Nvidias væddemål på fysisk AI til 10 mia. dollar: Derfor er Kina og robotter afgørende

Nvidias næste store væksthistorie behøver ikke at komme fra datacentrene. Selskabet forsøger at gøre sine chips, sin simuleringssoftware og sine AI-modeller til det teknologiske lag, der får maskiner til at opfatte, ræsonnere og handle i den fysiske verden – fra robotter og selvkørende biler til industrielle systemer.

Forretningen vurderes allerede til omkring 10 mia. dollar i årlig omsætning. Jensen Huang har sagt, at den kan vokse ti gange i løbet af det næste årti, hvilket peger mod en mulig forretning på omkring 100 mia. dollar. Tallet er dog en forventning baseret på fremtidig udbredelse – ikke en særskilt omsætningspost, som Nvidia rapporterer i regnskabet.

Hvad betyder fysisk AI for Nvidia?

Fysisk AI dækker over systemer, der fungerer i den virkelige verden, i stedet for udelukkende at generere tekst, billeder eller software. For Nvidia omfatter mulighederne flere lag:

• Træning: Store GPU'er i datacentre træner modellerne, der styrer robotter, selvkørende køretøjer og andre maskiner.
• Simulering: Udviklere kan afprøve maskiners adfærd i virtuelle miljøer, før systemerne tages i brug i virkeligheden.
• Inferens i kanten: Processorer i biler og robotter fortolker sensordata og træffer beslutninger i realtid.
• Modeller og software: Åbne modeller og udviklingsværktøjer hjælper producenter med at bygge, teste og implementere fysisk-AI-løsninger.

Kombinationen er strategisk vigtig, fordi Nvidia dermed kan være med gennem hele en maskines livscyklus. Selskabet kan sælge den computerkraft, der bruges til at udvikle en robot, softwaren til at simulere den og processoren, der sidder i det færdige produkt.

Hvorfor ser Huang en tidoblingsmulighed?

Huangs tese er, at AI bevæger sig fra den digitale verden ind i fabrikker, køretøjer, lagre og andre fysiske miljøer. Produktion er særligt attraktiv, fordi arbejdsopgaverne ofte er gentagelige, målbare og strukturerede. Det gør automatisering lettere at teste og skalere end mange forbrugerprodukter og uforudsigelige miljøer.

Huang har beskrevet robotteknologi som en potentiel industri på 50 billioner dollar og sagt, at dens "ChatGPT-øjeblik" er kommet. Tallet beskriver et bredt muligt marked for produktion og relateret robotteknologi – ikke Nvidias forventede omsætning. Nvidia vil kun få del i denne værdi gennem chips, software, simulering og infrastruktur.

Det afgørende spørgsmål er derfor ikke, om markedet er stort. Det er, om autonome maskiner kan bevæge sig fra demonstrationer og begrænsede fabriksinstallationer til stabil kommerciel anvendelse. De skal være sikre, økonomisk attraktive, produktive og nemme at vedligeholde i langt større driftsmiljøer.

Nvidia sælger en samlet platform – ikke kun en robotchip

Nvidias strategi skal gøre platformen nyttig både før og efter, at en robot forlader fabriksgulvet.

Selskabets Isaac-værktøjer og simuleringsrammer skal hjælpe udviklere med at skabe og teste robotsystemer i virtuelle miljøer. Nvidia beskriver sin bredere platform som en løsning til at designe, træne, teste og implementere fysisk AI.

Selskabet udvikler også Cosmos-modeller til anvendelser inden for fysisk AI. Nvidia beskriver Cosmos Transfer og Predict som åbne verdensmodeller, der understøtter fysisk baseret syntetisk datagenerering og evaluering af robotters handlingsstrategier i simulering. Cosmos Reason er udviklet til at hjælpe intelligente maskiner med at fortolke og handle i den fysiske verden.

På hardwaresiden er Nvidias edge-processorer beregnet til AI direkte om bord i køretøjer og robotter. Forskningssystemet Unitree kombinerer eksempelvis en humanoid robot fra Unitree med Nvidias Jetson Thor-hardware samt Nvidias robotmodeller og simuleringssoftware.

Forretningslogikken minder om Nvidias øvrige platformstrategi: Hardware, værktøjer og udviklerøkosystem skal fungere så tæt sammen, at kunderne fortsætter med at bruge Nvidia fra den første udviklingsfase til den endelige implementering.

Hvorfor Kina er centralt for robotstrategien

Kina har i øjeblikket en usædvanligt stor produktionsbase og et stort hjemmemarked for humanoide robotter. Kinesiske virksomheder stod for mere end 97 procent af verdens leverancer af humanoide robotter i første halvår 2026, hvor de globale leverancer nåede omkring 19.100 enheder – mere end tre gange så mange som de cirka 5.100 enheder i samme periode året før. 1

Leverancetallene viser et tidligt industrielt momentum, men de beviser ikke i sig selv, at humanoide robotter allerede er bredt rentable eller kan erstatte menneskelig arbejdskraft. Kinas forsyningskæder, produktionskapacitet og efterspørgsel fra fabrikker giver dog landets robotvirksomheder gode betingelser for at gå fra prototyper til produktion i større skala.

Det gør kinesiske robotproducenter til attraktive partnere for Nvidia. Samarbejdet med Unitree kobler Nvidias software- og edge-computing-platform til en fremtrædende kinesisk producent af humanoide robotter. Det annoncerede system er i første omgang rettet mod forskningsinstitutioner, blandt andre Stanford og ETH Zürich, og er derfor ikke i sig selv et bevis på masseudbredelse blandt forbrugere.

For Nvidia handler målet om mere end at sælge processorer til én robot. Det handler om at etablere en fælles udviklings- og computerarkitektur, mens producenterne skalerer.

H200-salget viser begrænsningerne i Kina-muligheden

Nvidias Kina-strategi er samtidig begrænset af eksportkontrol. H200 er en accelerator til datacentre, som bruges til krævende AI-opgaver som træning og inferens. Amerikanske myndigheder har tilladt visse salg, men adgangen er fortsat begrænset og politisk følsom.

Nvidia oplyste, at selskabet solgte et mindre antal H200-chips til kinesiske kunder i det seneste kvartal. Salget udgjorde mindre end 1 procent af datacenteromsætningen i perioden. Selskabet sagde desuden, at det ikke havde sendt hele den mængde, som den amerikanske licens tillod.

Medier har rapporteret, at ByteDance og Tencent hver modtog partier på omkring 10.000 H200-processorer. Det viser, at noget efterspørgsel stadig kan nå Nvidia trods begrænsningerne. Handlen bør dog ikke opfattes som en tilbagevenden til uhindret salg i Kina. Amerikanske godkendelser, kinesisk politik, forsyningsbeslutninger og lokale alternativer kan alle ændre mulighedernes størrelse og timing.

Forskellen mellem Nvidias produkter er også vigtig. Datacenter-GPU'er som H200 bruges til at træne og drive AI-modeller, mens processorer som Orin og Thor er udviklet til realtidsberegning i biler og robotter. En kunde kan derfor bruge Nvidias infrastruktur under udviklingen og samtidig vælge Nvidias edge-hardware, når maskinen sættes i drift.

Sådan kan fysisk AI sprede Nvidias forretning

Nvidias økonomiske resultater er i høj grad drevet af efterspørgslen fra datacentre. Fysisk AI kan udvide selskabets rækkevidde til bilteknologi, industriel automatisering, logistik, robotteknologi, simuleringssoftware og edge-inferens.

Forretningen kan også skabe en selvforstærkende cyklus:

1. Flere maskiner tages i brug i den virkelige verden.
2. Maskinerne producerer driftsdata og afslører nye undtagelsestilfælde.
3. Bedre data og simulering forbedrer modellerne til fysisk AI.
4. Mere kapable modeller gør yderligere automatisering økonomisk mulig.
5. Nye installationer øger efterspørgslen efter hardware til træning, simulering og inferens.

Det er kernen i Nvidias strategi. Hvis selskabet bliver standardplatformen for fysisk AI, kan omsætningen komme fra tusindvis eller millioner af maskiner – ikke kun fra et relativt lille antal hyperscale-datacentre.

Den største risiko: Leverancer er ikke det samme som udbredelse

Det stærkeste tegn på et robotboom er i øjeblikket væksten i leverancer samt den hurtige udbygning af det tilhørende software- og hardwareøkosystem. Men antallet af leverede enheder er kun en tidlig indikator.

Nvidias langsigtede case afhænger af, at autonome systemer fungerer pålideligt uden for kontrollerede miljøer. Robotter skal kunne udføre nyttige opgaver på fabrikker, i lagre, på byggepladser, i landbruget, i butikker og på vejene – og på længere sigt i private hjem. De skal samtidig opfylde sikkerhedskrav, fungere til en acceptabel pris og skabe produktivitetsgevinster, der kan retfærdiggøre både installation og vedligeholdelse.

Hvis overgangen tager længere tid end forventet, vil Huangs beskrivelse af en industri på 50 billioner dollar fortsat være et udtryk for et langsigtet potentiale snarere end en nært forestående omsætningsmulighed. Nvidias forretning inden for fysisk AI har allerede produkter, kunder og tidlig omsætning. Springet fra omkring 10 mia. dollar til 100 mia. dollar afhænger dog af, om den virkelige økonomi tager autonome maskiner i brug i stor skala.