Physical AI: Pamumuhunan sa Boom ng Humanoid Robot noong 2026

CES 2026 Nagpapahiwatig ng Paglipat Mula sa Virtual patungo sa Physical AI

CES, dati ay Consumer Electronics Show, ay ang pinakamalaking at pinaka-impluwensyal na eksibisyon ng teknolohiya sa buong mundo. Naibalita na namin dati na isa sa mga pinakamahalagang ibinunyag sa palabas ay ang kauna-unahang komersyal na solid-state na baterya, na ginawa ng Donut Labs.

Ngunit isa pang mahalagang anunsyo ang ginawa ng lider sa AI-hardware na NVIDIA (NVDA ) tungkol sa “physical AI”, na inilalarawan bilang sandali ng ChatGPT ng NVIDIA. Siyempre, hindi ito ganap na sorpresa, dahil matagal nang itinutulak ng kumpanya ang ideya ng Physical AI, na nauunawaan na ang purong “intellectual” na mga LLM (Large Language Models) ay unang hakbang lamang sa pag-deploy ng AI.

Sa praktika, ang pinaka-makapangyarihang papel ng AI ay mangyayari kapag ito ay direktang nakikipag-ugnayan sa pisikal na mundo, sa halip na manatiling nakapaloob sa mga digital at virtual na kapaligiran.

At ito ay isang bagay na hanggang ngayon ay nahihirapan pa ang mga AI na gawin. Ang totoong mundo ay mas magulo kaysa sa maayos na hanay ng data sa isang spreadsheet, video, o search engine. Kadalasan ito ay hindi tiyak, nagbabago, at hindi inaasahan.

Para sa lahat ng mga kadahilanang ito, kailangan ang isang bagong uri ng AI, na gumagamit ng pisikal na realidad at muling nagagamit ang mga neural network sa mga bagong paraan. Ito ang ipinapangako ng framework ng NVIDIA na Cosmos.

Bakit Maaaring Maging ChatGPT Moment ng 2026 para sa Robotics

Ang paghahambing ng 2026 at Physical AI para sa robotics na may epekto tulad ng ChatGPT sa mga LLM ay nagmula mismo kay Jensen Huang, CEO at tagapagtatag ng NVIDIA, sa CES 2026. Maaari mong mapanood ang buong talumpati niya sa sumusunod na video:

Huang ay nagbigay ng anunsyo habang inilalabas ng kanyang kumpanya ang mga bagong bukas na modelo, NVIDIA Cosmos at GR00T (Generalist Robot 00 Technology), na ginagamit para sa pagkatuto at pangangatwiran ng robot, Isaac Lab-Arena para sa pagsusuri ng robot, at ang OSMO edge-to-cloud compute framework upang pasimplehin ang mga workflow ng pagsasanay ng robot (karagdagang detalye sa bawat isa sa mga AI tool sa ibaba).

Bakit Ito Mahalaga?

Sa ngayon, ang mga LLM, bilang mga unang language model, ay karamihan ay nakaapekto sa pangangatwiran at mga aktibidad na mabigat sa wika, tulad ng pagsusulat, programming, paghahanap, pagsusuri ng data, pagsasalin, serbisyo sa customer, atbp.

Ang mga ito ay mahahalagang aktibidad, ngunit tanging bahagi lamang ng kabuuang ekonomiya ng mundo.

Marami pang mga pandaigdigang aktibidad, at kadalasan ang pinaka-mabigat sa paggawa, ang nangangailangan ng pakikipag-ugnayan sa pisikal na mundo: pagmamanupaktura, pangangalaga sa kalusugan, transportasyon at logistics, pagsasaka, pagmimina, mga gawaing pangbahay, atbp.

Aling mga Industriya ang Unang Mababago ng Physical AI

Sa teorya, lahat ng segment ng pisikal na mundo at mga sektor ng ekonomiya ay maaapektuhan ng paglaganap ng robotics. Ngunit sa praktika, ang ilang segment ay mag-aadopt ng robotics nang mas mabilis at maaapektuhan nang mas maaga.

Mga Self-Driving na Kotse

Ang mga autonomous na sasakyan ay nagkaroon ng malaking pag-unlad noong 2025, at malamang na naghahanda na para sa deployment, depende sa awtorisasyon mula sa mga regulator at mas malinaw na legal na balangkas.

Ang gawaing ito ay mabigat sa pangangatwiran, habang ang aktwal na mekanikal na galaw ng kotse ay medyo simple (2D na paggalaw, pagbilis, pagbagal, pag-senyas). Dahil dito, ang pinakamahalagang bahagi ay kombinasyon ng mga sumusunod na elemento:

• Malakas na on-board hardware para sa edge computing (hindi nakadepende sa koneksyon sa mga network).
• Data at pagsasanay upang tumugma sa mga kondisyon ng totoong mundo, mula sa pangkalahatang patakaran sa pagmamaneho hanggang sa mga bihirang kaso at hindi inaasahang pagbabago—tulad ng pag-uugnay ng gumugulong na bola sa panganib ng isang bata na biglang tumakbo papunta sa kalsada, na nagdudulot ng preemptive na pagbagal.
• Reasoning vision-language-action (VLA) models na nagko-convert ng visual cues sa tamang aksyon.

Logistik

Ang Physical AI ay makakaapekto sa larangang ito sa hindi bababa sa dalawang magkaibang paraan.

Una ay ang mga bodega at pamamahala ng suplay. Ang Physical AI ay nagbibigay pahintulot sa Autonomous Mobile Robots (AMRs) na mag-navigate sa komplikadong kapaligiran at iwasan ang mga hadlang, kabilang ang mga tao, sa pamamagitan ng direktang feedback mula sa mga onboard sensor. Ang mga braso ng robot at iba pang mga tool sa manipulasyon ay nagbibigay-daan din sa kanila na maglipat ng mga kalakal.

Ang ikalawa ay ang mga serbisyo ng paghahatid, na mas kahalintulad ng mga autonomous na sasakyan, kung saan ang Physical AI ay humahawak sa lahat mula sa pagmamaneho patungo sa tamang address hanggang sa ligtas na paglalagay ng mga kalakal sa tamang pintuan, pag-navigate sa mga bakod, hindi pantay na lupain, mga hadlang, atbp.

Manufacturing

Katulad ng sa mga bodega, ang Physical AI sa mga pabrika ay kailangang harapin ang isang komplikadong kapaligiran na pinaghalo ang mga makina, tao, at ngayon ay mga robot.

Dagdag pa rito, maraming mga site ng pagmamanupaktura ang magkakaroon ng mga high-power na kasangkapan, mapanganib na produkto (mainit na metal, laser, kemikal, atbp.), at mas mataas na pangangailangan hinggil sa huling kalidad at kahusayan.

Habang ang isang stuck o may depektong robot sa bodega ay maaaring ayusin ng isang tao na nagtatrabaho malapit, ang parehong error sa isang assembly line o sa isang komplikadong planta ng kemikal ay maaaring magdulot ng panganib nang mabilis.

Surgery & Healthcare

Sa ngayon, karamihan sa mga surgery robot tulad ng mga mula sa Intuitive Surgical (ISRG ) ay mas katulad ng mga robotic arm na kinokontrol ng isang surgeon kaysa sa tunay na autonomous na robot. Ito ay mabilis na nagbabago habang lumalago ang kapasidad ng AI:

• XRlabs ay gumagamit ng Thor at Isaac para sa Healthcare upang paganahin ang mga surgical scope, nagsisimula sa exoscopes, upang gabayan ang mga surgeon gamit ang real-time AI analysis.
• LEM Surgical ay gumagamit ng NVIDIA Isaac for Healthcare at Cosmos Transfer upang sanayin ang autonomous arms ng kanilang Dynamis surgical robot, na pinapagana ng NVIDIA Jetson AGX Thor™ at Holoscan.

Manwal na Paulit-ulit na Gawain: Humanoid Robots

Karamihan sa mga kapaligiran ng trabaho, mga silid, at mga kasangkapan ay dinisenyo upang hawakan ng mga kamay at katawan ng tao. Kaya’t makatuwiran na ang perpektong disenyo para sa robot na papalit sa tao sa mga nakakapagod o mapanganib na gawain ay isang humanoid na anyo.

Gayunpaman, ang katawan ng tao ay isang napaka-komplikadong makina, at kamakailan lamang nagsimulang maging mekanikal na sopistikado ang mga robot upang maulit nang tama ang galaw ng tao.

Kaya maaaring mas matagal itong ma-develop—lalo na ang mga gross at fine motor skills, pati na rin ang kakayahang makakita, umunawa, magpangangatwiran, at makipag-ugnayan sa pisikal na mundo, anuman ang gawain.

Ipinaliwanag ang Physical AI Stack ng NVIDIA

Sinusunod ang ideyang binuo gamit ang programming language na CUDA—na nagpapahintulot sa mga GPU na magamit para sa mga aplikasyon bukod sa graphic rendering, na nagbigay-buhay sa karamihan ng kasalukuyang AI boom—umaasa ang NVIDIA sa mga bukas na modelo upang pangunahan ang paparating na boom sa physical AI.

Sa ganitong paraan, dapat na maging kasing halaga ng isang physical AI stock ang NVIDIA tulad ng naging LLM-driven stock nito sa nakaraang limang taon.

Ang core ng hardware at neural network expertise ng NVIDIA ay ngayon pinapino sa mga magkakaugnay na bahagi, lahat ay maingat na ini-tune para sa mga aplikasyon ng physical AI.

NVIDIA Cosmos

Ang Cosmos ay “isang platform na may open world foundation models (WFMs), guardrails, at mga library sa pagproseso ng data upang mapabilis ang pag-develop ng physical AI para sa autonomous vehicles (AVs), mga robot, at mga video analytics AI agents.”

Maraming kumpanya ng robotics at autonomous vehicles ang gumagamit na ng Cosmos upang mapabilis ang pag-develop ng kanilang physical AI.

Ang Cosmos ay talagang ilang pre-trained na modelo sa iisang package, na nagbibigay-daan sa mga robot na asahan kung paano tutugon at magbabago ang pisikal na mundo, kung paano ang synthetic data (simulasyon) ay nagko-convert sa totoong video, at kung paano gamitin ang isang chain of reasoning na nakasalalay sa totoong pisikal na data at obserbasyon.

NVIDIA Isaac-GROOT & IsaacLab Arena

Ang Isaac GR00T N1.6 ay isang vision language action model na partikular na ginawa para sa mga humanoid robot, na nag-aalok ng full-body control at contextual understanding. Ang mga kumpanya ng robotics kabilang ang Franka Robotics, Neura Robotics, at Humanoid ay gumagamit na nito.

Pinagsama ito sa Isaac Lab-Arena, nagbibigay ito ng collaborative system para sa robot policy evaluation at benchmarking sa simulation. Sa ganitong paraan, ang mga research lab at kumpanya ng robotics ay maaaring mabilis na suriin ang performance ng kanilang modelo at ikumpara ito sa iba sa isang standardized na kapaligiran.

Mahalaga, ang Isaac model ay medyo mababa ang pangangailangan sa computing, na may $3,500 na NVIDIA robotics chip module Jetson AGX Thor, sapat upang patakbuhin ang Isaac, na nagdadala ng gastos ng compute hardware ng isang humanoid robot sa napakababang halaga.

Ang mga NVIDIA® Jetson Thor™ series modules ay nagbibigay sa iyo ng ultimate platform para sa physical AI at robotics, na naghahatid ng hanggang 2070 FP4 TFLOPS ng AI compute at 128 GB ng memorya na may power na maaaring i-configure mula 40 W hanggang 130 W.

Nagbibigay sila ng higit sa 7.5x na mas mataas na AI compute kaysa sa NVIDIA AGX Orin™, na may 3.5x na mas mahusay na energy efficiency.

Ang Boston Dynamics, Humanoid, at RLWRLD ay lahat nag-integrate ng Jetson Thor sa kanilang mga umiiral na humanoid upang mapahusay ang kanilang navigation at manipulation capabilities.

NVIDIA Omniverse

Ang Omniverse ay isang koleksyon ng mga library at microservices para sa pag-develop ng mga physical AI application tulad ng industrial digital twins at robotics simulation.

Ang mga virtual simulation, o “synthetic data”, ay isang mahusay na paraan upang mabilis na sanayin ang isang robotic AI sa maraming sitwasyon nang hindi kailangang likhain ang mga sitwasyong iyon nang pisikal.

Upang i-develop ang Omniverse, ginamit ng NVIDIA ang malalim nitong imbakan ng mga physics model, physical simulation, at data library na ginagamit na para sa iba pang aplikasyon, tulad ng physics research, video games, atbp.

Ang ganitong uri ng tool ay maaari ring maging napaka-kapaki-pakinabang para sa mga aplikasyon sa logistics at manufacturing, sa paglikha ng custom digital twins ng totoong pasilidad, na nagbibigay-daan sa pagsubok ng deployment ng robotic AI nang virtual muna, na nagbabawas ng panganib ng pagkaantala kapag inilunsad na ang mga totoong robot.

Maraming industriyal na kumpanya na ang gumagamit na ng tool na ito, tulad ng Schneider at Siemens.

NVIDIA OSMO

Ang OSMO ay isang “orchestrator” software, na nilikha para sa physical AI.

Pinapayagan nito ang mga user na i-coordinate at pagsamahin ang maraming AI tool, kabilang ang Isaac at Cosmos, sa lahat ng yugto ng pag-develop ng physical AI: data generation, training, simulation, evaluation, at hardware-in-the-loop testing.

NVIDIA DGX Platform

Ang DGX ay ang paggamit ng NVIDIA ng “SuperPOD” computing platform para sa pagsasanay ng AI models, kabilang ang mga physical AI.

Maaari itong mag-scale sa sampu-sampung libong NVIDIA GPUs, kabilang ang Rubin at Blackwell chips, na lumilikha ng handa nang patakbuhin, turnkey AI supercomputer.

NVIDIA – Hugging Face

Hugging Face ay isang transformers library na ginawa para sa mga natural language processing application, na tinaguriang “GitHub para sa Machine Learning”, na may milyong-milyong pre-trained AI models, datasets, libraries, atbp.

Inintegrate ng NVIDIA ang kanyang open-source na Isaac at GR00T technologies sa nangungunang LeRobot open-source robotics framework. Sa komunidad ng 13 milyong AI builders, dapat nitong itulak ang pag-adopt ng mga system ng Nvidia bilang pamantayan sa physical AI.

Konklusyon

Ang robotics ay biglang nakakaranas ng malaking pag-unlad, salamat sa pagsasama ng dalawang magkaibang puwersa nang sabay.

Ang una ay ang pag-mature ng teknolohiya ng mga komponent ng robot at ang mass production ng mga braso ng robot, gyroscope, electric motors, at iba pang komponent na ginagamit sa mga robot, pati na rin sa mga drone at iba pang elektronik, na nagdudulot ng mabilis na pagbaba ng gastos para sa mga de-kalidad na bahagi.

Ang ikalawang puwersa ay ang eksplosibong pagbuti ng teknolohiya ng AI.

Ang naging kilala sa publiko ilang taon na ang nakalilipas dahil sa mga LLM ay ngayon lumalawak sa mga bagong larangan, kung saan ang totoong mundo ay susunod na maramdaman ang epekto ng paglawak ng deployment ng physical AI sa automotive, custom-built, o humanoid robot na mga katawan.

Posibleng ang physical AI ay maging mas mahalaga pa para sa industriya ng teknolohiya kaysa sa mga LLM, dahil binubuksan nito ang isang buong bagong serye ng mga sektor ng ekonomiya. Dapat itong makatulong na makuha ang mas maraming halaga pati na rin mapataas ang produktibidad, sa tamang panahon kung kailan ang geopolitics ay nagdudulot ng malawakang muling pag-drawing ng supply chain at reindustrialization ng maraming bansa.

Pinakamahusay na Physical AI at Humanoid Robot Stocks para sa 2026

Boston Dynamics / Hyundai (HYMLF)

Ang Hyundai ay kilala sa kanyang aktibidad sa paggawa ng sasakyan, na may katwiran dahil ito ang #3 pinakamalaking kumpanya ng kotse sa mundo batay sa bilang ng nabentang kotse, ngunit ito rin ay isang napakalaking grupong industriyal, binubuo ng 3 subdivision:

• Ang aktibidad sa paggawa ng kotse, kabilang ang mga electric na kotse.
• Tagagawa ng robot na Boston Dynamics, na nakuha noong 2021, na hindi dapat ipagkamali sa Hyundai Robotics, isang tagagawa ng industrial robot na ngayon bahagi ng independiyenteng kumpanya na HD Hyundai / Hyundai Heavy Industries (ngunit malapit na nakikipagtulungan sa Hyundai Motors).
• Hyundai Rotem ay aktibo sa railroad at military equipment, at hydrogen energy.

Ang Boston Dynamics, kasama ang Caterpillar, Franka Robotics, Humanoid, LG Electronics, at NEURA Robotics, ay gumagamit ng NVIDIA robotics stack upang ilunsad ang mga bagong AI-driven na robot.

Ang kumpanya ay kilala sa robot na ATLAS at sa pagiging pioneer ng disenyo ng robodog.

Ang kumpanya ay nakatuon din sa B2B physical robot / physical AI market, gamit ang Stretch, isang warehouse robot para sa pag-manipula ng mga pakete at karga sa mga bodega, hanggang 50 pounds ang bigat.

Bilang maagang lider sa robotics at partner ng NVIDIA, ang Boston Dynamics ay isang magandang kandidato para makuha ang malaking bahagi ng physical AI market.

Ang isang IPO ng kumpanya, mula sa Hyundai, ay isang malinaw na posibilidad sa hinaharap, ngunit wala pang malinaw na plano, kaya malamang hindi ito mangyayari bago ang 2027.

“Tungkol sa timeline o plano para sa IPO ng Boston Dynamics, wala pang kumpirmadong impormasyon, kaya wala pang masyadong maibibigay na komento ngayon, ngunit ipapaalam namin (sa mga stakeholder) kapag mayroon na kaming timeline o plano para sa IPO.

Katulad ng kung paano namin isinagawa (ang IPO ng Hyundai Motor India (HYUNDAI.BO )), maaari naming sabihing bukas kami sa Boston Dynamics. Gayunpaman, hindi pa namin nire-review (ang IPO ng Boston Dynamics) sa kasalukuyan, at wala kaming plano na i-review (ang opsyon ng IPO) sa maikling panahon.”

– Lee Seung-jo, Chief Financial Officer at Chief Strategic Officer ng Hyundai Motor Co

Ang kumpanya ay nagsimulang gumamit ng Boston Dynamics humanoid robots sa kanilang mga automotive factory at naglabas ng komersyal na bersyon ng ATLAS.

NVIDIA

Mula sa pinagmulan nito bilang tagagawa ng GPU hardware para sa video gaming at iba pang graphic rendering tasks, ang NVIDIA ay nag-evolve tungo sa isang napakalaking AI hardware company, na nagbibigay sa stock nito ng pinakamalaking market capitalization sa mundo.

Naiunawaan ng NVIDIA ang potensyal ng AI nang maaga, bago pa man ang sinumang espesyal na mananaliksik ay nagpakialam sa neural networks.

Ito ay, noong panahong iyon, isang mapanganib na hakbang papunta sa isang hindi pa napatunayan, halos hindi pa umiiral na sektor, o ayon kay Jensen Huang:

“Nag-iinvest kami sa zero-billion dollar markets.”

Noong 2016 at 2017, inilabas ng NVIDIA ang mga arkitekturang Pascal at Volta, na unang GPU-based AI accelerator, habang ipinakilala ng Volta ang Tensor Cores, na nagpadali ng deep learning tasks nang hanggang 12 beses.

Ang bilis ng pag-unlad na ito ay nagpatuloy mula noon.

Nabahala ang ilang mamumuhunan na maaaring maubos na ng NVIDIA ang mga bagong merkado upang bigyang-katwiran ang mataas nitong valuation multiples. Sa anunsyo ng CES 2026 tungkol sa physical AI, tila hindi pa ito nangyayari.

Ang pisikal na pag-deploy ng AI sa mga robot, self-driving na sasakyan, at iba pang autonomous system ay magbibigay sa NVIDIA ng maraming bagong merkado upang ibenta ang hardware nito.

At ang kumpletong ecosystem nito, kasama ang open design at pakikipagtulungan sa Hugging Face, halos garantisado na lahat maliban sa pinakamalalaking tech company ay aasa sa teknolohiya ng NVIDIA para sa utak ng kanilang mga robot, dahil ang pagsubok na muling likhain ang gulong ay magiging masyadong magastos at magdudulot ng malaking pagkaantala kumpara sa kompetisyon.

Pinakabagong Balita at Pag-unlad sa Stock ng Nvidia (NVDA)