Autor, Tim Fries, ani ta strona, The Tokenist, nie udzielają porad finansowych. Prosimy o zapoznanie się z naszą polityką strony przed podejmowaniem decyzji finansowych.
Na targowisku elektroniki konsumenckiej (CES) w Las Vegas Nvidia przedstawił postępy w trzech głównych kategoriach: gry i grafika, pojazdy autonomiczne oraz sztuczna inteligencja i centra danych. Wcześniej omówiliśmy, jak Nvidia doszła do pierwszej pozycji dzięki nieodwracalnemu wcięciu w dziedzinie sztucznej inteligencji, a jej pozycja wydaje się teraz jeszcze mocniejsza dzięki nowemu platformie Vera Rubin. Tym razem przyjrzeliśmy się wysiłkom Nvidia, aby urzeczywistnić pojazdy bez kierowcy. Jak wygląda ten postęp w porównaniu z osiągnięciami w dziedzinie autonomicznych pojazdów w Chinach?
Nvidia’s End-to-End Control of the AV Stack
Tak samo jak Nvidia dostarcza pełny stos AI do wdrożenia w centrach danych, to samo dotyczy wyścigu w autonomicznym prowadzeniu. I w ten sam sposób Nvidia polega na fabrykach TSMC do produkcji swoich zaprojektowanych chipów, inne firmy, takie jak Waymo Alphabet i Tesla, coraz bardziej polegają na Nvidii jako kluczowym dostawcy komponentów do autonomicznego prowadzenia.
Do najnowszych CES 2026, które zakończyło się w piątek, Nvidia opracowała następujące filary autonomicznego prowadzenia:
Nvidia DRIVE AGX Hyperion Platform – Dostarczając producentom samochodów gotową do produkcji i certyfikowaną architekturę czujników i obliczeń. Od kamer po lidar, te wstępnie kwalifikowane komponenty obniżają koszty producentów samochodów.
Nvidia DRIVE AGX Thor Compute – Jako ulepszenie od Orin, Thor używa architektury GPU Blackwell z generatywnym silnikiem AI, który jest 4-8 razy bardziej wydajny obliczeniowo. Thor jednoczy infotainment, funkcję kokpitu i autonomiczne prowadzenie w jednym modelu Wizji-Języka-Akcji (VLA) dla autonomii L4.
Nvidia Halos Safety System – Współpracując z partnerami takimi jak Bosch, Wayve, Omnivision, Continental, ANAB i innymi, Halos jest pełnym stosowym ramowym systemem bezpieczeństwa Nvidia, obejmującym projektowanie chipów przez wdrożenie, w tym akredytowane laboratorium inspekcyjne i certyfikowany program oceny.
Nvidia Omniverse – Zestaw bibliotek, które umożliwiają symulację warunków jako cyfrowego bliźniaka fizycznego świata, skutecznie walidując podejścia autonomiczne do treningu. Biorąc pod uwagę miliardy przypadków brzegowych, które mogą istnieć, omniverse pozwala producentom samochodów uwzględnić je w miastach wirtualnych z dokładną fizyką, które uruchamiają pojazdy, czujniki, pieszych, pogodę, ruch i inne czynniki.
Krótko mówiąc, Nvidia podąża za podejściem Google, które działało tak dobrze w rozprzestrzenianiu Androida, ale na głębszym poziomie infrastruktury. Jak Google standaryzowało API i narzędzia dla OEM, takich jak Samsung, aby mogły się różnicować, Android wygrał w grze mobilnych systemów operacyjnych, obecnie mając około 71% udziału w rynku.
Również tak, Nvidia już stała się domyślnym podłożem AI, które standaryzuje symulację, trening i wdrażanie dla pojazdów autonomicznych (AV). I nie tylko istnieje pełny stos oprogramowania z Omniverse/DRIVE/CUDA, ale także stos sprzętowy, który doskonale uzupełnia oprogramowanie i certyfikację.
Zagłębienie Nvidii jest jednak znacznie głębsze, ponieważ walidacja autonomii od podstaw byłaby niezwykle kosztowna. Gdy już znajdziesz się w tym ekosystemie, wymiana byłaby nierozsądna. Co więcej, żadna inna pojedyncza firma nie oferuje tak kompleksowego zestawu usług. Najnowsze ogłoszenie AV z CES 2026 tylko potwierdza tę trajektorię.
Dołącz do naszej grupy na Telegramie i nigdy nie przegap najnowszych informacji o aktywach cyfrowych.
Nvidia Addressuje problem czarnej skrzynki AI
Jak dotąd, Nvidia dostarczyła GPU do treningu, Omniverse do symulacji, DRIVE do wnioskowania i narzędzia bezpieczeństwa do walidacji. Chociaż już imponujący, ten stos brakuje krawędzi. Na CES 2026, Nvidia ogłosiła otwartoźródłowy model Alpamayo, aby to naprawić.
Pierwsze, jaki jest podstawowy problem autonomicznego prowadzenia?
Kiedy ludzie używają dużych modeli językowych (LLM), mogą odnieść wrażenie, że mają do czynienia z podmiotami myślącymi. Jednak pod tą warstwą iluzji (poruszaną przez Apple) znajduje się probabilistyczny model uczenia maszynowego, który oblicza prawdopodobieństwo każdego możliwego następnego słowa w słowniku. Następne słowo jest wybierane na podstawie wzorców podczas treningu.
LLM są tylko częściowo deterministyczne w tym sensie, że mogą budować wyniki na podstawie wyszukiwań w Internecie lub podczas rozwiązywania problemu kodowania. Innymi słowy, jeśli AI napotyka problem, który nie jest wystarczająco reprezentowany w danych treningowych, takich jak prowadzenie w nowych warunkach środowiskowych, typowo konfabuluje odpowiedź.
Nawet jeśli dostrzegając degradujące obiekty, ludzie mogą dostrzegać subtelne wskazówki, aby poprawnie je zidentyfikować. W przeciwieństwie do tego, AI może wykrywać źle wyrównane wzory pikseli tego, co powinno stanowić znak "stop", i całkowicie źle to interpretować.
Innymi słowy, nie wiedząc, czym tak naprawdę jest znak stopu, tak jak robią to ludzie, stanowi problem "czarnej skrzynki" dla AI. Jak dotąd, głównie stosowano podejście siłowe, wymagające coraz wyższych kosztów obliczeniowych i budowy centrów danych.
Następnym krokiem w rozwiązaniu problemu czarnej skrzynki AI, w celu autonomicznego prowadzenia, jest nowa rodzina modeli AI Alpamayo, narzędzi i zestawów danych Nvidia. Jako duży model wizji-języka-akcji (VLA), Alpamayo 1 nie tylko reaguje na wzorce, ale także zapewnia rozumowanie związku przyczynowego dla każdej podjętej akcji.
Razem z otwartoźródłowym AlpaSim i Fizycznymi Zestawami Danych AI, producenci samochodów mają więcej narzędzi niż kiedykolwiek, aby uczynić autonomiczne prowadzenie tak bezpiecznym i solidnym, jak to możliwe.
"Alpamayo tworzy ekscytujące nowe możliwości dla branży, aby przyspieszyć fizyczne AI, poprawić przejrzystość i zwiększyć bezpieczne wdrożenia poziomu 4."
Sarfraz Maredia, szef autonomicznej mobilności i dostaw w Uber
CEO Nvidii, Jensen Huang, nazwał premierę Alpamayo "momentem ChatGPT dla fizycznego AI". Jednak w przeciwieństwie do OpenAI, które staje w obliczu wielu konkurentów, można bezpiecznie powiedzieć, że Nvidia jest w lepszej pozycji na przyszłość jako stos infrastruktury oprogramowania/sprzętu.
Czy Chiny mogą zagrozić AI Stack Nvidia?
Według danych Counterpoint z grudnia dotyczących Q3 2025, chińska Grupa Geely Holding jest światowym dominującym dostawcą EV, z 61% udziałem w rynku. Chińska firma BYD Auto ma 16%, pozostawiając Tesli 13% globalnego udziału w rynku EV.
Interesujące, że Waymo Alphabet korzysta z platformy Zeekr EV, jako jednej z filii w ramach Grupy Geely Holding. Wcześniej doszliśmy do wniosku, że Tesla ma większe szanse na wygraną w wyścigu robotaxi, dzięki bardziej zjednoczonemu podejściu i kontroli nad platformami.
Niemniej jednak, oczywiste jest, że Chiny opanowały gospodarkę skali, dodatkowo wzmocnioną przez nieangażowanie się w konflikty rasowe, które nękają Zachód. Przykład, inwestorzy powinni uwzględnić wskaźniki przestępczości w miastach, rozważając ekspozycję na takie firmy jak Serve Robotics (SERV).
Brak takiej fragmentacji społecznej, można powiedzieć, że Chiny są bardziej skupione i zharmonizowane. Do 2024 roku ponad 60% nowych samochodów sprzedawanych na chińskim lądzie już miało jakikolwiek poziom zdolności do autonomicznego prowadzenia.
Pomimo kontroli eksportu chipów AI, Chiny również zbudowały swoją autonomiczną branżę na Nvidia. Jednak domniemana wrogość geopolityczna powoduje, że chiński sektor autonomiczny staje się bardziej zróżnicowany, podczas gdy skomplikowane obejścia muszą być stosowane, aby zdobyć potężniejsze chipy AI, takie jak Blackwell.
Razem dostawcy pełnego stosu AI z Chin pochodzą z następujących firm:
Baidu dostarcza mapy o wysokiej rozdzielczości, algorytmy i system operacyjny DuerOS w samochodach, wyposażony zarówno w możliwości konwersacyjne AI, jak i szerszą unifikację autonomicznego prowadzenia. Baidu ściśle współpracuje z Geely, Chery i GAC, aby zbudować swoją flotę robotaxi Apollo Go. Do połowy 2025 roku Baidu wdrożyło ponad 1,000 robotaxi, co sprawia, że jest nieco przed Waymo i Teslą.
Po stronie sprzętowej, Huawei stara się wydostać Chiny z ekosystemu Nvidii za pomocą procesorów AI Ascend i systemu autonomicznego prowadzenia (ADS), który jest odpowiednikiem FSD Tesli. Na dodatek, Huawei opracował chipset 5G Balong 5000 do komunikacji V2X i systemów LiDAR. Odpowiedzią Huawei na ramy Nvidii jest otwarte źródło MindSpore, ale prawdopodobnie będzie to rozwiązanie skierowane do Chin.
Spośród innych znaczących firm, Pony.AI i WeRide koncentrują się na pełnych stosach oprogramowania do wdrożenia autonomicznego poziomu 4 zarówno dla transportu pasażerskiego, jak i towarowego. Uzupełniają je Horizon Robotics z własnym NPU (Processor Neuralny), a także Hesai Technology i RoboSense dla czujników LiDAR.
Chociaż bardziej zróżnicowane, autonomiczne ekosystemy Chin ściśle współpracują na wszystkich poziomach. Jest to prawdopodobnie artefakt klasy politycznej kraju, która jest ponad klasą handlową, co pokazuje przedłużona nieobecność założyciela Alibaba, Jacka Ma, w publicznym świetle.
Jeśli chodzi o długoterminowe skalowanie, chiński ADS jest podobny do Waymo, ponieważ polega na lidarze i wstępnym mapowaniu. Odpowiednio, większość raportów pokazuje, że podejście FSD Tesli (tylko wizja) lepiej radzi sobie z różnorodnymi scenariuszami, podczas gdy ADS Huawei lepiej nadaje się do zlokalizowanych środowisk miejskich pokrytych mapowaniem o wysokiej precyzji i gęstszej lokalizowanej przepustowości.
W związku z tym, czyni to Teslę lepiej dostosowaną globalnie, jak wcześniej stwierdziliśmy.
Podsumowanie
Podsumowując, podczas gdy chipy Ascend Huawei są porównywalne z starszymi chipami H100 Nvidia, Chiny wciąż doganiają Blackwell, podczas gdy Nvidia już idzie dalej z Vera Rubin. Na dodatek do tej luki sprzętowej, platforma CUDA Nvidia ma ponad dwie dekady lojalności deweloperów i optymalizacji.
Wraz z uruchomieniem otwartego źródła Alpamayo, równie otwarte źródło MindSpore od Huawei prawdopodobnie nie zrobi dużej różnicy nawet w chińskich firmach AI. Razem, czyni to fortyfikacje sprzętowe i programowe Nvidia znaczącymi i trudnymi do pokonania.
Biorąc pod uwagę, że gospodarka robotaxi i autonomicznego prowadzenia dopiero zaczyna nabierać tempa, prawdopodobnie Nvidia zobaczy wyceny znacznie przekraczające 5 bilionów dolarów do 2030 roku.
Zastrzeżenie: Autor nie posiada ani nie ma pozycji w żadnych papierach wartościowych omawianych w artykule. Wszystkie ceny akcji cytowane były w momencie pisania.
Post Jak Nvidia zacieśnia swoje grip na stosie pojazdów autonomicznych pojawił się po raz pierwszy na Tokenist.