AI čipovi i industrija Srbije: plan za 2026.

Nvidia je krajem 2025. otkrila brojke koje zvuče kao preuveličavanje, ali nisu: kineske tehnološke kompanije su za 2026. naručile više od 2 miliona H200 AI čipova, dok Nvidia navodno ima oko 700.000 jedinica na lageru. U istoj priči se pojavljuju i dve reči koje svaka proizvodna firma u Srbiji treba da shvati ozbiljno: nestašica i neizvesnost.

Ovo nije vest “o Kini” niti “o Nvidiji”. Ovo je vest o tome da se AI infrastruktura (hardver, podaci, ljudi i procesi) pretvara u novu industrijsku osnovu, slično kao što su to nekad bile elektrifikacija i automatizacija. Ko bude čekao da GPU-ovi “pojeftine” ili da tržište “stane na noge”, rizikuje da mu konkurencija u EU jednostavno pobegne.

U serijalu „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“ ova epizoda je praktično upozorenje: AI u proizvodnji nije samo softver. I zato u nastavku pričamo šta ova globalna potražnja znači za srpske fabrike, kako da planirate AI projekte bez oslanjanja na najskuplji hardver i gde AI realno donosi brz povrat investicije.

Šta nam H200 “manija” govori o pravoj ceni AI-ja

Direktan zaključak: AI kapacitet postaje resurs koji se planira unapred, kao energija ili sirovina. U izvornoj vesti navodi se da se H200 u Kini planira oko 27.000 USD po čipu, uz dodatne troškove i regulatorne uslove (pominje se i američka taksa od 25%). Kad tome dodate serversku infrastrukturu, mrežu, skladištenje podataka, hlađenje i stručnjake, dobijate realnost koju mnogi promaše:

AI projekat ne propada zato što model nije “dovoljno pametan”, već zato što firma nije spremila infrastrukturu, podatke i operativni plan.

Zašto je ovo relevantno baš za Srbiju

Srpska industrija (metaloprerađivačka, automobilska dobavljačka, prehrambena, farmaceutska, logistika) u 2026. ima tri pritiska:

• EU kupci traže stabilan kvalitet i dokazivost (audit, traceability, standardi, rokovi).
• Troškovi energije i održavanja opreme ostaju visoki, posebno zimi.
• Nedostatak kadra tera firme da automatizuju i ono što su ranije “ručno rešavale”.

AI u proizvodnji i industrijska digitalizacija tu nisu moda. To su alati da se održi marža i pouzdanost.

Ne treba vam H200 da biste imali koristi od AI-ja

Najvažnija stvar koju bih voleo da više menadžera čuje: veliki GPU-ovi su potrebni za treniranje velikih modela, ali ogromna količina industrijske vrednosti dolazi iz primene AI-ja (inferencija), optimizacije procesa i boljeg upravljanja podacima.

Drugim rečima, srpskoj fabrici često nije prvi korak “kupovina GPU klastera”, nego:

1. sređivanje podataka (SCADA, MES, ERP, ručni zapisi),
2. definisanje jednog uskog problema,
3. pilot koji radi na postojećoj infrastrukturi ili u cloud-u,
4. tek onda odluka da li se ide na on-prem GPU.

Model “kupujemo najjači hardver” je najčešće pogrešan

Ako uđete u AI projekat kroz hardver, rizikujete tri scenarija:

• kupite skupu opremu, a podaci su neupotrebljivi (neoznačeni, nekonzistentni, bez konteksta),
• IT i proizvodnja se ne dogovore ko je vlasnik procesa,
• dobijete prototip koji niko ne koristi jer se ne uklapa u smene, održavanje i KPI-jeve.

Mnogo bolji pristup: počnite od procesa, ne od čipa.

Gde AI u proizvodnji daje najbrži ROI (primeri koji rade)

Direktan odgovor: najveći i najbrži povrat u industriji obično dolazi iz kontrole kvaliteta, prediktivnog održavanja, optimizacije potrošnje energije i planiranja proizvodnje.

1) AI kontrola kvaliteta (computer vision)

Ako imate vizuelne defekte (ogrebotine, nepravilno pakovanje, varijacije boje, loš var, pogrešna etiketa), AI kamera sistem često donosi:

• manje škarta,
• manje reklamacija,
• stabilniji kvalitet u više smena.

Praktičan savet: krenite od jedne stanice gde je škart najskuplji. Ne od cele linije.

2) Prediktivno održavanje (vibracije, temperatura, struja)

U proizvodnji je kvar retko “iznenadan”. Obično postoje signali: rast vibracija, drift temperature, promena potrošnje struje. AI analitika može da prepozna obrazac pre nego što dođe do zastoja.

Šta dobijate:

• manje neplaniranih zastoja,
• bolji plan rezervnih delova,
• manji stres u održavanju.

3) Optimizacija energije (posebno bitno u januaru)

Ovo je posebno aktuelno baš sada, u januaru 2026, kad se industrija bori sa hladnim talasima i povećanom potrošnjom za grejanje/ventilaciju/hlađenje server soba. AI može da optimizuje:

• rad kompresora,
• raspored potrošnje u tarifama,
• podešavanje HVAC sistema po realnom opterećenju.

Često je dovoljno 60–90 dana podataka da se vide obrasci.

4) Planiranje proizvodnje i lanac snabdevanja

AI ovde nije “magija” koja zamenjuje planerku. Dobar sistem radi jednu stvar: bolje predlaže raspored uz ograničenja (kapacitet, materijal, održavanje, rokovi) i brže reaguje na promene.

Ako radite sa EU partnerima, ova oblast ima dodatni benefit: lakše je dokazati pouzdanost isporuke.

Ako globalno fali GPU, kako da srpske firme planiraju AI projekte?

Direktan odgovor: planirajte AI kao portfelj, sa jasnim pravilima gde je on-prem obavezan, a gde cloud ima smisla.

Pravilo 1: On-prem čuvajte za osetljive i kontinuirane procese

On-prem (u vašem data centru ili fabrici) ima smisla kad:

• ne smete da iznosite podatke (npr. stroga IP pravila kupca),
• treba vam niska latencija (vizuelna kontrola u realnom vremenu),
• sistem mora raditi i kad internet padne.

Ali on-prem traži i disciplinu: održavanje, bezbednost, backup, hlađenje.

Pravilo 2: Cloud koristite za pilot i “bursty” računske potrebe

Ako tek testirate ideju ili imate sezonske skokove, cloud je često racionalniji. U doba kada se priča o globalnoj nestašici naprednih AI čipova, cloud vam daje fleksibilnost: plaćate kad koristite, a ne kad oprema stoji.

Pravilo 3: Fokus na „manje modele“ i dobar inženjering podataka

U industriji često bolje prolaze:

• manji, specijalizovani modeli,
• dobra statistika i detekcija anomalija,
• kombinacija pravila + ML (hibridni sistemi).

Ovo smanjuje zavisnost od najskupljih GPU-ova, a povećava šanse da projekat preživi pilot fazu.

Šta Nvidia–Kina priča znači za konkurentnost Srbije u EU lancima

Direktan odgovor: AI kapacitet će se preliti u produktivnost, a produktivnost u cenu, kvalitet i rokove. Ako kineske firme kupuju milione čipova, one kupuju mogućnost da:

• treniraju modele brže,
• automatizuju više procesa,
• nude niže cene uz stabilan kvalitet.

Za srpske proizvođače koji rade za EU, odgovor ne mora biti “mi takođe kupujemo H200”. Realniji odgovor je:

• brže uvodimo industrijsku digitalizaciju,
• standardizujemo podatke i metrike,
• gradimo AI veštine interno,
• biramo projekte gde AI donosi merljiv rezultat.

Srbija neće pobediti u AI trci po količini hardvera. Može da pobedi po brzini implementacije u fabriku.

Mini plan od 6 koraka: kako krenuti sa AI u proizvodnji (bez lutanja)

1. Izaberite jednu KPI bolnu tačku (škart, zastoji, energija, kašnjenja).
2. Zapišite baznu metriku (npr. škart 3,2%, zastoji 11h nedeljno, reklamacije 8 mesečno).
3. Popišite izvore podataka (PLC/SCADA, MES, ERP, Excel, papir).
4. Napravite pilot od 8–12 nedelja sa jasnim kriterijumom uspeha.
5. Uvedite promenu u operativu (ko reaguje na alarm, u kom roku, u kojoj smeni).
6. Tek onda skalirajte na druge linije i odlučite o infrastrukturi.

Ako ovo zvuči “previše jednostavno”, to je dobra stvar. Najbolji AI projekti u industriji liče na ozbiljno vođenu optimizaciju procesa, ne na laboratorijski eksperiment.

Gde su zamke (i kako da ih izbegnete)

• Zamka: AI bez vlasnika procesa. Rešenje: proizvodnja mora biti vlasnik KPI-ja, IT vlasnik platforme, a obe strane vlasnici ishoda.
• Zamka: loš kvalitet podataka. Rešenje: uvedite standarde imenovanja, vremensku sinhronizaciju, evidenciju zastoja.
• Zamka: „pilot koji niko ne koristi“. Rešenje: uključite operatere i održavanje od prvog dana; UI mora raditi u smeni, ne u PowerPoint-u.

Šta dalje: kako da 2026. ne bude “još jedna propuštena godina”

Globalna potražnja za Nvidia H200 čipovima je signal da AI prelazi iz eksperimenta u infrastrukturu. I da će naredne dve godine pobediti firme koje disciplinovano uvode AI u proizvodne procese, čak i bez najskupljeg hardvera.

Ako vodite proizvodnju u Srbiji, moj stav je jasan: krenite sada, ali krenite pametno. Jedan dobar AI projekat (sa merljivim učinkom) vredi više od deset prezentacija o “digitalnoj transformaciji”.

Koji je jedan proces u vašoj proizvodnji gde biste, već u Q1 2026, mogli da izmerite rezultat — škart, zastoji, energija ili planiranje?