Nvidia ziet deze AI-markt 10x groter worden in slechts tien jaar
- J. van den Poll
- 3 uur geleden
- 8 minuten om te lezen
In het kort:
Nvidia verwacht dat de jaarlijkse omzet uit physical AI in tien jaar stijgt van circa $10 miljard naar $100 miljard.
De noodzakelijke groei van bijna 26% per jaar is sterk, maar minder spectaculair dan de vertienvoudiging doet vermoeden.
Voor beleggers telt vooral of Nvidia de standaard wordt voor training, simulatie én de computers in robots en autonome voertuigen.
Nvidia heeft een nieuwe groeimarkt gevonden die uiteindelijk groter kan worden dan de huidige digitale AI-economie. Deepu Talla, vicepresident robotica en edge-AI, verwacht dat de jaarlijkse omzet van Nvidia uit physical AI de komende tien jaar stijgt van ongeveer $10 miljard naar $100 miljard.
De redenering klinkt onweerstaanbaar. Ongeveer 90% van de handelingen in de wereld vindt volgens Talla plaats in de fysieke economie en niet uitsluitend achter een beeldscherm. Jensen Huang trekt daar een nog bredere conclusie uit: “Every industrial company will become a robotics company.”
Toch is enige nuchterheid nodig. Physical AI kan een belangrijke nieuwe groeimotor voor het Nvidia-aandeel worden, maar $100 miljard over tien jaar is niet automatisch een tweede explosie zoals die bij datacenters. Daarvoor moet Nvidia eerst aantonen dat het een groot deel van de robotica-economie naar zijn eigen chips en software kan trekken.
Nvidia bouwt een compleet ecosysteem voor physical AI:
Direct naar een onderdeel van dit artikel
Wat Nvidia met physical AI bedoelt
Physical AI bestaat uit kunstmatige intelligentie die niet alleen tekst, afbeeldingen of computercode produceert, maar zelfstandig waarneemt, beslist en handelt in de echte wereld. Denk aan industriële robots die onbekende objecten kunnen oppakken, autonome voertuigen, magazijnrobots, landbouwmachines en humanoids.
Het verschil met traditionele automatisering is aanpassingsvermogen. Een klassieke fabrieksrobot voert duizenden keren exact dezelfde vooraf geprogrammeerde beweging uit. Een intelligente robot moet kunnen reageren wanneer een object anders ligt, een mens zijn pad kruist of de omstandigheden veranderen.
Daar zijn veel meer rekenkracht en data voor nodig. De robot moet zijn omgeving begrijpen, een veilige handeling plannen en die beslissing vrijwel onmiddellijk uitvoeren. Nvidia wil aan vrijwel iedere stap in dat proces verdienen.
Dat begint in het datacenter, waar modellen worden getraind op krachtige GPU-systemen. Daarna kunnen ontwikkelaars met Omniverse, Cosmos en Isaac miljoenen situaties simuleren die in de echte wereld duur, gevaarlijk of praktisch onmogelijk zijn om telkens opnieuw uit te voeren. GR00T levert modellen voor robotvaardigheden, terwijl Jetson- en DRIVE-computers de uiteindelijke beslissingen in robots en voertuigen verwerken.
Nvidia probeert dus geen eigen robotfabrikant te worden. Het wil de reken- en softwarelaag leveren waarop zoveel mogelijk verschillende robots draaien. Dat is dezelfde platformstrategie waarmee het bedrijf de markt voor generatieve AI naar zich toe trok.
Zo wil Nvidia de volledige robotica-stack controleren:
De rekensom achter $100 miljard omzet
Een stijging van $10 miljard naar $100 miljard in tien jaar komt neer op een samengestelde jaarlijkse omzetgroei van ongeveer 25,9%. Dat is indrukwekkend, zeker wanneer Nvidia daarbij hoge marges kan behalen. De groei is alleen minder buitensporig dan het woord “vertienvoudiging” suggereert.
De vergelijking met Nvidia’s huidige omvang maakt dat duidelijk. Het bedrijf realiseerde in het tweede kwartaal van boekjaar 2027 een omzet van $96,2 miljard, 106% meer dan een jaar eerder. Daarvan kwam $89 miljard uit datacenters en $7,2 miljard uit Edge Computing.
Het omzetdoel van $100 miljard voor physical AI over tien jaar is daarmee ongeveer gelijk aan wat Nvidia momenteel in één kwartaal verdient. Vergeleken met de op het laatste kwartaal gebaseerde jaaromzet van bijna $385 miljard vertegenwoordigt $100 miljard circa 26%.
De huidige physical-AI-omzet van ongeveer $10 miljard is iets meer dan 3% van de omzet over de afgelopen twaalf maanden. Physical AI is dus al commercieel relevant, maar nog geen afzonderlijke pijler die de resultaten van Nvidia bepaalt.
Belangrijk is bovendien dat Nvidia die $10 miljard niet als zelfstandig segment rapporteert. Physical-AI-omzet kan afkomstig zijn uit datacenterchips voor het trainen van robotmodellen, simulatiesoftware, automotive systemen en edge-computers. Beleggers kunnen daardoor nog niet precies controleren welk deel rechtstreeks uit robots komt, hoeveel terugkerende softwareomzet erachter zit en welke marges Nvidia daarop behaalt.
De uitspraak dat physical AI uiteindelijk tien keer groter kan worden dan digitale AI gaat over de potentiële economische activiteit in de fysieke wereld. Het betekent niet dat Nvidia over tien jaar automatisch tien keer zoveel omzet uit robots haalt als uit datacenters. Die twee claims moeten niet door elkaar worden gehaald.
Waarom Nvidia wel een sterke uitgangspositie heeft
De belangrijkste kracht van Nvidia is dat het niet hoeft te voorspellen welke robotfabrikant uiteindelijk wint. Het bedrijf probeert de infrastructuur te leveren aan vrijwel alle kandidaten.
ABB Robotics, FANUC, KUKA en Yaskawa gebruiken technologie van Nvidia voor simulatie, digitale fabriekstweelingen en AI-berekeningen aan de rand van het netwerk. Deze vier industriële leveranciers vertegenwoordigen samen een wereldwijd geïnstalleerd bestand van meer dan twee miljoen robots. Ook bedrijven als Agility Robotics, Figure, Boston Dynamics, Universal Robots en verschillende ontwikkelaars van robotbreinen bouwen met onderdelen van Nvidia’s platform.
Dat ecosysteem kan een belangrijk concurrentievoordeel vormen. Een ontwikkelaar die zijn modellen traint op Nvidia-GPU’s, test in Isaac Sim en vervolgens inzet op Jetson-hardware heeft minder reden om voor één onderdeel naar een andere leverancier over te stappen. Nvidia probeert daarmee opnieuw een combinatie van hardware, software en ontwikkelgereedschap te creëren die de overstapkosten verhoogt.
Veel Cosmos- en GR00T-modellen worden open beschikbaar gesteld. Dat lijkt op het eerste gezicht ongunstig voor de directe software-omzet, maar het kan de markt juist sneller richting Nvidia-hardware bewegen. Hoe meer ontwikkelaars de gereedschappen gebruiken, hoe aantrekkelijker het platform wordt voor robotbouwers, fabrieken en systeemintegrators.
De potentiële verdiensten zitten bovendien niet alleen in de computer die uiteindelijk in een robot wordt gemonteerd. Voor iedere robot die in de echte wereld actief is, kunnen tijdens ontwikkeling en simulatie vele malen meer berekeningen in datacenters nodig zijn. Nvidia kan daardoor zowel aan de digitale voorbereiding als aan de fysieke uitvoering verdienen.
Iedere fabriek wordt zelf een robot
De uitspraak van Jensen Huang hoeft niet letterlijk te betekenen dat ieder industriebedrijf humanoids gaat produceren. Een fabriek kan volgens deze definitie zelf veranderen in een groot robotsysteem.
Camera’s, sensoren, productiemachines, magazijnvoertuigen en software worden dan onderdeel van één intelligente omgeving. Een digitale tweeling simuleert wijzigingen voordat ze op de werkvloer worden doorgevoerd. Robots passen hun bewegingen aan de productieplanning aan en onderhoudssystemen voorspellen wanneer een machine dreigt uit te vallen.
Voor Nvidia is dat mogelijk interessanter dan de zichtbare humanoid die dozen stapelt. Een volledige fabriek vraagt veel centrale rekenkracht, industriële simulatie en lokale AI-computers. Het omzetpotentieel per klant kan daardoor aanzienlijk hoger liggen dan de verkoop van één robotchip.
De bestaande robotmarkt bewijst dat automatisering geen puur futuristisch verhaal is. Wereldwijd werden in 2024 ongeveer 542.000 industriële robots geïnstalleerd, meer dan twee keer zoveel als tien jaar eerder. Daarnaast werden bijna 200.000 professionele servicerobots verkocht. Alleen al transport- en logistieke robots waren goed voor ruim de helft van die professionele markt.
China vormde 54% van alle nieuwe industriële robotinstallaties. Dat is tegelijk een kans en een risico voor Nvidia. Het land beschikt over enorme productievolumes en een snelgroeiend eigen robotica-ecosysteem, maar Amerikaanse exportbeperkingen en Chinese concurrenten kunnen Nvidia’s toegang tot die markt beperken.
China domineert de wereldwijde markt voor industriële robots:
De grootste bottleneck is niet alleen rekenkracht
De sprong van demonstratie naar grootschalige inzet blijft moeilijk. Taalmodellen kunnen worden getraind op enorme hoeveelheden digitale tekst, beeld en video. Voor veel fysieke taken bestaat nauwelijks bruikbare trainingsdata.
Een robot moet bovendien omgaan met wrijving, gewicht, balans, bewegende mensen en objecten die telkens net anders zijn. Simulatie kan een deel van die situaties nabootsen, maar een model dat perfect werkt in een virtuele fabriek kan in de echte wereld alsnog fouten maken. Dit zogenoemde verschil tussen simulatie en werkelijkheid is een van de belangrijkste obstakels voor physical AI.
Veiligheid verhoogt de lat verder. Een chatbot die een onjuist antwoord geeft, veroorzaakt meestal geen lichamelijk gevaar. Een industriële robot of autonoom voertuig dat een verkeerde beslissing neemt, kan mensen verwonden en kostbare machines beschadigen. Bedrijven zullen daarom langdurig testen, certificeren en integreren voordat zij grote aantallen intelligente robots inzetten.
Ook de financiële rekensom moet kloppen. Een robot moet goedkoper, betrouwbaarder of productiever zijn dan een menselijke werknemer of een traditionele machine. Dat vereist niet alleen betere modellen, maar ook goedkopere sensoren, actuatoren, batterijen en onderhoud. De verkoopcyclus in de industrie wordt daardoor waarschijnlijk langer dan bij digitale software.
Wat de prognose betekent voor het Nvidia-aandeel
Het Nvidia-aandeel noteerde woensdag rond $226 en vertegenwoordigde daarmee een beurswaarde van ongeveer $5,5 biljoen. De koers steeg die dag ruim 4%, nadat de meest recente kwartaalcijfers opnieuw sterke vraag naar AI-rekenkracht hadden laten zien. Op basis van de gerapporteerde winst noteerde het aandeel rond 28 keer de winst.
Bij zo’n beurswaarde is een potentiële omzetstroom van $100 miljard belangrijk, maar niet voldoende om de volledige waardering te verklaren. Beleggers betalen al voor jaren van sterke groei in datacenters, AI-modellen, netwerktechnologie en edge computing.
Physical AI kan vooral waarde toevoegen door de groeiperiode te verlengen. Wanneer de uitbreiding van grote taalmodellen uiteindelijk vertraagt, kunnen autonome voertuigen, fabrieken en robots een nieuwe golf van vraag naar rekenkracht veroorzaken. De klantenbasis verschuift dan gedeeltelijk van een beperkt aantal hyperscalers naar autofabrikanten, industriële concerns, logistieke bedrijven en robotbouwers.
Die spreiding zou strategisch waardevol zijn. Tegelijk moet worden voorkomen dat dezelfde omzet dubbel wordt geïnterpreteerd. Een GPU die in een datacenter wordt gebruikt om een robotmodel te trainen, kan zowel deel uitmaken van de datacenteromzet als van Nvidia’s brede inschatting van physical AI. Zonder afzonderlijke rapportage blijft onduidelijk hoeveel volledig nieuwe omzet de robotica-ontwikkeling daadwerkelijk toevoegt.
Deze signalen moeten beleggers volgen
Het eerste belangrijke signaal is de groei van Edge Computing. Dat segment groeide in het laatste kwartaal met 27% naar $7,2 miljard. Omdat het ook pc’s, werkstations, autonome voertuigen en andere producten bevat, is aanvullende uitsplitsing nodig om de bijdrage van robotica te beoordelen.
Daarna telt het aantal echte commerciële implementaties. Samenwerkingen en open modellen tonen aan dat Nvidia centraal in het ecosysteem staat, maar ze bewijzen nog niet dat fabrieken op grote schaal investeren. Orders, productieaantallen en omzet per geïnstalleerd systeem zijn uiteindelijk belangrijker dan het aantal aangekondigde partners.
Ook de omzetmix verdient aandacht. Hardware in een robot kan een eenmalige verkoop zijn, terwijl simulatiesoftware, ontwikkelomgevingen en modeldiensten terugkerende inkomsten kunnen opleveren. Een groter aandeel software zou de kwaliteit en voorspelbaarheid van de physical-AI-omzet verhogen.
Ten slotte zijn de marges doorslaggevend. Nvidia behaalde in het afgelopen kwartaal een brutomarge van 75%. Edge-hardware en automotive systemen hoeven niet dezelfde uitzonderlijke winstgevendheid te bereiken als de schaarse GPU’s in AI-datacenters. Een omzetdoel van $100 miljard zegt daardoor nog weinig zonder inzicht in de uiteindelijke brutomarge en vrije kasstroom.
Een echte groeimotor, maar nog geen tweede datacenterboom
Nvidia’s verwachting voor physical AI is niet ongeloofwaardig. De robotmarkt groeit al, de grootste industriële leveranciers gebruiken het platform en het bedrijf kan op meerdere momenten in de waardeketen omzet behalen. Een jaarlijkse groei van circa 26% is onder die omstandigheden haalbaar.
De sterkste beleggingsthese is alleen niet dat 90% van alle handelingen automatisch omzet voor Nvidia wordt. Het doorslaggevende punt is hoeveel van die fysieke activiteit via Nvidia’s technologie wordt getraind, gesimuleerd en aangestuurd.
Daar ligt zowel de kans als het risico. Slaagt Nvidia erin om CUDA, Omniverse, Cosmos, Isaac en Jetson tot de standaard voor robotica te maken, dan kan physical AI de groeiduur van het bedrijf aanzienlijk verlengen. Blijven de implementaties traag, kiezen fabrikanten voor eigen chips of blijkt de huidige $10 miljard moeilijk te controleren, dan kan de markt de toekomstige bijdrage overschatten.
De prognose van $100 miljard verdient daarom aandacht, maar nog geen blind vertrouwen. Voor beleggers is physical AI voorlopig vooral een veelbelovende extra motor onder een bedrijf waarvan de waardering al uitzonderlijk hoge verwachtingen weerspiegelt. Koersdoelen en langetermijnprognoses kunnen veranderen en aandelen kunnen dalen; eigen onderzoek blijft noodzakelijk.
Dit artikel is geen beleggingsadvies. Beleggen brengt risico's met zich mee; je kunt (een deel van) je inleg verliezen.
Opmerkingen