwych do zacytowania informacji na temat rzekomych wypowiedzi dyrektora generalnego DeepSeek, zarzutów dotyczących Moonshot ani szczegółów amerykańskich ceł z 2026 r., procedury Section 232 czy paktu „Pax Silica”. Nie należy więc przedstawiać tych wątków jako potwierdzonych elementów tej analizy.

Co jest potwierdzone, a co pozostaje niejasne?

Najważniejszy wniosek: suwerenność bez niezależności sprzętowej

Obraz wynikający z potwierdzonych danych jest jasny. Nvidia kontroluje 92,4 proc. infrastruktury analizowanej w sektorze suwerennej AI. Jej pozycję chronią CUDA, kompletna oferta infrastrukturalna, skala dostaw oraz strategiczne inwestycje i partnerstwa.

AMD i Cerebras zdobywają regionalne przyczółki — odpowiednio w Europie, Australii, Korei Południowej i na Bliskim Wschodzie — lecz nie podważa to obecnej dominacji Nvidii. Największym paradoksem pozostaje fakt, że państwa mogą posiadać własne dane, modele i zespoły badawcze, a mimo to nadal zależeć od jednego zagranicznego dostawcy kluczowej mocy obliczeniowej.

W praktyce „suwerenna AI” oznacza dziś przede wszystkim kontrolę nad modelami i danymi. Kontrola nad chipami, oprogramowaniem i całym stosem technologicznym pozostaje natomiast w dużej mierze po stronie Nvidii.