Fyysinen AI: Sijoittaminen vuoden 2026 humanoidirobottiluomaan

CES 2026 merkitsee siirtymistä virtuaalisesta fyysiseen tekoälyyn

CES, aiemmin Consumer Electronics Show, on maailman suurin ja vaikutusvaltaisin teknologiakokous. Raportoimme aiemmin, että yksi näyttelyn merkittävimmistä paljastuksista oli ensimmäinen kaupallistettu kiinteän tilan akku, jonka on tuottanut Donut Labs.

Mutta toinen tärkeä ilmoitus tuli AI-laitteistojen johtajalta NVIDIA (NVDA ):lta koskien “fyysistä AI:ta”, jota on esitelty NVIDIA:n ChatGPT‑hetkenä. Tämä ei tietenkään ole täysin yllätys, sillä yhtiö on työntänyt tätä fyysisen AI:n ideaa jo jonkin aikaa eteenpäin, ymmärtäen että pelkät “älykkäät” LLM‑mallit (Large Language Models) ovat vain ensimmäinen askel AI:n käyttöönotossa.

Käytännössä AI:n merkittävin rooli tapahtuu, kun se on vuorovaikutuksessa suoraan fyysisen maailman kanssa sen sijaan, että se pysyisi rajoittuneena digitaalisiin ja virtuaalisiin ympäristöihin.

Ja tämä on jotain, missä AI:t ovat tähän mennessä kamppaillut. Todellinen maailma on paljon sotkuisempi kuin siisti tietojoukko taulukkolaskennassa, video tai hakukone. Se on usein epäselvä, muuttuva ja odottamaton.

Kaikkien näiden syiden takia tarvitaan uusi AI-tyyppi, joka hyödyntää fyysistä todellisuutta ja käyttää hermoverkkoja uusilla tavoilla. Tämä on juuri se, mitä NVIDIA:n Cosmos‑kehys lupaa.

Miksi 2026 voisi olla ChatGPT‑hetki robotiikalle

Vertailu vuoden 2026 fyysisten AI:iden ja robotiikan vaikutuksesta, joka on yhtä mullistavaa kuin ChatGPT LLM:ien kohdalla, tuli suoraan Jensen Huangilta, NVIDIA:n toimitusjohtajalta ja perustajalta, CES 2026 -tapahtumassa. Hänen koko puheensa on nähtävissä seuraavassa videossa:

Huang teki tämän ilmoituksen, kun hänen yhtiönsä julkaisi uudet avoimet mallit, NVIDIA Cosmos ja GR00T (Generalist Robot 00 Technology), joita käytetään robotin oppimiseen ja päättelyyn, Isaac Lab‑Arena robotin arviointiin, sekä OSMO edge‑to‑cloud‑laskentakehys robotin koulutustyönkulkujen yksinkertaistamiseen (lisätietoa näistä AI‑työkaluista alla).

Miksi se on tärkeää?

Tähän mennessä LLM‑mallit, ensimmäisinä kielimalleina, ovat enimmäkseen vaikuttaneet päättelyyn ja kieleen perustaviin tehtäviin, kuten kirjoittamiseen, ohjelmointiin, hakuun, data‑analytiikkaan, kääntämiseen, asiakaspalveluun ym.

Nämä ovat tärkeitä toimintoja, mutta ne kattavat vain murto‑osan maailman taloudesta.

Monet muut globaalit toiminnot, ja usein työläimmät, vaativat vuorovaikutusta fyysisen maailman kanssa: valmistus, terveydenhuolto, liikenne & logistiikka, maatalous, kaivostoiminta, kotitaloustehtävät ym.

Mitä toimialoja fyysinen AI muuttaa ensimmäisenä

Teoriassa kaikki fyysisen maailman segmentit ja taloudelliset sektorit vaikuttavat robotisaation leviämiseen. Käytännössä jotkut segmentit omaksuvat robotit paljon nopeammin ja niihin vaikuttaa aikaisemmin.

Itseajavat autot

Itseohjautuvat ajoneuvot ovat edenneet voimakkaasti vuonna 2025, ja ne ovat todennäköisesti valmiita käyttöönottoon, riippuen sääntelyviranomaisten hyväksynnästä ja selkeämmästä lainsäädännöstä.

Tämä tehtävä vaatii paljon päättelyä, kun taas auton itse mekaaniset toiminnot ovat melko yksinkertaisia (2‑ulotteiset liikkeet, kiihdytys, hidastuminen, vilkutus). Näin ollen tärkein osa on seuraavien elementtien yhdistelmä:

• Vahva sisäpuolinen laitteisto reunalaskentaan (ei riippuvainen verkkoyhteydestä).
• Dataa ja koulutusta, joka vastaa todellisia olosuhteita, yleisistä ajosäännöistä harvinaisiin tapauksiin ja odottamattomiin muutoksiin – esimerkiksi pallon rullautumisen yhdistäminen siihen riskiin, että lapsi juoksee äkkiä tielle, mikä johtaa ennaltaehkäisevään hidastumiseen.
• Päättelyyn perustuvat näkö‑kieli‑toiminto‑mallit (VLA) muuntavat visuaaliset vihjeet oikeiksi toimiksi.

Logistiikka

Fyysinen AI vaikuttaa tähän alaan vähintään kahdella eri tavalla.

Ensimmäinen koskee varastoja ja toimitusketjun hallintaa. Fyysinen AI mahdollistaa autonomisten mobiilirobottien (AMR) navigoinnin monimutkaisissa ympäristöissä ja esteiden, myös ihmisten, välttämisen käyttämällä suoraa palautetta sisäisistä sensoreista. Robotiikkakäsivarret ja muut manipulointityökalut mahdollistavat myös tavaroiden siirtämisen.

Toinen koskee toimituspalveluita, jotka ovat enemmän samanlaisia kuin itseohjautuvat ajoneuvot, ja joissa fyysinen AI hoitaa kaiken ajamisesta oikeaan osoitteeseen turvalliseen tavaran asettamiseen oikeaan oveen, aitojen, epätasaisen maaston, esteiden ym. läpi navigoinnin.

Valmistus

Kuten varastoissa, myös tehtaat, joissa fyysinen AI toimii, joutuvat käsittelemään monimutkaista ympäristöä, jossa on koneita, ihmisiä ja nyt robotteja.

Lisäksi monilla valmistuspaikoilla on korkean tehon työkaluja, vaarallisia tuotteita (kuumaa metallia, laserita, kemikaaleja ym.) ja paljon tiukemmat vaatimukset lopullisen laadun ja tehokkuuden suhteen.

Kun varastorobotti juuttuu tai on viallinen, sen voi todennäköisesti korjata lähellä oleva ihminen, mutta sama virhe kokoonpano­linjalla tai monimutkaisessa kemianlaitoksessa voi muuttua nopeasti vaaralliseksi.

Kirurgia ja terveydenhuolto

Tällä hetkellä suurin osa kirurgisista roboteista, kuten Intuitive Surgical (ISRG ), on enemmänkin kirurgin ohjaamia robotkäsivarsia kuin todellisia autonomisia robotteja. Tämä muuttuu nopeasti AI‑kapasiteetin kasvaessa:

• XRlabs käyttää Thor‑ ja Isaac‑alustoja terveydenhuollossa mahdollistamaan kirurgisia endoskopia‑laitteita, alkaen eksoskoopeista, jotka ohjaavat kirurgeja reaaliaikaisella AI‑analyysillä.
• LEM Surgical käyttää NVIDIA Isaac for Healthcare‑alustaa ja Cosmos Transferia kouluttaakseen autonomisia käsiä Dynamis‑kirurgirobotissaan, jota tehostaa NVIDIA Jetson AGX Thor™ ja Holoscan.

Manuaaliset toistuvat tehtävät: Humanoidirobotit

Useimmat työympäristöt, tilat ja työkalut on suunniteltu ihmiskäsien ja -kehojen käyttöön. Joten olisi loogista, että ihanteellinen robotin muoto, joka korvaa ihmiset tylsissä tai vaarallisissa tehtävissä, olisi myös humanoidimuotoinen.

Kuitenkin ihmisen keho on myös erittäin monimutkainen kone, ja vasta hiljattain robotit ovat tulleet mekaanisesti riittävän kehittyneiksi jäljittelemään ihmisen liikettä oikein.

Siksi kehitys saattaa kestää pidempään – erityisesti suurten ja hienojen motoristen taitojen sekä kyvyn havaita, ymmärtää, päättää ja olla vuorovaikutuksessa fyysisen maailman kanssa, riippumatta siitä, mikä tehtävä on kyseessä.

NVIDIA:n fyysisen AI-pinon selitys

CUDA‑ohjelmointikielen kehittämisen ajatuksen jälkeen – jonka avulla GPU:ita voidaan käyttää sovelluksissa graafisen renderöinnin lisäksi, mikä synnytti suurimman osan nykyisestä AI‑buumista – NVIDIA panostaa avoimiin malleihin johtamaan tulevaa fyysisen AI:n buumia.

Tällä tavoin NVIDIA:n tulisi ihanteellisesti tulla yhtä paljon fyysisen AI:n osakkeeksi kuin se on ollut LLM‑pohjaisten osakkeiden osalta viimeisten viiden vuoden aikana.

NVIDIA:n laitteisto‑ ja hermoverkko‑osaamisen ydin on nyt hiottu yhteen sopiviin osiin, jotka on tarkkaan viritetty fyysisen AI:n sovelluksiin.

NVIDIA Cosmos

Cosmos on “alusta, jossa on avoimia maailman perusmalleja (WFMs), suojakaiteita ja datankäsittelykirjastoja, jotka nopeuttavat fyysisen AI:n kehittämistä autonomisille ajoneuvoille (AV), robotteihin ja video‑analytiikka‑AI‑agentteihin.”

Useat robotiikka‑ ja autonomiset ajoneuvoyritykset käyttävät jo Cosmos‑alustaa nopeuttaakseen fyysisen AI:n kehitystä.

Cosmos on itse asiassa useita esikoulutettuja malleja yhdessä, jotka antavat roboteille mahdollisuuden ennakoida, miten fyysinen maailma reagoi ja muuttuu, miten syntetinen data (simulaatiot) muuttuu todelliseksi videoksi, ja miten käyttää päättelyketjua, joka perustuu todelliseen fyysiseen dataan ja havaintoihin.

NVIDIA Isaac‑GROOT & IsaacLab Arena

Isaac GR00T N1.6 on näkö‑kieli‑toiminto‑malli, joka on rakennettu erityisesti humanoidiroboteille, tarjoten koko kehon ohjauksen ja kontekstuaalisen ymmärryksen. Robotiikkayritykset kuten Franka Robotics, Neura Robotics ja Humanoid käyttävät sitä jo.

Tämä, yhdessä Isaac Lab‑Arena:n kanssa, tarjoaa yhteistyöjärjestelmän robotin politiikan arviointiin ja vertailuun simulaatiossa. Näin tutkimuslaboratoriot ja robotiikkayritykset voivat nopeasti arvioida mallinsa suorituskykyä ja verrata sitä muihin standardoidussa ympäristössä.

Tärkeää on, että Isaac‑malli vaatii melko vähän laskentatehoa, ja sen suorittamiseen riittää $3 500 NVIDIA‑robotiikkasiru Jetson AGX Thor, mikä tekee Isaac‑alustan kustannuksista humanoidirobotissa erittäin pienen summan.

NVIDIA® Jetson Thor™ -sarjan moduulit tarjoavat sinulle äärimmäisen alustan fyysiselle AI:lle ja robotiikalle, tuottaen jopa 2070 FP4 TFLOPS AI‑laskentaa ja 128 GB muistia, virrankulutus säädettävissä 40 W–130 W välillä.

Ne tarjoavat yli 7,5‑kertaisesti enemmän AI‑laskentaa kuin NVIDIA AGX Orin™, ja 3,5‑kertaisesti paremman energiatehokkuuden.

Boston Dynamics, Humanoid ja RLWRLD ovat kaikki integroineet Jetson Thor -moduulin olemassa oleviin humanoideihinsa parantaakseen niiden navigointi‑ ja manipulointikykyjä.

NVIDIA Omniverse

Omniverse on kokoelma kirjastoja ja mikropalveluita fyysisten AI‑sovellusten, kuten teollisten digitaalisten kaksosten ja robotiikkasimulaatioiden, kehittämiseen.

Virtuaaliset simulaatiot, eli “syntetinen data”, ovat loistava tapa kouluttaa robotti‑AI:ta nopeasti monissa tilanteissa ilman, että kyseisiä tilanteita täytyy luoda fyysisesti.

Omniverse‑alustan kehittämiseen NVIDIA hyödynsi syvää fysiikkamallien, fyysisen simulaation ja datakirjaston varantoaan, jota on jo käytetty muissa sovelluksissa, kuten fysiikkatutkimuksessa, videopelissä ym.

Tämäntyyppinen työkalu on myös erittäin hyödyllinen logistisissa ja valmistus‑sovelluksissa, kun luodaan räätälöityjä digitaalisia kaksosia todellisista laitoksista, mikä mahdollistaa robotti‑AI:n käyttöönoton testaamisen virtuaalisesti ensin ja vähentää häiriöriskiä, kun todelliset robotit otetaan käyttöön.

Useat teollisuusyritykset, kuten Schneider ja Siemens, käyttävät tätä työkalua jo.

NVIDIA OSMO

OSMO on “orchestrator”‑ohjelmisto, joka on suunniteltu erityisesti fyysistä AI:ta varten.

Se mahdollistaa käyttäjien koordinoida ja yhdistää useita AI‑työkaluja, kuten Isaac‑ ja Cosmos‑alustoja, kaikissa fyysisen AI:n kehitysvaiheissa: datan luonti, koulutus, simulaatio, arviointi ja laitteistossa tapahtuva testaus.

NVIDIA DGX -alusta

DGX on NVIDIA:n “SuperPOD”‑laskentaplatformin käyttö AI‑mallien, myös fyysisten AI:iden, koulutukseen.

Se voi skaalautua kymmeniin tuhansiin NVIDIA‑GPU:ihin, mukaan lukien Rubin‑ ja Blackwell‑piirit, luoden käyttövalmiin, avaimet‑käsissä – AI‑supertietokoneen.

NVIDIA – Hugging Face

Hugging Face on transformer‑kirjasto, joka on rakennettu luonnollisen kielen käsittelyyn, ja jota kutsutaan myös “GitHubiksi koneoppimisen alalla”, sisältäen miljoonia esikoulutettuja AI‑malleja, dataset‑kokoelmia, kirjastoja ym.

NVIDIA on integroinut avoimen lähdekoodin Isaac‑ ja GR00T‑teknologiansa johtavaan LeRobot‑avointen robotiikkakehysten. 13 miljoonan AI‑rakentajan yhteisön avulla tämän tulisi lisätä Nvidia‑järjestelmien omaksumista fyysisissä AI‑sovelluksissa.

Yhteenveto

Robotiikka tekee äkillisesti suurta edistystä kiitos kahden eri voiman samanaikaisen yhdistymisen.

Ensimmäinen on robotiikkakomponenttien teknologian kypsyys ja robottikäsivarsien, gyroskooppien, sähkömoottorien ja muiden roboteissa, droneissa ja muissa elektroniikkalaitteissa käytettävien komponenttien massatuotanto, mikä on johtanut korkealaatuisten osien hintojen nopeaan laskuun.

Toinen voima on räjähdysmäinen AI‑teknologian parannus.

Mitä muutama vuosi sitten LLM:ien avulla saavutti yleisön tietoisuuden, laajenee nyt uusille aloille, ja todellinen maailma alkaa tuntea fyysisen AI:n käyttöönoton vaikutukset autoissa, räätälöidyissä tai humanoidisissa robottilinjoissa.

On mahdollista, että fyysinen AI osoittautuu vielä tärkeämmäksi teknologia‑alalle kuin LLM:t, koska se avaa kokonaan uuden sarjan taloudellisia sektoreita. Tämä auttaa sitä keräämään enemmän arvoa sekä lisää tuottavuutta juuri silloin, kun geopoliittiset tekijät pakottavat valtavat toimitusketjujen uudelleenpiirrot ja monien maiden uudelleensoteuttamisen.

Parhaat fyysisen AI:n ja humanoidirobotin osakkeet vuodelle 2026

Boston Dynamics / Hyundai (HYMLF)

Hyundai on parhaiten tunnettu autoteollisuudestaan, ja se on perusteltua, sillä se on maailman kolmanneksi suurin autonvalmistaja myytyjen autojen määrässä, mutta se on itse asiassa myös valtava teollisuusryhmä, joka koostuu kolmesta alayksiköstä:

• Autonvalmistus, mukaan lukien sähköautot.
• Robotinvalmistaja Boston Dynamics, hankittu vuonna 2021, eikä sitä tule sekoittaa Hyundai Roboticsiin, joka on teollinen robottivalmistaja ja nyt osa itsenäistä yritystä HD Hyundai / Hyundai Heavy Industries (mutta tekee tiivistä yhteistyötä Hyundai Motorsin kanssa).
• Hyundai Rotem on aktiivinen rautatie‑ ja sotilasteollisuudessa sekä vetyenergiassa.

Boston Dynamics, yhdessä Caterpillarin, Franka Roboticsin, Humanoidn, LG Electronicsin ja NEURA Roboticsn kanssa käyttää NVIDIA‑robotiikkapinoa esitelläkseen uusia AI‑ohjattuja robotteja.

Yritys on erityisen tunnettu ATLAS‑robotistaan ja robodog‑suunnittelun pioneereistaan.

Yritys keskittyy myös B2B‑fyysisten robottien / fyysisen AI:n markkinoihin, erityisesti Stretch‑varastorobottiin, joka manipuloi paketteja ja kuormia varastoissa jopa 50 paunan painoisina.

Varhaisena robotiikan johtajana ja NVIDIA:n kumppanina Boston Dynamics on hyvä ehdokas saamaan merkittävän osuuden fyysisen AI:n markkinoista.

IPO‑mahdollisuus Boston Dynamicsista, joka on Hyundai‑yrityksen omistuksessa, on selvästi mahdollinen tulevaisuudessa, mutta suunnitelmia ei ole vielä selkeästi määritelty, joten se todennäköisesti toteutuu vasta vuoden 2027 jälkeen.

“Mitä tulee Boston Dynamicsin IPO‑aikatauluun tai -suunnitelmiin, mitään ei ole vielä vahvistettu, joten juuri nyt ei ole paljon kommentoitavaa, mutta tiedotamme (sidosryhmille) heti, kun meillä on IPO‑aikataulu tai -suunnitelma.

Samankaltaisesti kuin toteutimme (Hyundai Motor India (HYUNDAI.BO ) ‑IPO:n), voimme sanoa, että olemme avoimia Boston Dynamicsin suhteen. Kuitenkin emme ole tällä hetkellä tarkastelleet (Boston Dynamicsin IPO) eikä meillä ole suunnitelmia tarkastella (IPO‑vaihtoehtoa) lähitulevaisuudessa.”

– Lee Seung‑jo, Taloudellinen johtaja ja strateginen johtaja Hyundai Motor Co:ssa
Yritys on alkanut käyttää Boston Dynamicsin humanoidirobotteja auto­tehtaissaan ja on paljastanut kaupallisen version ATLAS‑robotista.

NVIDIA

Alun perin GPU‑laitteistojen valmistajana videopeleihin ja muihin graafisen renderöinnin tehtäviin, NVIDIA on kehittynyt massiiviseksi AI‑laitteistoyhtiöksi, jonka osake on maailman suurimman markkina‑arvon omaava.

NVIDIA tunnisti AI:n potentiaalin aikaisin, kauan ennen kuin kukaan erikoistunut tutkija alkoi välittää hermoverkoista.

Tämä oli tuolloin riskialtis siirtymä lähes olemattomaan, juuri syntymässä olevaan sektoriin, tai kuten Jensen Huang sanoi:

“Investoimme nollamiljardi‑dollariin markkinoihin.”

Vuonna 2016 & 2017 NVIDIA julkaisi Pascal‑ ja Volta‑arkkitehtuurit, jotka olivat ensimmäisiä GPU‑pohjaisia AI‑kiihdyttimiä, ja Volta esitteli Tensor‑ytimet, jotka nopeuttivat syväoppimistehtäviä jopa 12‑kertaisesti.

Tämä edistymisen tahti on jatkunut siitä lähtien.

Sijoittajat ovat olleet hieman huolissaan, että NVIDIA saattaisi pian loppua uusista markkinoista, joilla oikeuttaa korkean arvostuskerroin. CES 2026 -ilmoituksen myötä fyysisestä AI:sta näyttää siltä, että näin ei ole vielä tapahtunut.

AI:n fyysinen käyttöönotto roboteissa, itseajavissa autoissa ja muissa autonomisissa järjestelmissä tarjoaa NVIDIA:lle monia uusia markkinoita laitteistonsa myymiseen.

Ja sen täydellinen ekosysteemi, avoin suunnittelu ja yhteistyö Hugging Face:n kanssa, lähes takaa, että kaikki paitsi suurimmat teknologiayritykset turvautuvat NVIDIA‑tekniikkaan robottien aivoina, sillä pyörän uudelleenrakentaminen olisi liian kallista ja viivyttäisi yritystä liikaa kilpailijoihin nähden.

Uusimmat Nvidia (NVDA) osakeuutiset ja kehitys