Fysisk AI: Investering i humanoidrobot‑boomen 2026

CES 2026 signaliserer overgangen fra virtuell til fysisk AI

CES, tidligere kjent som Consumer Electronics Show, er verdens største og mest innflytelsesrike teknologimesse. Vi rapporterte tidligere at en av de viktigste avsløringene på messen var det første kommersialiserte solid‑state‑batteriet, produsert av Donut Labs.

Men en annen viktig kunngjøring ble gjort av AI‑maskinvarelederen NVIDIA (NVDA ) om «fysisk AI», som er blitt presentert som NVIDIAs ChatGPT‑øyeblikk. Dette er selvfølgelig ikke helt en overraskelse, siden selskapet har presset på for dette konseptet i en stund nå, og har innsett at rent «intellektuelle» LLM‑er (store språkmodeller) bare er første steg i AI‑utplasseringen.

I praksis vil den mest innflytelsesrike rollen til AI skje når den interagerer direkte med den fysiske verden, i stedet for å holde seg innestengt i digitale og virtuelle miljøer.

Og dette er noe AI‑er frem til nå fortsatt har slitt med. Den virkelige verden er mye rotete enn et ryddig datasett i et regneark, en video eller en søkemotor. Den er ofte tvetydig, i endring og uventet.

Av alle disse grunnene trengs en ny type AI som bruker fysisk virkelighet og omformer nevrale nettverk på nye måter. Dette er det NVIDIA Cosmos‑rammeverket lover.

Hvorfor 2026 kan bli ChatGPT‑øyeblikket for robotikk

Sammenligningen av 2026 & fysiske AI‑er for robotikk med den effekten ChatGPT hadde på LLM‑er kommer direkte fra Jensen Huang, administrerende direktør og grunnlegger av NVIDIA, på CES 2026. Du kan se hele talen hans i følgende video:

Huang kunngjorde dette samtidig som selskapet lanserte nye åpne modeller, NVIDIA Cosmos og GR00T (Generalist Robot 00 Technology), som brukes til robot‑læring og resonnering, Isaac Lab‑Arena for robot‑evaluering, og OSMO edge‑to‑cloud‑databehandlingsrammeverket for å forenkle robot‑treningsarbeidsflyter (mer om hver av disse AI‑verktøyene nedenfor).

Hvorfor det er viktig?

Så langt har LLM‑er, som de første språkmodellene, hovedsakelig påvirket resonnering og språkintensive aktiviteter, som skriving, programmering, søk, dataanalyse, oversettelse, kundeservice osv.

Dette er viktige aktiviteter, men kun en brøkdel av verdensøkonomien.

Mange flere globale aktiviteter, ofte de mest arbeidsintensive, krever interaksjon med den fysiske verden: produksjon, helsevesen, transport & logistikk, jordbruk, gruvedrift, husholdningsoppgaver osv.

Hvilke industrier vil bli transformert først av fysisk AI

Teoretisk vil alle segmenter av den fysiske verden og økonomiske sektorer bli påvirket av spredningen av robotikk. Men i praksis vil noen segmenter ta i bruk robotikk i et mye raskere tempo og bli mer påvirket tidligere.

Selvkjørende biler

Autonome kjøretøy har gjort store fremskritt i 2025, og er sannsynligvis i ferd med å bli klare for utrulling, avhengig av godkjenning fra regulatorer og et klarere juridisk rammeverk.

Denne oppgaven er tung på resonnering, mens de faktiske mekaniske handlingene til en bil er relativt enkle (2D‑bevegelser, akselerasjon, nedbremsing, signalering). Derfor er den viktigste delen en kombinasjon av følgende elementer:

• Sterk ombord‑maskinvare for edge‑computing (ikke avhengig av nettverkstilkobling).
• Data og trening som matcher virkelige forhold, fra generelle kjøreskikker til sjeldne tilfeller & uventede endringer — som å assosiere en rullende ball med risikoen for at et barn plutselig løper ut på veien, noe som fører til foreløpig nedbremsing.
• Resonnerende visjon‑språk‑handling (VLA)‑modeller som konverterer visuelle hint til riktige handlinger.

Logistikk

Fysisk AI vil påvirke dette feltet på minst to forskjellige måter.

Den første er lager‑ og forsyningsstyring. Fysisk AI autoriserer autonome mobile roboter (AMR‑er) til å navigere i komplekse miljøer og unngå hindringer, inkludert mennesker, ved å bruke direkte tilbakemelding fra ombord‑sensorer. Roboter‑armer og andre manipulasjonsverktøy gjør dem også i stand til å flytte varer.

Den andre er leveransetjenester, som er mer lik autonome kjøretøy, med fysisk AI som håndterer alt fra kjøring til riktig adresse til sikker plassering av varer ved riktig dør, navigering av gjerder, ujevnt terreng, hindringer osv.

Produksjon

Som i lager, må fysisk AI i fabrikker håndtere et komplekst miljø som blander maskiner, mennesker og nå roboter.

Men i tillegg vil mange produksjonssteder ha høy‑effekt‑verktøy, farlige produkter (varmt metall, lasere, kjemikalier osv.), og mye strengere krav til sluttkvalitet og effektivitet.

Mens en fast‑ eller feilende lager‑robot sannsynligvis kan håndteres av et menneske i nærheten, kan den samme feilen i en samlebånds‑ eller kompleks kjemisk fabrikk bli farlig raskt.

Kirurgi & helsevesen

Foreløpig er de fleste kirurgiroboter, som de fra Intuitive Surgical (ISRG ), mer som robotarmer kontrollert av en kirurg enn ekte autonome roboter. Dette endrer seg raskt etter hvert som AI‑kapasiteten vokser:

• XRlabs bruker Thor og Isaac for helsevesen for å muliggjøre kirurgiske endoskoper, med start i eksoskop, for å veilede kirurger med sanntids‑AI‑analyse.
• LEM Surgical bruker NVIDIA Isaac for Healthcare og Cosmos Transfer for å trene de autonome armene til sin Dynamis‑kirurgirobot, drevet av NVIDIA Jetson AGX Thor™ og Holoscan.

Manuelle repeterende oppgaver: Humanoidroboter

De fleste arbeidsmiljøer, rom og verktøy er designet for å håndteres av menneskelige hender og kropper. Så det ville gi mening at den ideelle designen for en robot som skal erstatte mennesker i kjedelige eller farlige oppgaver også er en humanoid form.

Imidlertid er den menneskelige kroppen også en svært kompleks maskin, og det er først nylig roboter har blitt mekanisk sofistikerte nok til å replikere menneskelig bevegelse på en korrekt måte.

Dette kan derfor ta lengre tid å utvikle — spesielt de grove og fine motoriske ferdighetene, samt evnen til å oppfatte, forstå, resonere og interagere med den fysiske verden, uansett hvilken oppgave som er gitt.

NVIDIAs fysiske AI‑stabel forklart

Etter ideen utviklet med programmeringsspråket CUDA — som lar GPU‑er brukes til andre applikasjoner enn grafisk rendering, og som ga opphav til mesteparten av den nåværende AI‑boomen — satser NVIDIA på åpne modeller for å lede den kommende boomen i fysisk AI.

På denne måten bør NVIDIA ideelt sett bli like mye en fysisk AI‑aksje som den har vært en LLM‑drevet aksje de siste fem årene.

Kjernen i NVIDIAs maskinvare‑ og nevrale‑nettverksekspertise blir nå raffinert til sammenkoblede deler, alle finjustert for fysiske AI‑applikasjoner.

NVIDIA Cosmos

Cosmos er “en plattform med åpne verdens‑grunnmodeller (WFMs), rekkverk og databehandlingsbiblioteker for å akselerere utviklingen av fysisk AI for autonome kjøretøy (AV‑er), roboter og video‑analyse‑AI‑agenter.”

Flere robotikk‑ og autonome kjøretøysbedrifter bruker allerede Cosmos for å akselerere utviklingen av sin fysiske AI.

Cosmos er egentlig flere forhåndstrente modeller i én, som lar roboter forutsi hvordan den fysiske verden vil reagere og endre seg, hvordan syntetisk data (simuleringer) konverteres til virkelige videostrømmer, og hvordan man bruker en resonneringskjede som baserer seg på virkelige fysiske data og observasjoner.

NVIDIA Isaac‑GROOT og IsaacLab Arena

Isaac GR00T N1.6 er en visjon‑språk‑handling‑modell bygget spesielt for humanoidroboter, som tilbyr full‑kropps‑kontroll og kontekstuell forståelse. Robotikkbedrifter inkludert Franka Robotics, Neura Robotics og Humanoid bruker den allerede.

Dette, kombinert med Isaac Lab‑Arena, gir et samarbeidsystem for robot‑policy‑evaluering og benchmarking i simulering. På denne måten kan forsknings‑labber og robotikkbedrifter evaluere modell‑ytelsen raskt og sammenligne den med andre i et standardisert miljø.

Viktig er at Isaac‑modellen har relativt lave beregningskrav, med et $3 500 NVIDIA‑robotikk‑chip‑modul Jetson AGX Thor, tilstrekkelig til å kjøre Isaac, og som dermed gjør maskinvarekostnaden for en humanoidrobot svært liten.

NVIDIA® Jetson Thor™‑seriemoduler gir deg den ultimate plattformen for fysisk AI og robotikk, med opptil 2070 FP4 TFLOPS AI‑beregning og 128 GB minne, med strøm som kan konfigureres mellom 40 W og 130 W.

De leverer over 7,5× høyere AI‑beregning enn NVIDIA AGX Orin™, med 3,5× bedre energieffektivitet.

Boston Dynamics, Humanoid og RLWRLD har alle integrert Jetson Thor i sine eksisterende humanoider for å forbedre navigasjons‑ og manipulasjonskapasitetene.

NVIDIA Omniverse

Omniverse er en samling av biblioteker og mikrotjenester for å utvikle fysiske AI‑applikasjoner som industrielle digitale tvillinger og robot‑simulering.

Virtuelle simuleringer, eller «syntetisk data», er en utmerket måte å raskt trene en robot‑AI i mange situasjoner uten å måtte skape de faktiske situasjonene fysisk.

For å utvikle Omniverse brukte NVIDIA sin dype samling av fysikkmodeller, fysisk simulering og datalager som allerede ble brukt i andre applikasjoner, som fysikkforskning, videospill osv.

Denne typen verktøy kan også være svært nyttig for logistikk‑ og produksjonsapplikasjoner, med opprettelse av tilpassede digitale tvillinger av virkelige anlegg, som gjør det mulig å teste utrullingen av robot‑AI virtuelt først, og dermed redusere risikoen for forstyrrelser når ekte roboter tas i bruk.

Flere industribedrifter bruker allerede dette verktøyet, som Schneider og Siemens.

NVIDIA OSMO

OSMO er en «orchestrator»-programvare, spesielt bygget for fysisk AI.

Den gjør det mulig for brukere å koordinere og kombinere flere AI‑verktøy, inkludert Isaac og Cosmos, i alle stadier av utviklingen av fysisk AI: datagenerering, trening, simulering, evaluering og hardware‑in‑the‑loop‑testing.

NVIDIA DGX‑plattform

DGX er NVIDIAs bruk av sin «SuperPOD»‑databehandlingsplattform for trening av AI‑modeller, inkludert fysiske AI‑er.

Den kan skaleres til titusenvis av NVIDIA‑GPU‑er, inkludert Rubin‑ og Blackwell‑brikker, og skaper en klar‑til‑bruk, turn‑key AI‑superdatamaskin.

NVIDIA – Hugging Face

Hugging Face er et transformers‑bibliotek bygget for naturlige språkbehandlings‑applikasjoner, også kalt «GitHub for Machine Learning», med millioner av forhåndstrente AI‑modeller, datasett, biblioteker osv.

NVIDIA har integrert sine åpne kildekode‑teknologier Isaac og GR00T i det ledende LeRobot‑åpne‑kilde‑robotikk‑rammeverket. Med et fellesskap på 13 millioner AI‑byggere bør dette øke adopsjonen av Nvidia‑systemer som en standard i fysiske AI‑er.

Konklusjon

Robotikk gjør plutselig store fremskritt, takket være samspillet mellom to ulike krefter samtidig.

Den første er modenheten i robotkomponent‑teknologi og masseproduksjonen av robotarmer, gyroskoper, elektriske motorer og andre komponenter som brukes i roboter, samt i droner og annen elektronikk, noe som fører til en rask kostnadsnedgang for høykvalitets‑deler.

Den andre kraften er den eksplosive forbedringen i AI‑teknologi.

Det som for noen år siden nådde allmenn bevissthet gjennom LLM‑er, sprer seg nå til nye felt, og den virkelige verden vil snart føle effekten av utbredt fysisk AI‑utplassering i bilindustrien, skreddersydde eller humanoide robotkropper.

Det er mulig at fysisk AI viser seg enda viktigere for teknologibransjen enn LLM‑er, siden den åpner opp en hel ny rekke økonomiske sektorer. Dette bør hjelpe den med å fange mer verdi samt øke produktiviteten, akkurat i den tid geopolitikken driver en massiv omtegning av forsyningskjeder og reindustrialiserer mange land.

Beste fysiske AI‑ og humanoidrobot‑aksjer for 2026

Boston Dynamics / Hyundai (HYMLF)

Hyundai er best kjent for sin bilproduksjonsvirksomhet, med god grunn, da den er verdens tredje største bilprodusent målt i antall solgte biler, men den er også en massiv industrigruppe, delt inn i tre underavdelinger:

• Bilproduksjonsvirksomheten, inkludert el‑biler.
• Robotprodusenten Boston Dynamics, kjøpt i 2021, ikke å forveksles med Hyundai Robotics, en industriell robotprodusent som nå er en del av det uavhengige selskapet HD Hyundai / Hyundai Heavy Industries (men samarbeider tett med Hyundai Motors).
• Hyundai Rotem er aktiv innen jernbane‑ & militært utstyr, samt hydrogen‑energi.

Boston Dynamics, sammen med Caterpillar, Franka Robotics, Humanoid, LG Electronics og NEURA Robotics, bruker NVIDIA‑robotikk‑stakken for å introdusere nye AI‑drevne roboter.

Selskapet er særlig kjent for sin ATLAS‑robot og for å ha pionert robodog‑designen.

Selskapet fokuserer også på B2B‑markedet for fysiske roboter / fysisk AI, med Stretch, en lager‑robot for å manipulere pakker og laster i lager, opptil 50 pund i vekt.

Som en tidlig leder innen robotikk og partner av NVIDIA, er Boston Dynamics en god kandidat for å ta en betydelig del av det fysiske AI‑markedet.

En børsnotering av selskapet, som er en del av Hyundai, er en tydelig mulighet i fremtiden, men uten klare planer ennå, og sannsynligvis ikke før minst 2027.

«Når det gjelder tidslinje eller planer for Boston Dynamics‑IPO, er ingenting bekreftet ennå, så det er ikke mye å kommentere akkurat nå, men vi vil kommunisere (med interessenter) så snart vi har en IPO‑tidslinje eller planer.

På samme måte som vi gjennomførte (Hyundai Motor Indias IPO), kan vi si at vi er åpne for Boston Dynamics. Vi har imidlertid ikke gjennomgått (Boston Dynamics’ IPO) på nåværende tidspunkt, og vi har ingen planer om å gjennomgå (IPO‑alternativet) på kort sikt.»

‑ Lee Seung‑jo, finansdirektør og strategisk leder i Hyundai Motor Co (HYUNDAI.BO )

Selskapet har begynt å bruke Boston Dynamics‑humanoidroboter i sine bilfabrikker og har avduket en kommersiell versjon av ATLAS.

NVIDIA

Fra sin opprinnelse som en GPU‑maskinvaremaker for videospill og andre grafikk‑renderingsoppgaver, har NVIDIA utviklet seg til et massivt AI‑maskinvare‑selskap, som gir aksjen verdens største markedsverdi.

NVIDIA innså AI‑potensialet tidlig, lenge før noen, utenfor spesialiserte forskere, brydde seg om nevrale nettverk.

Dette var på den tiden et risikabelt steg inn i en uprøvd, knapt eksisterende sektor, eller som Jensen Huang uttrykte det:

«Vi investerer i null‑milliard‑dollarmarkeder.»

I 2016 & 2017 lanserte NVIDIA Pascal‑ og Volta‑arkitekturene, henholdsvis den første GPU‑baserte AI‑akseleratoren, mens Volta introduserte Tensor‑kjerner som akselererte dyp‑læring‑oppgaver med opptil 12 ganger.

Denne fremdriften har fortsatt siden da.

Investorer har vært noe bekymret for at NVIDIA snart kan gå tom for nye markeder som rettferdiggjør de høye verdsettelses‑multiplikatorene. Med CES 2026‑kunngjøringen om fysisk AI ser det ikke ut til å være tilfelle ennå.

Den fysiske utrullingen av AI i roboter, selvkjørende biler og andre autonome systemer vil gi NVIDIA mange nye markeder å selge maskinvaren sin til.

Og deres komplette økosystem, med åpen design og partnerskap med Hugging Face, garanterer nesten at alle bortsett fra de største teknologiselskapene vil stole på NVIDIA‑teknologi for hjernen i robotene deres, da det å prøve å gjenoppfinne hjulet ville være altfor kostbart og forsinke et selskap i forhold til konkurransen.

Siste Nvidia (NVDA) aksjenyheter og utviklinger