Fysisk AI: Investera i humanoidrobotboomen 2026

CES 2026 signalerar övergången från virtuell till fysisk AI

CES, tidigare Consumer Electronics Show, är världens största och mest inflytelserika teknikutställning. Vi rapporterade tidigare att en av de viktigaste avslöjandena på mässan var det första kommersiellt tillgängliga fast‑tillståndsbatteriet, producerat av Donut Labs.

Men ett annat viktigt tillkännagivande gjordes av AI‑hårdvaruledern NVIDIA om ”fysisk AI”, som presenterades som NVIDIAs ChatGPT‑ögonblick. Detta är naturligtvis inte helt oväntat, eftersom företaget har drivit idén om fysisk AI ett tag nu, och insett att rena ”intellektuella” LLM‑modeller (Large Language Models) bara är det första steget i AI‑implementeringen.

I praktiken kommer AI:s mest genomslag att ske när den interagerar direkt med den fysiska världen, snarare än att förbli begränsad till digitala och virtuella miljöer.

Och detta är något som AI‑system hittills fortfarande har haft svårt för. Den verkliga världen är mycket rörigare än en prydlig uppsättning data i ett kalkylblad, en video eller en sökmotor. Den är ofta tvetydig, föränderlig och oväntad.

Av alla dessa skäl behövs en ny typ av AI som använder fysisk verklighet och återanvänder neurala nätverk på nya sätt. Det är vad NVIDIAs Cosmos‑ramverk lovar.

Varför 2026 kan bli ChatGPT‑ögonblicket för robotik

Jämförelsen mellan 2026 och fysisk AI för robotik med den effekt som ChatGPT hade på LLM‑modeller kommer direkt från Jensen Huang, VD och grundare av NVIDIA, på CES 2026. Du kan se hela hans tal i följande video:

Huang gjorde detta tillkännagivande när hans företag släppte nya öppna modeller, NVIDIA Cosmos och GR00T (Generalist Robot 00 Technology), som används för robot‑inlärning och resonemang, Isaac Lab‑Arena för robotutvärdering, samt OSMO edge‑to‑cloud‑beräkningsramverk för att förenkla robot‑träningsarbetsflöden (mer om varje AI‑verktyg nedan).

Varför det är viktigt?

Hittills har LLM‑modeller, som är de första språkmodellerna, mest påverkat resonemang och språkintensiva aktiviteter, som skrivande, programmering, sök, dataanalys, översättning, kundservice osv.

Dessa är viktiga aktiviteter, men bara en bråkdel av världsekonomin.

Många fler globala aktiviteter, och ofta de mest arbetsintensiva, kräver interaktion med den fysiska världen: tillverkning, sjukvård, transport & logistik, jordbruk, gruvdrift, hushållssysslor osv.

Vilka industrier kommer först att transformeras av fysisk AI

I teorin kommer alla segment av den fysiska världen och ekonomiska sektorer att påverkas av spridningen av robotik. Men i praktiken kommer vissa segment att anta robotik i en mycket snabbare takt och bli mer påverkade tidigare.

Självkörande bilar

Autonoma fordon har gjort stora framsteg 2025, och är sannolikt på väg mot utrullning, beroende på godkännande från regulatorer och ett tydligare rättsligt ramverk.

Denna uppgift är tung på resonemang, medan de faktiska mekaniska handlingarna i en bil är relativt enkla (2‑D‑rörelser, acceleration, inbromsning, blinkers). Således är den viktigaste delen en kombination av följande element:

• Stark ombord‑hårdvara för edge‑computing (inte beroende av en nätverksanslutning).
• Data och träning som matchar verkliga förhållanden, från allmänna körregler till sällsynta fall & oväntade förändringar — som att associera en rullande boll med risken att ett barn plötsligt springer ut på vägen, vilket leder till förutseende inbromsning.
• Resonerande vision‑språk‑handling (VLA)‑modeller som omvandlar visuella ledtrådar till rätt handlingar.

Logistik

Fysisk AI kommer att påverka detta område på minst två olika sätt.

Den första är lager och försörjningshantering. Fysisk AI möjliggör autonoma mobila robotar (AMR) att navigera i komplexa miljöer och undvika hinder, inklusive människor, genom att använda direkt återkoppling från ombord‑sensorer. Robotarmar och andra manipuleringsverktyg gör dem också kapabla att flytta varor.

Den andra är leveranstjänster, som är mer liknande autonoma fordon, där fysisk AI hanterar allt från körning till rätt adress till att säkert placera varor vid rätt dörr, navigera kring staket, ojämn terräng, hinder osv.

Tillverkning

Precis som i lager måste fysisk AI i fabriker hantera en komplex miljö som blandar maskiner, människor och nu robotar.

Men dessutom kommer många tillverkningsanläggningar att ha högkraftverktyg, farliga produkter (heta metaller, laser, kemikalier osv.) och mycket krävande krav på slutlig kvalitet och effektivitet.

Medan en fastnat eller felaktig lagerrobot sannolikt kan hanteras av en människa i närheten, kan samma fel i ett produktionslinje‑ eller komplext kemiskt anläggning snabbt bli farligt.

Sjukvård & operationer

För närvarande är de flesta operationsrobotar, som de från Intuitive Surgical (ISRG ), mer som robotarmar som styrs av en kirurg än verkliga autonoma robotar. Detta förändras snabbt i takt med att AI‑kapaciteten växer:

• XRlabs använder Thor och Isaac för sjukvård för att möjliggöra kirurgiska scopes, med start i exoskoper, för att vägleda kirurger med realtids‑AI‑analys.
• LEM Surgical använder NVIDIA Isaac för sjukvård och Cosmos Transfer för att träna de autonoma armarna i sin Dynamis‑operationsrobot, drivna av NVIDIA Jetson AGX Thor™ och Holoscan.

Manuella repetitiva uppgifter: Humanoida robotar

De flesta arbetsmiljöer, rum och verktyg är designade för att hanteras av mänskliga händer och kroppar. Så det vore logiskt att den ideala designen för en robot som ska ersätta människor i tråkiga eller farliga uppgifter också är en humanoid form.

Dock är den mänskliga kroppen också en mycket komplex maskin, och det är först nyligen som robotar har blivit mekaniskt tillräckligt sofistikerade för att korrekt replikera mänsklig rörelse.

Detta kan därför ta längre tid att utveckla — specifikt de grova och fina motoriska färdigheterna, samt förmågan att uppfatta, förstå, resonera och interagera med den fysiska världen, oavsett vilken uppgift som ges.

NVIDIAs stack för fysisk AI förklarad

Efter idén som utvecklades med programmeringsspråket CUDA — att låta GPU:er användas för applikationer utanför grafisk rendering, vilket födde den nuvarande AI‑boomen — räknar NVIDIA på öppna modeller för att leda den kommande boomen inom fysisk AI.

På så sätt bör NVIDIA idealiskt bli lika mycket ett fysiskt AI‑aktie som det har varit ett LLM‑drivet aktie de senaste fem åren.

Kärnan i NVIDIAs hårdvara och expertis inom neurala nätverk förfinas nu till sammankopplade delar, alla finjusterade för fysiska AI‑applikationer.

NVIDIA Cosmos

Cosmos är “en plattform med öppna världsfundamentmodeller (WFMs), skyddsräcken och databehandlingsbibliotek för att påskynda utvecklingen av fysisk AI för autonoma fordon (AVs), robotar och video‑analys‑AI‑agenter.”

Flera robotik‑ och autonoma fordonsföretag använder redan Cosmos för att påskynda utvecklingen av sin fysiska AI.

Cosmos är i själva verket flera förtränade modeller i en, vilket låter robotar förutse hur den fysiska världen kommer att reagera och förändras, hur syntetisk data (simulationer) omvandlas till verklig video, och hur man använder en resonemangskedja som bygger på verkliga fysiska data och observationer.

NVIDIA Isaac‑GROOT & IsaacLab Arena

Isaac GR00T N1.6 är en vision‑språk‑handling‑modell byggd specifikt för humanoida robotar, som erbjuder helkropps‑kontroll och kontextuell förståelse. Robotikföretag inklusive Franka Robotics, Neura Robotics och Humanoid använder den redan.

Detta, i kombination med Isaac Lab‑Arena, ger ett samarbetsystem för robot‑policy‑utvärdering och benchmarking i simulering. På så sätt kan forskningslabbet och robotikföretag snabbt utvärdera sina modellprestanda och jämföra dem med andra i en standardiserad miljö.

Viktigt är att Isaac‑modellen har relativt låga beräkningskrav, med ett $3 500 NVIDIA‑robotik‑chip‑modul Jetson AGX Thor, tillräckligt för att köra Isaac, vilket sänker hårdvarukostnaden för en humanoid robot till en mycket liten summa.

NVIDIA® Jetson Thor™‑seriemoduler ger dig den ultimata plattformen för fysisk AI och robotik, med upp till 2070 FP4 TFLOPS AI‑beräkning och 128 GB minne, med ström som kan konfigureras mellan 40 W och 130 W.

De levererar över 7,5 × högre AI‑beräkning än NVIDIA AGX Orin™, med 3,5 × bättre energieffektivitet.

Boston Dynamics, Humanoid och RLWRLD har alla integrerat Jetson Thor i sina befintliga humanoider för att förbättra navigations‑ och manipuleringsförmågor.

NVIDIA Omniverse

Omniverse är en samling bibliotek och mikrotjänster för att utveckla fysiska AI‑applikationer såsom industriella digitala tvillingar och robotiksimulering.

Virtuella simuleringar, eller ”syntetisk data”, är ett utmärkt sätt att snabbt träna en robot‑AI i många situationer utan att behöva skapa de fysiska situationerna.

För att utveckla Omniverse använde NVIDIA sitt djupa lager av fysikmodeller, fysisk simulering och databas som redan används för andra applikationer, som fysikforskning, videospel osv.

Denna typ av verktyg kan också vara mycket användbart för logistiska och tillverkningsapplikationer, med skapandet av anpassade digitala tvillingar av verkliga anläggningar, vilket möjliggör testning av robot‑AI‑utplacering virtuellt först, och minskar risken för störningar när riktiga robotar tas i bruk.

Flera industriföretag använder redan detta verktyg, såsom Schneider och Siemens.

NVIDIA OSMO

OSMO är en ”orchestrator”-programvara, speciellt byggd för fysisk AI.

Den låter användare samordna och kombinera flera AI‑verktyg, inklusive Isaac och Cosmos, i alla steg av en fysisk AI‑utveckling: datagenerering, träning, simulering, utvärdering och hårdvaru‑i‑loopen‑testning.

NVIDIA DGX‑plattform

DGX är NVIDIAs användning av sin ”SuperPOD”‑beräkningsplattform för att träna AI‑modeller, inklusive fysiska AI‑modeller.

Den kan skala till tiotusentals NVIDIA‑GPU:er, inklusive Rubin‑ och Blackwell‑chips, och skapa en färdig‑till‑körning, turnkey‑AI‑superdator.

NVIDIA – Hugging Face

Hugging Face är ett transformers‑bibliotek byggt för naturliga språkbehandlingsapplikationer, även kallat ”GitHub för maskininlärning”, med miljontals förtränade AI‑modeller, dataset, bibliotek osv.

NVIDIA har integrerat sina öppna källkods‑teknologier Isaac och GR00T i det ledande LeRobot‑öppna källkods‑robotik‑ramverket. Med ett community på 13 miljoner AI‑byggare bör detta öka antagandet av Nvidia‑system som standard för fysiska AI‑lösningar.

Slutsats

Robotik gör plötsligt stora framsteg, tack vare att två olika krafter sammanstrålar samtidigt.

Den första är mognaden av robotkomponentsteknik och massproduktionen av robotarmar, gyroskop, elmotorer och andra komponenter som används i robotar, såväl som i drönare och annan elektronik, vilket leder till en snabb prisnedgång för högkvalitativa delar.

Den andra kraften är den explosiva förbättringen av AI‑teknologin.

Det som för några år sedan nådde allmänhetens medvetande med LLM‑modeller expanderar nu till nya områden, där den fysiska världen snart kommer att känna av effekterna av den växande fysiska AI‑utplaceringen i fordon, skräddarsydda eller humanoida robotkroppar.

Det är möjligt att fysisk AI visar sig ännu viktigare för teknikindustrin än LLM‑modeller, eftersom den öppnar en helt ny serie ekonomiska sektorer. Detta bör hjälpa den att fånga mer värde samt öka produktiviteten, precis i den tid då geopolitik driver en massiv omritning av leveranskedjor och reindustrialisering i många länder.

Bästa aktierna inom fysisk AI och humanoida robotar för 2026

Boston Dynamics / Hyundai (HYMLF)

Hyundai är mest känt för sin biltillverkning, vilket är befogat eftersom de är det tredje största bilföretaget i världen efter sålda bilar, men de är också en massiv industrikoncern bestående av tre underavdelningar:

• Bilproduktionen, inklusive elbilar.
• Robotstillverkaren Boston Dynamics, förvärvad 2021, inte att förväxla med Hyundai Robotics, en industriell robotproducent som nu är en del av det självständiga företaget HD Hyundai / Hyundai Heavy Industries (men samarbetar nära med Hyundai Motors).
• Hyundai Rotem är aktiv inom järnväg‑ & militär utrustning samt vätgasenergi.

Boston Dynamics, tillsammans med Caterpillar, Franka Robotics, Humanoid, LG Electronics och NEURA Robotics använder NVIDIA:s robotik‑stack för att lansera nya AI‑drivna robotar.

Företaget är särskilt känt för sin ATLAS‑robot och för att ha banat vägen för robodog‑designen.

Företaget fokuserar också på B2B‑marknaden för fysiska robotar / fysisk AI, med Stretch, en lagerrobot för att manipulera paket och laster i lager, upp till 50 pund i vikt.

Som en tidig ledare inom robotik och partner till NVIDIA är Boston Dynamics en stark kandidat för att ta en betydande del av den fysiska AI‑marknaden.

En börsnotering av företaget, som en del av Hyundai, är en tydlig möjlighet i framtiden, men utan tydliga planer ännu, och sannolikt inte förrän åtminstone 2027.

“När det gäller en tidslinje eller planer för Boston Dynamics’ börsnotering har inget bekräftats ännu, så det finns inte mycket att kommentera just nu, men vi kommer att kommunicera (med intressenter) så snart vi har en tidslinje eller planer för en börsnotering.

På samma sätt som vi genomförde (Hyundai Motor Indiens börsnotering) kan vi säga att vi är öppna för Boston Dynamics. Vi har dock inte granskat (Boston Dynamics’ börsnotering) för närvarande, och vi har inga planer på att granska (börsnoteringsalternativet) på kort sikt.”

– Lee Seung-jo, Chief Financial Officer and Chief Strategic Officer of Hyundai Motor Co

Företaget har börjat använda Boston Dynamics humanoida robotar i sina bilfabriker och presenterade en kommersiell version av ATLAS.

NVIDIA

Från sin början som GPU‑tillverkare för videospel och andra grafiska renderingsuppgifter har NVIDIA utvecklats till ett massivt AI‑hårdvaraföretag, vilket gjort deras aktie till världens största marknadsvärde.

NVIDIA insåg AI:s potential tidigt, långt innan någon, utanför specialiserade forskare, brydde sig om neurala nätverk.

Det var då en riskfylld satsning på en obekräftad, knappt existerande sektor, eller som Jensen Huang uttryckte det:

“Vi investerar i noll‑miljard‑dollarmarknader.”

År 2016 & 2017 släppte NVIDIA Pascal‑ och Volta‑arkitekturerna, respektive den första GPU‑baserade AI‑acceleratorn, medan Volta introducerade Tensor‑kärnor som accelererade djupinlärningsuppgifter med upp till 12 ×.

Denna utvecklingstakt har fortsatt sedan dess.

Investerare har varit något oroade för att NVIDIA snart skulle få slut på nya marknader för att rättfärdiga sina höga värderingsmultiplar. Med CES 2026‑annonseringen om fysisk AI verkar detta ännu inte vara fallet.

Den fysiska implementeringen av AI i robotar, självkörande bilar och andra autonoma system kommer att ge NVIDIA många nya marknader att sälja sin hårdvara till.

Och dess kompletta ekosystem, med öppen design och partnerskap med Hugging Face, garanterar nästan att alla utom de största teknikföretagen kommer att förlita sig på NVIDIAs teknik för hjärnan i sina robotar, eftersom det skulle vara för dyrt och fördröja ett företag i förhållande till konkurrensen att försöka uppfinna hjulet på nytt.

Senaste Nvidia (NVDA) aktienyheter och utvecklingar