Jensen Huang: cyberbezpieczeństwo może być kolejnym wielkim rynkiem dla AI

Jensen Huang, prezes Nvidii, przekonywał podczas konferencji Goldman Sachs Communacopia + Technology Conference, że cyberbezpieczeństwo może stać się następnym wielkim zastosowaniem sztucznej inteligencji. Jego rozumowanie jest proste: skoro AI potrafi automatyzować tworzenie i modyfikowanie oprogramowania, może również pomagać wykrywać słabe punkty w kodzie oraz szybciej je usuwać. 10

To ważne dla firm nie dlatego, że AI wyeliminuje ryzyko cyberataków. Przeciwnie — tempo tworzenia, analizowania i potencjalnego wykorzystywania kodu rośnie. Zespoły bezpieczeństwa będą więc potrzebować automatyzacji, która analizuje kod, modeluje scenariusze ataku, porządkuje alerty według priorytetu i przyspiesza reakcję na incydenty.

Dlaczego cyberbezpieczeństwo ma być kolejnym rynkiem AI

Huang powiedział, że cyberbezpieczeństwo „prawdopodobnie” będzie kolejnym głównym zastosowaniem AI. Wskazał, że automatyzacja programowania przez modele AI zmienia branżę ochrony systemów, bo kod można szybciej wykorzystywać i równie szybko trzeba go poprawiać. 10

Jednocześnie prezes Nvidii zakwestionował część alarmistycznej narracji wokół AI. Według relacji z konferencji stwierdził, że nasilona dyskusja o cyberbezpieczeństwie zbiega się z przygotowaniami branży do premier produktów, dodając: „What better way to create demand than to create a problem?” — czyli w przybliżeniu: „Czy jest lepszy sposób na stworzenie popytu niż stworzenie problemu?”. 6

To prowokacyjne ujęcie. Huang sugeruje, że część retoryki o zagrożeniach może mieć wymiar biznesowy, choć Nvidia równocześnie rozwija rozwiązania do obrony cybernetycznej oparte na AI.

SafeMind: konkretny przykład współpracy Nvidii i CrowdStrike

Najbardziej namacalnym przykładem tej strategii jest ogłoszony we wrześniu CrowdStrike SafeMind — agentowy system cyberbezpieczeństwa rozwijany przez CrowdStrike Cyber Superintelligence Lab. 19

SafeMind łączy wyspecjalizowane modele i mechanizmy agentowe CrowdStrike z modelami obronnymi zbudowanymi na otwartych modelach Nvidia Nemotron. System ma działać w ciągłej pętli, w której możliwości ofensywne i defensywne wzajemnie się testują oraz ulepszają. 19

To odróżnia tę koncepcję od zwykłego czatbota dopasowanego do zadań bezpieczeństwa. Chodzi o połączenie wyspecjalizowanych modeli, danych bezpieczeństwa, agentów i infrastruktury obliczeniowej w jeden produkt przeznaczony dla zespołów obronnych.

Cisco, CrowdStrike i Palantir należą do podmiotów związanych z Open Secure AI Alliance Nvidii, inicjatywą skoncentrowaną na otwartych modelach, narzędziach agentowych i rozwiązaniach bezpieczeństwa dla ery AI. 23 Nvidia podała też, że CrowdStrike i Palantir wykorzystują otwarte modele Nemotron w długotrwale działających agentach dla przedsiębiorstw. 29 Dostępne materiały nie potwierdzają jednak, by każdy członek sojuszu stosował identyczną architekturę produktu opartą na Nemotronie.

Teza o infrastrukturze wartej 3–4 bln dolarów

Cyberbezpieczeństwo było tylko jednym z elementów wystąpienia Huanga. Powtórzył on prognozę Nvidii, według której światowe wydatki na infrastrukturę AI mogą do 2030 r. sięgnąć od 3 do 4 bln USD. 32

Szef Nvidii opisuje tę zmianę jako przejście do nowego modelu obliczeń: od systemów głównie wyszukujących informacje do generatywnej AI i dużych, złożonych modeli wymagających ogromnej mocy obliczeniowej oraz szybkich połączeń między układami. W tej wizji Nvidia nie jest jedynie producentem GPU, lecz współprojektantem tak zwanych fabryk AI — kompletnych systemów do trenowania i uruchamiania modeli. 2

Huang powiedział, że Nvidia spodziewa się wzrostu rzędu 70% rok do roku, choć popyt bez ograniczeń podażowych rośnie o ponad 100%. 32 Według tej oceny kluczową barierą nie jest brak klientów, lecz dostępność komponentów i infrastruktury: chipów, pamięci, zaawansowanego pakowania układów, gruntów pod centra danych oraz energii elektrycznej. 32

Wyniki finansowe pokazują skalę tej strategii

Najnowsze wyniki Nvidii obrazują rozmiar biznesu, na którym opiera się ta teza. Spółka podała, że jej przychody w II kwartale roku fiskalnego 2027, zakończonym 26 lipca 2026 r., wyniosły 96,2 mld USD. To wzrost o 18% względem poprzedniego kwartału i o 106% rok do roku. 52

Na III kwartał roku fiskalnego 2027 Nvidia prognozowała przychody na poziomie 108 mld USD, z możliwym odchyleniem o 2%. Prognoza nie zakłada przychodów z obliczeń dla centrów danych w Chinach. 52

Warto zachować precyzję: wynik 96,2 mld USD dotyczy II kwartału roku fiskalnego 2027, a nie roku fiskalnego 2026.

Czego dostępne materiały nie potwierdzają

Niektóre wątki łączone z relacjami o wystąpieniu Huanga wymagają mocniejszych dowodów niż te dostępne w przedstawionych źródłach. Brakuje tu potwierdzonego zapisu źródłowego dla konkretnej krytyki przypisywanej profesorowi Erikowi Gordonowi, dla tezy, że OpenAI oficjalnie uznaje cyberbezpieczeństwo za duży cel komercyjny, oraz dla szczegółowej odpowiedzi Huanga na zarzuty dotyczące finansowania kołowego przez inwestycje w klientów.

Są to istotne pytania w czasie szybkiego wzrostu finansowania infrastruktury AI. Bez bezpośredniego transkryptu, dokumentu spółki albo wiarygodnie zacytowanej wypowiedzi nie należy jednak przedstawiać ich jako ustalonych faktów.

Co z tego wynika dla kupujących rozwiązania bezpieczeństwa

Główne przesłanie Huanga nie dotyczy pojedynczego produktu. Dotyczy struktury rynku: im więcej programowania i procesów operacyjnych przejmie AI, tym większa będzie potrzeba automatycznego testowania bezpieczeństwa, monitorowania i reagowania na zagrożenia.

Nvidia chce sprzedawać technologiczną bazę tego procesu — od przyspieszonych obliczeń i sieci, przez otwarte modele, po branżowe systemy agentowe. 219 Dla klientów praktyczne pytanie brzmi więc nie „czy AI będzie ważna w cyberbezpieczeństwie?”, lecz czy dane rozwiązanie ma odpowiednio wyspecjalizowane modele, właściwe dane bezpieczeństwa, nadzór człowieka i integrację z rzeczywistymi procedurami reagowania. SafeMind rozwijany przez CrowdStrike i Nvidię jest wczesnym, konkretnym przykładem takiego podejścia pełnego stosu technologicznego. 1922