Nvidia stawia 10 mld dolarów na fizyczną AI. Dlaczego kluczowe są Chiny i robotyka

Nvidia chce być nie tylko dostawcą układów do centrów danych, lecz także infrastrukturą dla maszyn działających w świecie fizycznym. Chodzi o roboty, samochody autonomiczne, drony i systemy przemysłowe, które potrafią obserwować otoczenie, rozumować, planować i wykonywać działania.

Ten obszar ma dziś przynosić Nvidii około 10 mld dolarów rocznych przychodów. Jensen Huang, prezes firmy, uważa, że w ciągu następnej dekady biznes może zwiększyć się dziesięciokrotnie, do około 100 mld dolarów. To jednak ambitna prognoza dotycząca przyszłej adopcji, a nie osobna pozycja przychodowa raportowana w sprawozdaniach finansowych Nvidii.

Czym jest fizyczna AI?

„Fizyczna AI” oznacza systemy, które działają w realnym świecie, a nie tylko generują tekst, obrazy czy kod. W przypadku Nvidii szansa biznesowa obejmuje kilka warstw:

• Trenowanie modeli: potężne procesory GPU w centrach danych uczą modele sterujące robotami, pojazdami autonomicznymi i innymi maszynami.
• Symulacje: twórcy mogą testować zachowanie robotów w środowiskach wirtualnych, zanim uruchomią je w rzeczywistej fabryce lub na drodze.
• Wnioskowanie na brzegu sieci: procesory zamontowane w samochodach i robotach analizują dane z czujników oraz podejmują decyzje w czasie rzeczywistym.
• Modele i oprogramowanie: otwarte modele oraz narzędzia deweloperskie pomagają producentom projektować, testować i wdrażać aplikacje fizycznej AI.

Taki model daje Nvidii więcej punktów wejścia do cyklu życia każdej maszyny. Firma może sprzedać moc obliczeniową potrzebną do opracowania robota, oprogramowanie do jego symulacji, a następnie układ zainstalowany w gotowym urządzeniu.

Skąd pomysł na wzrost dziesięciokrotny?

Teza Huanga zakłada, że sztuczna inteligencja przechodzi z cyfrowego świata do fabryk, samochodów, magazynów i innych środowisk fizycznych. Szczególnie atrakcyjna jest produkcja przemysłowa: zadania są tam często powtarzalne, mierzalne i uporządkowane. Dzięki temu automatyzację łatwiej testować i skalować niż w wielu otwartych, nieprzewidywalnych zastosowaniach konsumenckich.

Huang określa robotykę jako potencjalny przemysł wart 50 bln dolarów i twierdzi, że nadszedł jej „moment ChatGPT”. Ta kwota opisuje szeroki potencjalny rynek produkcji i powiązanej robotyki, a nie prognozowane przychody samej Nvidii. Firma mogłaby przejąć tylko część tej wartości — poprzez sprzedaż procesorów, oprogramowania, narzędzi do symulacji i infrastruktury.

Najważniejsze pytanie brzmi więc nie: „Czy rynek jest wystarczająco duży?”. Bardziej istotne jest to, czy autonomiczne maszyny przejdą od pokazów i ograniczonych wdrożeń w fabrykach do niezawodnego zastosowania komercyjnego. Muszą być bezpieczne, przystępne cenowo, produktywne i łatwe w utrzymaniu na znacznie większą skalę.

Nvidia sprzedaje cały stos technologiczny, nie tylko chip do robota

Strategia firmy ma sprawić, że platforma Nvidii będzie przydatna zarówno przed opuszczeniem przez robota hali produkcyjnej, jak i po rozpoczęciu jego pracy.

Narzędzia robotyczne Isaac oraz środowiska symulacyjne Nvidii mają pomagać deweloperom w tworzeniu i testowaniu systemów robotycznych w wirtualnych światach. Firma przedstawia szerszą platformę jako rozwiązanie do projektowania, trenowania, testowania i wdrażania fizycznej AI.

Nvidia rozwija również modele Cosmos przeznaczone do zastosowań fizycznej AI. Według firmy Cosmos Transfer i Cosmos Predict to otwarte modele świata, które wspierają generowanie syntetycznych danych opartych na prawach fizyki oraz ocenę polityk sterowania robotem w symulacji. Cosmos Reason ma pomagać inteligentnym maszynom interpretować świat fizyczny i podejmować w nim działania.

Na poziomie sprzętowym procesory brzegowe Nvidii są przeznaczone do obsługi AI bezpośrednio na pokładzie pojazdu lub robota. Przykładem jest system badawczy Unitree, łączący humanoidalnego robota tej firmy z układem Nvidia Jetson Thor oraz modelami robotycznymi i oprogramowaniem symulacyjnym Nvidii.

Logika biznesowa przypomina szerszą strategię firmy: połączyć narzędzia, sprzęt i społeczność deweloperów na tyle ściśle, aby klient korzystał z rozwiązań Nvidii przez cały proces — od prac badawczo-rozwojowych po wdrożenie.

Dlaczego Chiny są tak ważne dla robotyki?

Chiny mają obecnie wyjątkowo dużą bazę produkcyjną i rynek wewnętrzny dla robotów humanoidalnych. Chińskie firmy odpowiadały za ponad 97 proc. globalnych dostaw takich robotów w pierwszej połowie 2026 roku. W tym okresie na całym świecie wysłano około 19 100 urządzeń, wobec około 5100 rok wcześniej. 1

Dane o dostawach pokazują wczesną dynamikę przemysłową, ale same w sobie nie dowodzą jeszcze, że roboty humanoidalne są powszechnie rentowne albo gotowe do zastąpienia ludzkiej pracy. Chińskie łańcuchy dostaw, moce produkcyjne i popyt ze strony fabryk tworzą jednak dogodne warunki do przechodzenia od prototypów do wdrożeń na większą skalę.

To czyni chińskich producentów robotów ważnymi partnerami dla Nvidii. Współpraca z Unitree łączy oprogramowanie i układy brzegowe amerykańskiej firmy z ofertą jednego z liczących się chińskich producentów humanoidów. Zapowiedziany system jest początkowo kierowany do instytucji badawczych, między innymi Stanford University i ETH Zurich. Nie stanowi więc dowodu masowej adopcji konsumenckiej.

Dla Nvidii celem nie jest wyłącznie sprzedaż procesorów do jednego modelu robota. Chodzi o ustanowienie wspólnej architektury rozwoju i obliczeń, z której producenci będą korzystać w miarę zwiększania produkcji.

Sprzedaż H200 pokazuje granice chińskiej szansy

Strategię Nvidii w Chinach ograniczają również kontrole eksportowe. H200 to akcelerator do centrów danych, wykorzystywany przy wymagających zadaniach AI, w tym trenowaniu modeli i ich obsłudze. Władze USA dopuściły część sprzedaży, ale dostęp do układów pozostaje ograniczony i politycznie wrażliwy.

Nvidia poinformowała, że w ostatnim kwartale sprzedała chińskim klientom niewielką liczbę układów H200. Sprzedaż ta odpowiadała za mniej niż 1 proc. przychodów firmy z centrów danych w tym okresie. Nvidia dodała również, że nie wysłała pełnej liczby układów objętej amerykańską licencją.

Według doniesień ByteDance i Tencent otrzymały partie liczące po około 10 tys. procesorów H200. Pokazuje to, że część popytu może docierać do Nvidii mimo ograniczeń. Nie należy jednak traktować tych transakcji jako powrotu do nieograniczonej sprzedaży w Chinach. Na skalę i terminy dostaw wpływać mogą zgody eksportowe, decyzje Pekinu, polityka dostawców oraz konkurencja ze strony lokalnych układów.

Istotne jest też rozróżnienie między produktami Nvidii. Układy do centrów danych, takie jak H200, służą do trenowania i uruchamiania modeli AI. Procesory Orin i Thor są natomiast projektowane z myślą o obliczeniach w czasie rzeczywistym bezpośrednio w samochodach i robotach. Klient może więc korzystać z infrastruktury Nvidii podczas opracowywania systemu, a następnie użyć sprzętu tej samej firmy w gotowej maszynie.

Fizyczna AI może zmniejszyć zależność od centrów danych

Wyniki finansowe Nvidii są zdominowane przez popyt na rozwiązania dla centrów danych. Fizyczna AI daje firmie możliwość wejścia głębiej w komputery samochodowe, automatyzację przemysłu, logistykę, robotykę, symulacje i wnioskowanie na urządzeniach brzegowych.

Ten biznes może także uruchomić samonapędzający się mechanizm:

1. Na rynku pojawia się więcej maszyn działających w realnym świecie.
2. Maszyny generują dane operacyjne i ujawniają nowe, trudne przypadki.
3. Lepsze dane oraz symulacje poprawiają modele fizycznej AI.
4. Sprawniejsze modele sprawiają, że kolejne formy automatyzacji stają się opłacalne.
5. Nowe wdrożenia zwiększają popyt na sprzęt do trenowania, symulacji i wnioskowania.

To właśnie ten efekt domina jest najważniejszym elementem strategii Nvidii. Jeśli firma stanie się standardową platformą dla fizycznej AI, jej przychody mogą pochodzić z tysięcy, a w przyszłości milionów maszyn, a nie tylko z mniejszej liczby wielkich centrów danych.

Największe ryzyko: dostawy to jeszcze nie adopcja

Najmocniejszym dowodem na obecny boom robotyczny jest wzrost liczby dostarczanych urządzeń oraz szybki rozwój otaczającego je ekosystemu sprzętu i oprogramowania. Sama liczba wysyłanych robotów jest jednak dopiero wczesnym wskaźnikiem.

Długoterminowa teza Nvidii zależy od tego, czy autonomiczne systemy będą niezawodne poza kontrolowanymi warunkami. Roboty muszą wykonywać użyteczne zadania w fabrykach, magazynach, budownictwie, rolnictwie, sklepach i na drogach, a ostatecznie także w domach. Muszą spełniać wymogi bezpieczeństwa, działać przy akceptowalnym koszcie i zapewniać produktywność uzasadniającą ich wdrożenie oraz serwisowanie.

Jeśli ta transformacja potrwa dłużej, niż zakłada Huang, wizja przemysłu wartego 50 bln dolarów pozostanie opisem długoterminowego potencjału, a nie natychmiastową pulą przychodów. Fizyczna AI Nvidii ma już produkty, klientów i pierwsze przychody. Przeskok z biznesu wartego około 10 mld dolarów do 100 mld będzie jednak zależał od tego, czy realna gospodarka zacznie wdrażać autonomiczne maszyny na masową skalę.