Weder der Autor, Tim Fries, noch diese Website, The Tokenist, geben finanzielle Beratung. Bitte konsultieren Sie unsere Website-Richtlinien, bevor Sie finanzielle Entscheidungen treffen.
Auf der Consumer Electronics Show (CES) in Las Vegas präsentierte Nvidia Fortschritte in drei Hauptkategorien: Gaming & Grafik, autonome Fahrzeuge und KI & Rechenzentren. Zuvor berichteten wir darüber, wie Nvidia durch seine unumkehrbare KI-Verankerung an die Spitze aufstieg, und die Position des Unternehmens scheint sich mit der neuesten Vera-Rubin-Plattform weiter zu festigen. Diesmal untersuchen wir die Bemühungen von Nvidia, selbstfahrende Autos zur Realität werden zu lassen. Und wie steht es mit den Fortschritten in China im Bereich der Autonomie?
Nvidias End-to-End Kontrolle des AV-Stacks
Genauso wie Nvidia einen vollständigen KI-Stack für die Bereitstellung von Rechenzentren bereitstellt, gilt dasselbe für das Rennen um autonomes Fahren. Und in ähnlicher Weise ist Nvidia auf TSMC-Fabs angewiesen, um seine entworfenen Chips zu produzieren, während andere Unternehmen wie Alphabets Waymo und Tesla zunehmend auf Nvidia als den Hauptlieferanten von selbstfahrenden Komponenten angewiesen sind.
Bis zur letzten CES 2026, die am Freitag endete, entwickelte Nvidia die folgenden Säulen des autonomen Fahrens:
Nvidia DRIVE AGX Hyperion-Plattform – Bietet Automobilherstellern eine produktionsbereite und sicherheitszertifizierte Sensor- und Rechenarchitektur. Von Kameras bis LiDAR senken diese vorqualifizierten Komponenten die Kosten für Automobilhersteller
Nvidia DRIVE AGX Thor Compute – Als Upgrade von Orin nutzt Thor die Blackwell-GPU-Architektur mit einer generativen KI-Engine, die 4-8x leistungsfähiger ist. Thor vereint Infotainment, Cockpit-Funktion und autonomes Fahren in einem einzigen Vision-Language-Action (VLA)-Modell für L4-Autonomie.
Nvidia Halos Sicherheitssystem – In Zusammenarbeit mit Partnern wie Bosch, Wayve, Omnivision, Continental, ANAB und anderen ist Halos Nvidias vollständiger Sicherheitsrahmen, der vom Chipdesign bis zur Bereitstellung reicht, einschließlich eines akkreditierten Inspektionslabors und eines zertifizierten Bewertungsprogramms.
Nvidia Omniverse – Eine Sammlung von Bibliotheken, die es ermöglichen, Bedingungen als digitalen Zwilling der physischen Welt zu simulieren, wodurch autonome Ansätze für das Training validiert werden. Angesichts der Milliarden von Randfällen, die möglicherweise existieren, ermöglicht Omniverse Automobilherstellern, diese innerhalb physikgenauer virtueller Städte zu berücksichtigen, die Fahrzeuge, Sensoren, Fußgänger, Wetter, Verkehr und andere Faktoren simulieren.
Kurz gesagt, Nvidia verfolgt den Ansatz von Google, der so gut funktioniert hat, um Android zu verbreiten, jedoch auf einer tieferen Infrastrukturebene. Während Google APIs und Tools für OEMs wie Samsung standardisierte, um sich zu differenzieren, gewann Android das Mobile-OS-Spiel, das derzeit etwa 71% Marktanteil hat.
Ebenso ist Nvidia bereits das Standard-AI-Substrat geworden, das die Simulation, das Training und die Bereitstellung für autonome Fahrzeuge (AVs) standardisiert. Und es gibt nicht nur einen vollständigen Software-Stack mit Omniverse/DRIVE/CUDA, sondern auch einen Hardware-Stack, der die Software und Zertifizierung perfekt ergänzt.
Nvidias Verankerung geht jedoch viel tiefer, da die Validierung der Autonomie von Grund auf prohibitively teuer wäre. Einmal in diesem Ökosystem wäre ein Wechsel irrational. Darüber hinaus bietet kein anderes einzelnes Unternehmen ein so umfassendes Dienstleistungsangebot. Die neuesten AV-Ankündigungen von der CES 2026 bestätigen nur diesen Kurs.
Treten Sie unserer Telegram-Gruppe bei und verpassen Sie keine aktuellen Geschichten über digitale Vermögenswerte.
Nvidia spricht das Problem der KI-Schwarzbox an
Bislang hat Nvidia GPUs für das Training, Omniverse für die Simulation, DRIVE für die Inferenz und Sicherheitstools für die Validierung bereitgestellt. Obwohl bereits beeindruckend, fehlt diesem Stack eine Kante. Auf der CES 2026 kündigte Nvidia das Open-Source-Alpamayo-Modell an, um dies anzugehen.
Zuerst, was ist das zugrunde liegende Problem für autonomes Fahren?
Wenn Menschen große Sprachmodelle (LLMs) verwenden, können sie den Eindruck gewinnen, dass sie mit denkenden Entitäten interagieren. Unter dieser Illusionsschicht (angesprochen von Apple) befindet sich jedoch ein probabilistisches maschinelles Lernmodell, das die Wahrscheinlichkeit jedes möglichen nächsten Wortes im Wörterbuch berechnet. Das nächste Wort wird basierend auf Mustern während des Trainings ausgewählt.
LLMs sind nur teilweise deterministisch in dem Sinne, dass sie Ausgaben basierend auf Internetsuchen oder beim Lösen eines Programmierproblems aufbauen können. Mit anderen Worten, wenn KI auf ein Problem stößt, das in den Trainingsdaten nicht ausreichend repräsentiert ist, wie z.B. das Fahren unter neuen Umweltbedingungen, erfindet sie typischerweise eine Antwort.
Selbst wenn sie degradierte Objekte wahrnehmen, können Menschen subtile Hinweise erkennen, um sie korrekt zu identifizieren. Im Gegensatz dazu kann KI fehlerhaft ausgerichtete Pixelmuster für das, was ein "Stoppschild" darstellen sollte, erkennen und es vollständig falsch interpretieren.
Mit anderen Worten, nicht zu wissen, was ein Stoppschild tatsächlich ist, wie es Menschen tun, stellt ein "Schwarzbox"-Problem für KI dar. Bisher wurde hauptsächlich ein brutaler Ansatz verwendet, um es anzugehen, was immer höhere Rechenkosten und den Ausbau von Rechenzentren erfordert.
Der nächste Schritt zur Lösung des Schwarzbox-Problems der KI, zum Zweck des autonomen Fahrens, ist Nvidias neue Alpamayo-Familie von KI-Modellen, Werkzeugen und Datensätzen. Als großes Vision-Language-Action (VLA)-Modell reagiert Alpamayo 1 nicht nur auf Muster, sondern bietet auch eine Kettenursache-Argumentation für jede getroffene Handlung.
Zusammen mit Open-Source AlpaSim und Physical AI Open Datasets haben Automobilhersteller mehr Werkzeuge denn je, um das autonome Fahren so sicher und robust wie möglich zu gestalten.
"Alpamayo schafft aufregende neue Möglichkeiten für die Branche, physische KI zu beschleunigen, die Transparenz zu verbessern und sichere Level-4-Bereitstellungen zu erhöhen."
Sarfraz Maredia, Leiter für autonome Mobilität und Lieferung bei Uber
Nvidia-CEO Jensen Huang bezeichnete die Einführung von Alpamayo als "den ChatGPT-Moment für physische KI". Allerdings, im Gegensatz zu OpenAI, das vielen Wettbewerbern gegenübersteht, kann man mit Sicherheit sagen, dass Nvidia in einer überlegenen Position ist, um voranzukommen, als die Software-/Hardware-Infrastruktur-Stack.
Kann China Nvidias KI-Stack bedrohen?
Laut den Counterpoint-Daten vom Dezember für Q3 2025 ist die chinesische Geely Holding Group der weltweit dominierende EV-Lieferant mit einem Marktanteil von 61%. Chinesische BYD Auto hat 16%, was Tesla einen globalen EV-Marktanteil von 13% lässt.
Interessanterweise nutzt Alphabets Waymo die Zeekr-EV-Plattform, als eines der Tochterunternehmen innerhalb der Geely Holding Group. Zuvor kamen wir zu dem Schluss, dass Tesla eher die Robotaxi-Rennen gewinnen wird, da es einen einheitlicheren Ansatz und die Kontrolle über Plattformen hat.
Dennoch ist klar, dass China die Skaleneffekte gemeistert hat, die zusätzlich dadurch verstärkt werden, dass keine Energie auf rassistische Konflikte verschwendet wird, die den Westen plagen. Beispielhaft sollten Investoren die Kriminalitätsraten in Städten berücksichtigen, wenn sie das Engagement bei Unternehmen wie Serve Robotics (SERV) in Betracht ziehen.
Mangelt es an solcher sozialen Fragmentierung, ist es fair zu sagen, dass China fokussierter und schlanker ist. Bis 2024 verfügten bereits über 60% der auf dem chinesischen Festland verkauften Neuwagen über irgendeine Form von autonomer Fahrfunktionalität.
Trotz Exportkontrollen für KI-Chips hat China auch seine autonome Industrie auf Nvidia aufgebaut. Die angebliche geopolitische Feindseligkeit führt jedoch dazu, dass Chinas autonomer Sektor vielfältiger wird, während ausgeklügelte Umgehungen notwendig sind, um leistungsstärkere KI-Chips wie Blackwell zu erwerben.
Zusammengefasst kommen Chinas Full-Stack-AI-Anbieter von den folgenden Unternehmen:
Baidu stellt hochauflösende Karten, Algorithmen und das Betriebssystem DuerOS im Auto bereit, das sowohl KI-konversationelle Fähigkeiten als auch eine breitere Selbstfahrensvereinigung bietet. Baidu arbeitet eng mit Geely, Chery und GAC zusammen, um seine Apollo Go Robotaxi-Flotte aufzubauen. Bis Mitte 2025 setzte Baidu über 1.000 Robotaxis ein und lag damit leicht vor Waymo und Tesla.
Auf der Hardware-Seite arbeitet Huawei daran, China mit Ascend-KI-Prozessoren und dem Autonomous Driving System (ADS) aus Nvidias Ökosystem herauszudrängen, das als Pendant zu Teslas FSD dient. Darüber hinaus entwickelte Huawei den Balong 5000 5G-Chip für V2X-Kommunikation und LiDAR-Systeme. Huaweis Antwort auf Nvidias Frameworks ist das Open-Source-MindSpore, aber es wird wahrscheinlich China-bound sein.
Von anderen bemerkenswerten Unternehmen konzentrieren sich Pony.AI und WeRide auf vollständige Software-Stacks für die Einführung von Level 4-Autonomie sowohl im Passagier- als auch im Frachtverkehr. Ergänzend dazu ist Horizon Robotics mit seinem proprietären NPU (Neural Network Processor) sowie Hesai Technology und RoboSense für LiDAR-Sensoren.
Obwohl vielfältiger, arbeitet Chinas autonomes Ökosystem eng auf allen Ebenen zusammen. Dies ist wahrscheinlich ein Artefakt der politischen Klasse des Landes, die über ihrer Händlerklasse steht, wie die langanhaltende Abwesenheit des Alibaba-Gründers Jack Ma aus der Öffentlichkeit zeigt.
Was das langfristige Wachstum betrifft, so ist das chinesische ADS ähnlich wie Waymo, da es auf LiDAR und Vorabbeschriftung angewiesen ist. Dementsprechend zeigen die meisten Berichte, dass Teslas FSD (nur Vision) besser darin ist, vielfältige Szenarien zu bewältigen, während Huawei ADS besser für lokalisierten städtischen Umgebungen geeignet ist, die durch hochpräzise Kartierung und dichtere lokale Bandbreite abgedeckt sind.
Folglich würde dies Tesla global besser geeignet machen, wie wir zuvor festgestellt haben.
Die Quintessenz
Zusammenfassend lässt sich sagen, dass die Ascend-Chips von Huawei mit Nvidias älteren H100-Chips vergleichbar sind, China jedoch immer noch hinter Blackwell aufholt, da Nvidia bereits mit Vera Rubin übergeht. Neben dieser Hardware-Lücke hat Nvidias CUDA-Plattform über zwei Jahrzehnte Entwicklerloyalität und Optimierung.
Mit der Einführung von Open-Source-Alpamayo wird es unwahrscheinlich, dass auch das Open-Source-MindSpore von Huawei einen großen Einfluss selbst innerhalb chinesisch besessener KI-Firmen hat. Insgesamt machen dies Nvidias Hardware- und Softwaregräben erheblich und gefestigt.
Angesichts der Tatsache, dass die Robotaxi- und autonome Wirtschaft gerade erst anfängt, wird es wahrscheinlich sein, dass Nvidia bis 2030 Bewertungen weit über 5 Billionen Dollar sehen wird.
Haftungsausschluss: Der Autor hält keine Aktien oder hat keine Positionen in den im Artikel diskutierten Wertpapieren. Alle Aktienkurse wurden zum Zeitpunkt des Schreibens genannt.
Der Beitrag "Wie Nvidia seinen Griff auf den autonomen Fahrzeug-Stack festigt" erschien zuerst auf Tokenist.