Die kumulierten weltweiten Auslieferungen von KI-Beschleunigern für humanoide Roboter könnten bis 2030 die Marke von einer Million Einheiten überschreiten. Counterpoint Research erwartet zudem für den Zeitraum von 2026 bis 2030 ein durchschnittliches jährliches Wachstum von 144 %, getragen von einer zunehmenden Vielfalt an Rechenarchitekturen.
Die Prognose stammt aus dem Global Humanoid Robot Tracker Report von Counterpoint Research, über den das chinesische Technologieportal ITHome berichtet. Die Studie beschreibt einen Markt für Rechenkomponenten im Umbruch, auf dem Chiphersteller versuchen, den wachsenden Anforderungen humanoider Roboter gerecht zu werden.
GPUs bleiben vorn, ASIC-Chips holen auf
Kurzfristig dürften GPUs die vorherrschende Architektur für die Berechnungen direkt im humanoiden Roboter bleiben. NVIDIA nimmt derzeit eine führende Position ein, gestützt auf sein integriertes Ökosystem aus Rechenchips, KI-Modellen und Simulationswerkzeugen.
Der Konzern ist Partnerschaften mit mehreren Roboterherstellern eingegangen, darunter AgiBot, Unitree, UBTECH, GALBOT, Figure AI, Neura Robotics und Noetix.
Parallel dazu gewinnen anwendungsspezifische integrierte Schaltungen (ASIC) für künstliche Intelligenz an Boden. Zu den Autoherstellern, die intern für ihre Fahrzeuge entwickelte Chiptechnologien auf ihr Robotikgeschäft übertragen, gehören Tesla und Xpeng.
Qualcomm setzt auf Energieeffizienz und niedrigere Kosten
Qualcomm verfolgt einen Ansatz auf Basis einer heterogenen Rechenarchitektur. Ziel ist es, den Stromverbrauch zu begrenzen und die Materialkosten zu senken. Das Unternehmen hat bereits Designpartnerschaften mit Neura Robotics, VinMotion, Booster Robotics und Figure AI geschlossen.
Laut Counterpoint Research liegen die Auslieferungsmengen von Qualcomm allerdings noch unter denen von NVIDIA. Im Wettbewerb stehen sich damit unterschiedliche Ansätze für das Rechnen im Roboter gegenüber: integrierte GPU-Ökosysteme auf der einen, Architekturen aus verschiedenen Komponententypen auf der anderen Seite.
WAM-Modelle erhöhen den Bedarf an Rechenleistung
Ein weiterer Faktor, der den Markt verändert, ist die Weiterentwicklung der KI-Modelle. Vision-Language-Action-Architekturen (VLA) wachsen schrittweise mit Weltmodellen (World Models) zusammen, während sich Robotikmodelle in Richtung World Action Models (WAM) entwickeln.
Soumen Mandal, Analyst bei Counterpoint Research, geht davon aus, dass diese Entwicklung die Bedeutung der Rechenleistung weiter erhöhen wird. Zugleich steigen demnach die Anforderungen an Energieeffizienz, einen geringeren Stromverbrauch und die Kontrolle der Wärmeabfuhr.
GPUs dürften weiterhin in den leistungsfähigsten Edge-Computing-Umgebungen zum Einsatz kommen. ASIC-Architekturen wiederum könnten von der Position der Autohersteller mit eigenen Chiptechnologien profitieren, insbesondere von Tesla.
Ab 2027 wird schärferer Wettbewerb erwartet
Counterpoint Research rechnet ab 2027 mit einem schärferen Wettbewerb. Dann soll die Massenproduktion von KI-Beschleunigern der nächsten Generation anlaufen, die Rechenlasten im Zusammenhang mit allgemeiner künstlicher Intelligenz (AGI) verarbeiten können. Das Nebeneinander mehrerer Rechenarchitekturen dürfte dann bei der Ausstattung humanoider Roboter an Bedeutung gewinnen.