उत्तरप्रकाशित2 माह पहलेLast edited 2 माह पहले11 स्रोत

Nvidia का 10 अरब डॉलर वाला Physical AI दांव: चीन और रोबोटिक्स क्यों हैं अहम

Nvidia का Physical AI कारोबार—जिसमें रोबोट, स्वायत्त वाहन और संबंधित सिस्टम शामिल हैं—आज अनुमानतः करीब 10 अरब डॉलर का वार्षिक कारोबार करता है। CEO Jensen Huang का मानना है कि यह अगले दशक में लगभग 100 अरब डॉलर तक पहुंच... कंपनी ट्रेनिंग के लिए डेटा सेंटर GPU, वर्चुअल टेस्टिंग के लिए Isaac सिमुलेशन टूल, Physical AI मॉ...

प्रकाशितकर्ताGPT-5.6 Luna से संपादितGPT Image 1.5 से चित्र बनाए गए

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

शोध उत्तर

मुख्य निष्कर्ष

Nvidia का Physical AI कारोबार—जिसमें रोबोट, स्वायत्त वाहन और संबंधित सिस्टम शामिल हैं—आज अनुमानतः करीब 10 अरब डॉलर का वार्षिक कारोबार करता है। CEO Jensen Huang का मानना है कि यह अगले दशक में लगभग 100 अरब डॉलर तक पहुंच...
कंपनी ट्रेनिंग के लिए डेटा सेंटर GPU, वर्चुअल टेस्टिंग के लिए Isaac सिमुलेशन टूल, Physical AI मॉडल और मशीनों के भीतर इस्तेमाल होने वाली Orin तथा Thor चिप का पूरा प्लेटफॉर्म तैयार कर रही है।
चीन रणनीतिक रूप से महत्वपूर्ण है: 2026 की पहली छमाही में चीनी कंपनियों ने दुनिया के 97% से अधिक humanoid robot shipments किए, जबकि Nvidia Unitree के साथ काम कर रही है और H200 चिप की सीमित बिक्री के जरिए निर्यात प्रतिब...
इस रणनीति से Nvidia को डेटा सेंटर GPU पर निर्भरता घटाकर ऑटोमोटिव कंप्यूटिंग, औद्योगिक ऑटोमेशन, लॉजिस्टिक्स, रोबोटिक्स और edge AI तक पहुंच बनाने का अवसर मिल सकता है।

Conceptual illustration of Nvidia physical AI powering humanoid robots and autonomous vehicles — How has Nvidia’s physical AI business—covering robotics, self-driving cars, and drones—grown to roughly $10 billion in annual revenue, why dNvidia is positioning its chips, software, and AI models as infrastructure for machines that operate in the physical world.
AI संकेत
Create a landscape editorial hero image for this Studio Global article: How has Nvidia’s physical AI business—covering robotics, self-driving cars, and drones—grown to roughly $10 billion in annual revenue, why d. Article summary: Nvidia is trying to become the computing platform for “physical AI”: the chips and software used to train, simulate, and operate robots, autonomous vehicles, and drones. The business is already estimated to produce about. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
openai.com

Nvidia की अगली बड़ी growth story शायद केवल डेटा सेंटर तक सीमित न रहे। कंपनी अपने चिप, सिमुलेशन सॉफ्टवेयर और AI मॉडल को उन मशीनों की बुनियादी तकनीकी परत के रूप में पेश कर रही है जो भौतिक दुनिया को देख, समझ और उसमें कार्रवाई कर सकें—जैसे रोबोट, स्वायत्त वाहन और औद्योगिक सिस्टम।

Nvidia का यह Physical AI कारोबार फिलहाल अनुमानतः करीब 10 अरब डॉलर का वार्षिक राजस्व पैदा करता है। Jensen Huang ने कहा है कि अगले दशक में यह कारोबार दस गुना बढ़ सकता है, यानी संभावित रूप से 100 अरब डॉलर तक पहुंच सकता है। हालांकि, यह Nvidia की वित्तीय रिपोर्ट में अलग से दर्ज कोई स्वतंत्र revenue line नहीं, बल्कि भविष्य में होने वाले adoption पर आधारित एक महत्वाकांक्षी अनुमान है।

Nvidia के लिए Physical AI का मतलब क्या है?

Physical AI उन AI सिस्टमों को कहा जाता है जो केवल टेक्स्ट, तस्वीर या सॉफ्टवेयर बनाने तक सीमित नहीं रहते, बल्कि वास्तविक दुनिया में काम करते हैं। Nvidia इस अवसर को कई स्तरों पर देखती है:

Training: बड़े डेटा-सेंटर GPU उन मॉडलों को प्रशिक्षित करते हैं जो रोबोट, स्वायत्त वाहन और दूसरी मशीनों को नियंत्रित करते हैं।
Simulation: डेवलपर वास्तविक दुनिया में तैनाती से पहले वर्चुअल वातावरण में मशीनों के व्यवहार का परीक्षण कर सकते हैं।
Edge inference: कारों और रोबोटों के भीतर लगे प्रोसेसर सेंसर डेटा को समझकर वास्तविक समय में फैसले लेते हैं।
Models और software: Open models और development tools निर्माताओं को Physical AI एप्लिकेशन बनाने, जांचने और तैनात करने में मदद करते हैं।

यह रणनीति इसलिए अहम है क्योंकि Nvidia मशीन के पूरे lifecycle में कई जगह कमाई कर सकती है। कंपनी रोबोट विकसित करने के लिए कंप्यूटिंग, उसके व्यवहार की वर्चुअल testing के लिए सॉफ्टवेयर और तैयार मशीन के भीतर लगाया जाने वाला processor—तीनों बेच सकती है।

Huang को दस गुना growth की उम्मीद क्यों है?

Huang का तर्क है कि AI अब डिजिटल दुनिया से निकलकर फैक्ट्रियों, वाहनों, गोदामों और दूसरे भौतिक वातावरण में प्रवेश कर रही है। Manufacturing इस बदलाव के लिए खास तौर पर आकर्षक क्षेत्र है, क्योंकि यहां काम अक्सर दोहराव वाला, मापने योग्य और व्यवस्थित होता है। ऐसे कार्यों में automation को test करना और बड़े पैमाने पर लागू करना अपेक्षाकृत आसान हो सकता है।

Huang ने robotics को संभावित 50 ट्रिलियन डॉलर का उद्योग बताया है और कहा है कि इसका “ChatGPT moment” आ चुका है। यह आंकड़ा manufacturing और उससे जुड़े robotics बाजार की व्यापक संभावित value को दर्शाता है, Nvidia के अनुमानित राजस्व को नहीं। Nvidia इस value का केवल एक हिस्सा processors, software, simulation और infrastructure के जरिए हासिल करेगी।

इसलिए असली सवाल बाजार के बड़ा होने का नहीं, बल्कि यह है कि autonomous machines demonstrations और सीमित factory deployments से आगे बढ़कर भरोसेमंद commercial use तक कब पहुंचेंगी। उन्हें सुरक्षित, किफायती, उत्पादक और बड़े operating environments में maintainable बनना होगा।

Nvidia केवल robot chip नहीं, पूरा stack बेच रही है

Nvidia की योजना रोबोट के factory floor से बाहर निकलने के बाद भी उसके platform को उपयोगी बनाए रखने की है।

कंपनी के Isaac robotics tools और simulation frameworks डेवलपरों को virtual environments में robot systems बनाने और test करने में मदद करते हैं। Nvidia का कहना है कि उसका व्यापक platform Physical AI को design, train, test और deploy करने के लिए तैयार किया गया है।

कंपनी Physical AI एप्लिकेशन के लिए Cosmos models भी विकसित कर रही है। Nvidia के अनुसार, Cosmos Transfer और Cosmos Predict ऐसे open world models हैं जो भौतिक नियमों पर आधारित synthetic data तैयार करने और simulation में robot policies का मूल्यांकन करने में मदद करते हैं। Cosmos Reason का उद्देश्य intelligent machines को भौतिक दुनिया को समझने और उसमें कार्रवाई करने में सहायता देना है।

Hardware स्तर पर Nvidia के edge processors मशीनों के भीतर onboard AI के लिए बनाए गए हैं। उदाहरण के लिए, Unitree research system में Unitree का humanoid robot body, Nvidia का Jetson Thor hardware और Nvidia के robotics models तथा simulation software को जोड़ा गया है।

इसका कारोबारी तर्क Nvidia की व्यापक platform strategy जैसा ही है: hardware, tools और developer ecosystem को इतनी मजबूती से जोड़ना कि ग्राहक development से deployment तक Nvidia का इस्तेमाल करते रहें।

Robotics strategy में चीन इतना महत्वपूर्ण क्यों है?

चीन के पास humanoid robots के लिए बड़ा manufacturing base और घरेलू बाजार मौजूद है। 2026 की पहली छमाही में वैश्विक humanoid robot shipments करीब 19,100 इकाइयों तक पहुंचीं, जो एक साल पहले की लगभग 5,100 इकाइयों से काफी अधिक थीं। इस अवधि में चीनी कंपनियों का हिस्सा 97% से अधिक रहा। 1

ये shipment आंकड़े शुरुआती औद्योगिक momentum दिखाते हैं, लेकिन इनसे यह साबित नहीं होता कि humanoid robots पहले ही व्यापक रूप से लाभदायक हो चुके हैं या बड़े पैमाने पर मानव श्रम की जगह लेने लगे हैं। फिर भी, चीन की supply chains, उत्पादन क्षमता और factory demand रोबोटिक्स कंपनियों को prototype से अधिक volume वाले deployment तक पहुंचने में मदद कर सकती है।

इसी वजह से चीनी robot makers Nvidia के लिए उपयोगी साझेदार बनते हैं। Unitree के साथ सहयोग Nvidia के software और edge-computing platform को एक प्रमुख चीनी humanoid-robot निर्माता से जोड़ता है। घोषित system का शुरुआती लक्ष्य Stanford और ETH Zurich जैसे research institutions हैं; इसे mass consumer adoption का प्रमाण नहीं माना जा सकता।

Nvidia का रणनीतिक लक्ष्य केवल एक robot में processor बेचना नहीं है। कंपनी चाहती है कि जैसे-जैसे निर्माता उत्पादन बढ़ाएं, Nvidia की development और computing architecture एक साझा मानक बन जाए।

H200 बिक्री चीन के अवसर की सीमाएं दिखाती है

Nvidia की China strategy पर export controls का असर अब भी है। H200 एक data-center accelerator है, जिसका उपयोग model training और inference जैसे demanding AI workloads में होता है। अमेरिकी अधिकारियों ने कुछ बिक्री की अनुमति दी है, लेकिन पहुंच सीमित और राजनीतिक रूप से संवेदनशील बनी हुई है।

Nvidia ने बताया कि उसकी सबसे हालिया तिमाही में चीन के ग्राहकों को H200 चिप की सीमित संख्या बेची गई। इन बिक्री से उस अवधि के data-center revenue का 1% से भी कम हिस्सा आया। कंपनी ने यह भी कहा कि अमेरिकी license के तहत अनुमत पूरी मात्रा अभी तक ship नहीं की जा सकी है।

रिपोर्टों के अनुसार, ByteDance और Tencent को करीब 10,000-10,000 H200 processors के batch मिले। इससे पता चलता है कि प्रतिबंधों के बावजूद कुछ मांग Nvidia तक पहुंच सकती है। लेकिन इन सौदों को चीन में unrestricted sales की वापसी नहीं समझना चाहिए। Export approvals, चीनी नीतियां, supply decisions और स्थानीय विकल्प इस अवसर के आकार और समय को बदल सकते हैं।

Nvidia के अलग-अलग products के बीच अंतर भी महत्वपूर्ण है। H200 जैसे data-center GPU AI models की training और operation के लिए होते हैं, जबकि Orin और Thor जैसे processors वाहनों और रोबोटों के भीतर real-time computing के लिए बनाए गए हैं। इसलिए कोई ग्राहक development के दौरान Nvidia के data-center infrastructure का इस्तेमाल कर सकता है और deployment के समय Nvidia का edge hardware लगा सकता है।

Physical AI Nvidia के कारोबार को कैसे विविध बना सकता है?

Nvidia का financial performance अभी data-center demand से काफी हद तक संचालित होता है। Physical AI कंपनी को automotive computing, industrial automation, logistics, robotics, simulation और edge inference तक विस्तार करने का अवसर देता है।

इस कारोबार में एक reinforcing cycle भी बन सकती है:

वास्तविक दुनिया में अधिक मशीनें तैनात होती हैं।
मशीनों से operational data मिलता है और नए edge cases सामने आते हैं।
बेहतर data और simulation से Physical AI models सुधरते हैं।
अधिक सक्षम models अतिरिक्त automation को आर्थिक रूप से viable बनाते हैं।
नए deployments से training, simulation और inference hardware की मांग बढ़ती है।

यही flywheel Nvidia की रणनीति का सबसे बड़ा आकर्षण है। यदि कंपनी Physical AI के लिए standard platform बन जाती है, तो राजस्व केवल कुछ बड़े hyperscale data centers से नहीं, बल्कि हजारों या लाखों मशीनों से आ सकता है।

सबसे बड़ा जोखिम: shipment adoption के बराबर नहीं है

आज robotics boom का सबसे ठोस संकेत shipments में बढ़ोतरी और hardware-software ecosystem का तेजी से विस्तार है। लेकिन shipment volume केवल शुरुआती indicator है।

Nvidia का long-term case इस बात पर निर्भर करता है कि autonomous systems नियंत्रित वातावरण से बाहर कितनी विश्वसनीयता से काम करते हैं। रोबोटों को factories, warehouses, construction sites, farms, stores और सड़कों जैसे स्थानों पर उपयोगी कार्य करने होंगे—और आगे चलकर घरों में भी। उन्हें safety requirements पूरी करनी होंगी, स्वीकार्य लागत पर चलना होगा और deployment तथा maintenance को सही ठहराने लायक productivity देनी होगी।

यदि यह बदलाव उम्मीद से अधिक समय लेता है, तो Huang का 50 ट्रिलियन डॉलर वाला industry framing तत्काल revenue pool के बजाय दीर्घकालिक संभावना बना रहेगा। Nvidia के Physical AI कारोबार में वास्तविक products, customers और शुरुआती revenue जरूर हैं, लेकिन करीब 10 अरब डॉलर से 100 अरब डॉलर तक पहुंचने की राह इस बात पर निर्भर करेगी कि वास्तविक अर्थव्यवस्था autonomous machines को कितने बड़े पैमाने पर अपनाती है।

Studio Global AI

अपना शोध जारी रखें

इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं