Fysieke AI: Investeren in de Humanoïde Robotboom van 2026

CES 2026 signaleert de verschuiving van virtuele naar fysieke AI

CES, voorheen de Consumer Electronics Show, is de grootste en meest invloedrijke technologiebeurs ter wereld. We meldden eerder dat een van de belangrijkste onthullingen van de beurs de eerste commercieel beschikbare solid-state batterij was, geproduceerd door Donut Labs.

Maar een andere belangrijke aankondiging werd gedaan door AI‑hardwareleider NVIDIA (NVDA ) over “fysieke AI”, die werd gepresenteerd als het ChatGPT‑moment van NVIDIA. Dit is natuurlijk niet geheel een verrassing, aangezien het bedrijf dit idee van fysieke AI al een tijd promoot, zich ervan bewust dat puur “intellectuele” LLM’s (Large Language Models) slechts de eerste stap zijn in de inzet van AI.

In de praktijk zal de meest impactvolle rol van AI zich voordoen wanneer het direct met de fysieke wereld interacteert, in plaats van beperkt te blijven tot digitale en virtuele omgevingen.

En dit is iets waar AI’s tot nu toe nog moeite mee hebben. De echte wereld is veel rommeliger dan een nette dataset in een spreadsheet, een video of een zoekmachine. Ze is vaak ambigu, veranderlijk en onverwacht.

Om al deze redenen is een nieuw type AI nodig, dat de fysieke realiteit gebruikt en neurale netwerken op nieuwe manieren hergebruikt. Dit belooft het Cosmos‑framework van NVIDIA.

Waarom 2026 het ChatGPT‑moment voor robotica zou kunnen zijn

De vergelijking van 2026 & fysieke AI’s voor robotica met het effect dat ChatGPT had op LLM’s komt rechtstreeks van Jensen Huang, CEO en oprichter van NVIDIA, op CES 2026. Je kunt zijn volledige toespraak bekijken in de volgende video:

Huang deed deze aankondiging terwijl zijn bedrijf nieuwe open modellen uitbracht, NVIDIA Cosmos en GR00T (Generalist Robot 00 Technology), die worden gebruikt voor robot‑leren en redeneren, Isaac Lab‑Arena voor robot‑evaluatie, en het OSMO edge‑to‑cloud compute‑framework om robot‑trainingsworkflows te vereenvoudigen (meer over elk van deze AI‑tools hieronder).

Waarom is het belangrijk?

Tot nu toe hebben LLM’s, als eerste taalmodellen, voornamelijk invloed gehad op redeneer‑ en taalintensieve activiteiten, zoals schrijven, programmeren, zoeken, data‑analyse, vertalen, klantenservice, enz.

Dit zijn belangrijke activiteiten, maar slechts een fractie van de wereldeconomie.

Veel meer wereldwijde activiteiten, en vaak de meest arbeidsintensieve, vereisen interactie met de fysieke wereld: productie, gezondheidszorg, transport & logistiek, landbouw, mijnbouw, huishoudelijke taken, enz.

Welke sectoren zullen als eerste door fysieke AI worden getransformeerd

In theorie zullen alle segmenten van de fysieke wereld en economische sectoren worden beïnvloed door de verspreiding van robotica. Maar in de praktijk zullen sommige segmenten robotica veel sneller adopteren en eerder meer worden getroffen.

Zelfrijdende auto’s

Autonome voertuigen hebben in 2025 grote vooruitgang geboekt, en zijn waarschijnlijk klaar voor inzet, afhankelijk van toestemming van de regelgevers en een duidelijker juridisch kader.

Deze taak vereist veel redeneren, terwijl de feitelijke mechanische handelingen van een auto relatief eenvoudig zijn (2D‑bewegingen, acceleratie, vertraging, signalering). Daarom is het belangrijkste onderdeel een combinatie van de volgende elementen:

• Krachtige on‑board hardware voor edge‑computing (niet afhankelijk van een netwerkverbinding).
• Data en training die overeenkomen met real‑world omstandigheden, van algemene verkeersregels tot zeldzame gevallen & onverwachte veranderingen — zoals het associëren van een rollende bal met het risico dat een kind plotseling de weg op rent, wat leidt tot preventieve vertraging.
• Redenerende vision‑language‑action (VLA) modellen die visuele aanwijzingen omzetten in de juiste acties.

Logistiek

Fysieke AI zal dit veld op minstens twee verschillende manieren beïnvloeden.

De eerste is magazijnen en voorraadbeheer. Fysieke AI stelt Autonomous Mobile Robots (AMR’s) in staat om complexe omgevingen te navigeren en obstakels, inclusief mensen, te vermijden door directe feedback van on‑board sensoren te gebruiken. Robotarmen en andere manipulatie‑tools stellen hen ook in staat goederen te verplaatsen.

De tweede is bezorgdiensten, die meer lijken op autonome voertuigen, waarbij fysieke AI alles regelt van het rijden naar het juiste adres tot het veilig plaatsen van goederen bij de juiste deur, het navigeren langs hekken, ongelijk terrein, obstakels, enz.

Productie

Net als in magazijnen moet fysieke AI in fabrieken omgaan met een complexe omgeving waarin machines, mensen en nu robots worden gemengd.

Maar daarnaast zullen veel productielocaties beschikken over hoogvermogen gereedschappen, gevaarlijke materialen (heet metaal, lasers, chemicaliën, enz.), en veel strengere eisen wat betreft uiteindelijke kwaliteit en efficiëntie.

Terwijl een vastgelopen of defecte magazijnrobot waarschijnlijk door een nabijwerkende mens kan worden opgelost, kan dezelfde fout in een assemblagelijn of een complex chemisch plant snel gevaarlijk worden.

Chirurgie & Gezondheidszorg

Voorlopig zijn de meeste chirurgische robots, zoals die van Intuitive Surgical (ISRG ) meer robotarmen die door een chirurg worden bestuurd dan echte autonome robots. Dit verandert snel nu de AI-capaciteit groeit:

• XRlabs gebruikt Thor en Isaac voor de gezondheidszorg om chirurgische scopes mogelijk te maken, beginnend met exoscopen, om chirurgen te begeleiden met realtime AI‑analyse.
• LEM Surgical gebruikt NVIDIA Isaac for Healthcare en Cosmos Transfer om de autonome armen van hun Dynamis‑chirurgische robot te trainen, aangedreven door NVIDIA Jetson AGX Thor™ en Holoscan.

Handmatige repetitieve taken: Humanoïde robots

De meeste werkomgevingen, ruimtes en gereedschappen zijn ontworpen om door menselijke handen en lichamen te worden bediend. Het zou dus logisch zijn dat het ideale ontwerp voor een robot die mensen vervangt bij saaie of gevaarlijke taken, ook een humanoïde vorm heeft.

Echter, het menselijk lichaam is ook een zeer complexe machine, en pas recentelijk zijn robots mechanisch geavanceerd genoeg geworden om menselijke bewegingen nauwkeurig te repliceren.

Dit kan dus langer duren om te ontwikkelen — specifiek de grove en fijne motoriek, evenals het vermogen om te waarnemen, begrijpen, redeneren en interageren met de fysieke wereld, ongeacht de gegeven taak.

Uitleg van NVIDIA’s fysieke AI‑stack

Naar aanleiding van het idee ontwikkeld met de programmeertaal CUDA — waarmee GPU’s voor andere toepassingen dan grafische weergave kunnen worden gebruikt, wat de huidige AI‑boom heeft voortgebracht — rekent NVIDIA op open modellen om de komende boom in fysieke AI te leiden.

Op deze manier zou NVIDIA idealiter evenveel een fysieke AI‑aandeel moeten worden als het de afgelopen 5 jaar een LLM‑gedreven aandeel was.

De kern van NVIDIA‑hardware en expertise in neurale netwerken wordt nu verfijnd tot in elkaar grijpende onderdelen, allemaal nauw afgestemd op fysieke AI‑toepassingen.

NVIDIA Cosmos

Cosmos is “een platform met open‑world foundation‑modellen (WFMs), guardrails en data‑verwerkingsbibliotheken om de ontwikkeling van fysieke AI voor autonome voertuigen (AV’s), robots en video‑analytics AI‑agenten te versnellen.”

Verschillende robotica‑ en autonome voertuigbedrijven gebruiken Cosmos al om de ontwikkeling van hun fysieke AI te versnellen.

Cosmos is eigenlijk meerdere voorgetrainde modellen in één, waardoor robots kunnen anticiperen hoe de fysieke wereld zal reageren en veranderen, hoe synthetische data (simulaties) worden omgezet in real‑world video, en hoe een redeneerketen te gebruiken die vertrouwt op fysieke data en observatie uit de echte wereld.

NVIDIA Isaac-GROOT & IsaacLab Arena

Isaac GR00T N1.6 is een vision‑language‑action model dat specifiek is gebouwd voor humanoïde robots, en biedt volledige lichaamscontrole en contextueel begrip. Robotica‑bedrijven waaronder Franka Robotics, Neura Robotics en Humanoid gebruiken het al.

Dit, gecombineerd met de Isaac Lab‑Arena, biedt een collaboratief systeem voor robot‑policy‑evaluatie en benchmarking in simulatie. Op deze manier kunnen onderzoekslabs en robotica‑bedrijven de prestaties van hun model snel evalueren en vergelijken met anderen in een gestandaardiseerde omgeving.

Belangrijk is dat het Isaac‑model relatief weinig rekenkracht vereist, met een NVIDIA‑robotica‑chipmodule van $3.500 Jetson AGX Thor, voldoende om Isaac uit te voeren, waardoor de kosten van rekenhardware voor een humanoïde robot zeer laag worden.

NVIDIA® Jetson Thor™ series modules bieden het ultieme platform voor fysieke AI en robotica, met tot 2070 FP4 TFLOPS AI‑rekenkracht en 128 GB geheugen, met een vermogen instelbaar tussen 40 W en 130 W.

Ze leveren meer dan 7,5× hogere AI‑rekenkracht dan NVIDIA AGX Orin™, met 3,5× betere energie‑efficiëntie.

Boston Dynamics, Humanoid en RLWRLD hebben allemaal Jetson Thor geïntegreerd in hun bestaande humanoïden om hun navigatie‑ en manipulatie‑mogelijkheden te verbeteren.
https://www.youtube.com/watch?v=iYT2haVIgSM

NVIDIA Omniverse

Omniverse is een verzameling bibliotheken en microservices voor het ontwikkelen van fysieke AI‑toepassingen zoals industriële digitale tweelingen en roboticasimulaties.

Virtuele simulaties, of “synthetische data”, zijn een uitstekende manier om een robot‑AI snel te trainen in veel situaties zonder die situaties fysiek te hoeven creëren.

Voor de ontwikkeling van Omniverse heeft NVIDIA haar uitgebreide bibliotheek van fysische modellen, fysieke simulatie en data‑bibliotheek gebruikt, die al werd ingezet voor andere toepassingen, zoals natuurkundig onderzoek, videogames, enz.

Dit soort tool kan ook zeer nuttig zijn voor logistieke en productie‑toepassingen, met de creatie van aangepaste digitale tweelingen van echte faciliteiten, waardoor de inzet van robot‑AI eerst virtueel kan worden getest, wat het risico op verstoringen bij de inzet van echte robots vermindert.

Verschillende industriële bedrijven gebruiken dit gereedschap al, zoals Schneider en Siemens.

NVIDIA OSMO

OSMO is een “orchestrator”‑software, specifiek ontwikkeld voor fysieke AI.

Het stelt gebruikers in staat om meerdere AI‑tools, waaronder Isaac en Cosmos, te coördineren en te combineren in alle fasen van fysieke AI‑ontwikkeling: datageneratie, training, simulatie, evaluatie en hardware‑in‑the‑loop testing.

NVIDIA DGX Platform

DGX is NVIDIA’s gebruik van zijn “SuperPOD” compute‑platform voor het trainen van AI‑modellen, inclusief fysieke AI’s.

Het kan opschalen tot tienduizenden NVIDIA‑GPU’s, inclusief Rubin‑ en Blackwell‑chips, en creëert een kant‑klaar AI‑supercomputer.

NVIDIA – Hugging Face

Hugging Face is een transformers‑bibliotheek gebouwd voor toepassingen in natuurlijke taalverwerking, ook wel de “GitHub voor Machine Learning” genoemd, met miljoenen voorgetrainde AI‑modellen, datasets, bibliotheken, enz.

NVIDIA heeft zijn open‑source Isaac‑ en GR00T‑technologieën geïntegreerd in het toonaangevende LeRobot open‑source robotica‑framework. Met een community van 13 miljoen AI‑bouwers zou dit de adoptie van Nvidia‑systemen als standaard in fysieke AI’s moeten stimuleren.

Conclusie

Robotica maakt plotseling enorme vooruitgang, dankzij de gelijktijdige samenkomst van twee verschillende krachten.

De eerste is de volwassenheid van de technologie voor robotonderdelen en de massaproductie van robotarmen, gyroscopen, elektrische motoren en andere componenten die in robots, drones en andere elektronica worden gebruikt, wat leidt tot een snelle daling van de kosten voor hoogwaardige onderdelen.

De tweede kracht is de explosieve verbetering van AI‑technologie.

Wat een paar jaar geleden met LLM’s het algemene publiek bereikte, breidt zich nu uit naar nieuwe gebieden, waarbij de echte wereld naast de impact van de uitbreiding van fysieke AI‑inzet in automotive, op maat gemaakte of humanoïde robotlichamen zal voelen.

Het is mogelijk dat fysieke AI nog belangrijker blijkt voor de tech‑industrie dan LLM’s, omdat het een geheel nieuwe reeks economische sectoren opent. Dit zou moeten helpen meer waarde te capture en de productiviteit te verhogen, precies op het moment dat geopolitiek een enorme hertekening van de toeleveringsketen en re‑industrialisatie van veel landen aandrijft.

Beste fysieke AI‑ en humanoïde robot‑aandelen voor 2026

Boston Dynamics / Hyundai (HYMLF)

Hyundai staat vooral bekend om zijn automobielactiviteiten, terecht, aangezien het het #3 grootste automerk ter wereld is qua verkochte auto’s, maar het is eigenlijk ook een enorme industriële groep, bestaande uit 3 divisies:

• De automobielactiviteit, inclusief elektrische auto’s.
• Robotfabrikant Boston Dynamics, verworven in 2021, niet te verwarren met Hyundai Robotics, een industriële robotproducent die nu deel uitmaakt van het onafhankelijke bedrijf HD Hyundai / Hyundai Heavy Industries (maar nauw samenwerkt met Hyundai Motors).
• Hyundai Rotem is actief in spoorweg‑ & militaire uitrusting, en waterstofenergie.

Boston Dynamics, samen met Caterpillar, Franka Robotics, Humanoid, LG Electronics en NEURA Robotics, gebruiken de NVIDIA‑robotica‑stack om nieuwe AI‑gedreven robots te introduceren.

Het bedrijf staat vooral bekend om zijn ATLAS‑robot en om het pionieren met het robodog‑ontwerp.

Het bedrijf richt zich ook op de B2B‑markt voor fysieke robots / fysieke AI, met Stretch, een magazijnrobot voor het manipuleren van pakketten en ladingen in magazijnen, tot 50 pond gewicht.

Als vroege leider in robotica en partner van NVIDIA is Boston Dynamics een goede kandidaat om een aanzienlijk deel van de fysieke AI‑markt te veroveren.

Een beursintroductie van het bedrijf, afkomstig van Hyundai, is een duidelijke mogelijkheid in de toekomst, maar er zijn nog geen duidelijke plannen, en daarom waarschijnlijk niet vóór 2027.

“Met betrekking tot een tijdlijn of plannen voor de beursintroductie van Boston Dynamics, is er nog niets bevestigd, dus er is momenteel niet veel om op te reageren, maar we zullen (met belanghebbenden) communiceren zodra we een IPO‑tijdlijn of plannen hebben.

Net zoals we de (Hyundai Motor India (HYUNDAI.BO ) IPO) hebben uitgevoerd, kunnen we zeggen dat we openstaan voor Boston Dynamics. Echter, we hebben (de IPO van Boston Dynamics) op dit moment niet beoordeeld, en we hebben geen plannen om (de IPO‑optie) op korte termijn te herzien.”

– Lee Seung-jo, Chief Financial Officer and Chief Strategic Officer of Hyundai Motor Co
Het bedrijf is begonnen met het gebruiken van Boston Dynamics humanoïde robots in zijn autofabrieken en heeft een commerciële versie van ATLAS onthuld.

NVIDIA

Van oorsprong een GPU‑hardwarefabrikant voor videogames en andere grafische renderingstaken, is NVIDIA uitgegroeid tot een enorme AI‑hardware‑onderneming, waardoor haar aandeel de grootste marktkapitalisatie ter wereld heeft.

NVIDIA zag het potentieel van AI al vroeg, lang voordat iemand, buiten gespecialiseerde onderzoekers, zich bekommerde om neurale netwerken.

Dit was destijds een riskante stap naar een ongeteste, nauwelijks bestaande sector, of zoals Jensen Huang zei:

“We investeren in nul‑miljard‑dollar markten.”

In 2016 en 2017 bracht NVIDIA de Pascal‑ en Volta‑architecturen uit, respectievelijk de eerste GPU‑gebaseerde AI‑versneller, terwijl Volta de Tensor Cores introduceerde, die deep‑learning‑taken tot 12‑maal versnelden.

Dit tempo van vooruitgang is sindsdien voortgezet.

Investeerders waren enigszins bezorgd dat NVIDIA binnenkort geen nieuwe markten meer zou hebben om haar hoge waarderingsmultiple te rechtvaardigen. Met de CES 2026‑aankondiging over fysieke AI lijkt dat nog niet het geval te zijn.

De fysieke inzet van AI in robots, zelfrijdende auto’s en andere autonome systemen zal NVIDIA vele nieuwe markten bieden om haar hardware aan te verkopen.

En haar volledige ecosysteem, met open design en samenwerking met Hugging Face, garandeert bijna dat alle behalve de grootste tech‑bedrijven zullen vertrouwen op NVIDIA‑technologie voor de hersenen van hun robots, omdat het wiel opnieuw uitvinden simpelweg te duur zou zijn en een bedrijf te veel zou vertragen ten opzichte van de concurrentie.

Laatste Nvidia (NVDA) aandelen‑nieuws en ontwikkelingen