Twee wegen naar de robotaxi

Op CES en in de straten van Austin: twee opvallend verschillende blauwdrukken

Begin januari onthulde Nvidia op de Consumer Electronics Show in Las Vegas Alpamayo — een open familie van grote vision-language-action-modellen en bijbehorende simulatietools, ontworpen om auto's te leren "redeneren" over ongebruikelijke verkeerssituaties. Het bedrijf presenteerde de technologie als een fundamentele verandering voor wat het "fysieke AI" noemt en promootte de aanpak als een leerbaar, modulair platform dat autofabrikanten in hun voertuigen kunnen integreren.

Een half jaar eerder begon Tesla in Austin, Texas, in alle stilte een kleine vloot van aangepaste Model Y-voertuigen genodigde passagiers te laten vervoeren als onderdeel van zijn Robotaxi-pilot. Dit was een zichtbare demonstratie van de decennialange gok van het bedrijf op rijsoftware die uitsluitend op camera's vertrouwt en door de vloot is getraind. Die uitrol — aanvankelijk beperkt en gemonitord — toonde een contrasterend pad: Tesla levert software in voertuigen die het zelf bouwt en gebruikt om praktijkervaring op te doen.

Platform versus product: hoe de engineering-filosofieën uiteenlopen

De publieke pitch van Nvidia is platform-gericht. Het verkoopt halfgeleiders, middleware, sensorpakketten en een besturingsomgeving (DRIVE Hyperion en DRIVE AGX/Thor). In januari benadrukte het bedrijf veiligheidsbeoordelingen door derden en een ecosysteem van partner-autofabrikanten die delen van de stack kunnen overnemen in plaats van deze vanaf nul op te bouwen. Dat model stelt traditionele autofabrikanten en nieuwe makers van elektrische voertuigen in staat om te versnellen door rekenkracht en software uit te besteden, terwijl ze vrij blijven in hun keuze voor sensoren en voertuigarchitecturen.

Trainingsrekenkracht: cloudclusters, open modellen en het lot van Dojo

Tot voor kort volgde Tesla een eigen trainingspad met Dojo — een intern supercomputerproject dat werd gepresenteerd als de ruggengraat voor Full Self-Driving-onderzoek en, op termijn, humanoïde robots. In 2025 reorganiseerde Tesla delen van zijn rekenstrategie, en rapportages sinds medio 2025 beschrijven dat het Dojo-programma wordt afgebouwd terwijl het bedrijf overstapt naar andere chip- en clusterplannen. Die verandering illustreert een centraal spanningsveld: het privé bouwen van een trainingssupercomputer van wereldklasse is duur en traag, terwijl het kopen of mede-leasen van geavanceerde versnellers sneller kan schalen maar een deel van de controle uit handen geeft.

De gok van Nvidia is anders: het leveren van krachtige rekenkracht (zijn GPU's en DRIVE SoC's) en een open leraar-leerling-workflow waarbij een groot, redenerend model zoals Alpamayo kan worden gedistilleerd tot kleinere runtime-netwerken die in een auto draaien. Het bedrijf kondigde ook een reeks simulatietools en open datasets aan, bedoeld om vele spelers te laten trainen, testen en valideren zonder elk onderdeel van de infrastructuur opnieuw te hoeven bouwen. Die aanpak verlaagt de drempel voor traditionele autofabrikanten om geavanceerde rijhulpsystemen en, uiteindelijk, hogere niveaus van autonomie te introduceren.

Sensoren en het long-tail-probleem

De twee bedrijven verschillen ook van mening over sensoren. Het Hyperion-referentieontwerp van Nvidia ondersteunt expliciet multimodale sensorpakketten — camera's, radar en in toenemende mate lidar — en het bedrijf benadrukte partnerschappen met lidar-leveranciers op CES en in aankondigingen over het DRIVE Hyperion-platform. Nvidia stelt dat rijkere sensorfusie systemen helpt om diepte waar te nemen en gevaren te detecteren in scenario's met slecht zicht of bij zeldzame 'edge cases'.

Tesla heeft zijn camera-eerst-strategie verder aangescherpt, met het argument dat menselijke bestuurders alleen zicht gebruiken en dat een goed getraind neuraal netwerk diepte en beweging uit video kan extraheren. Het voordeel is lagere hardwarekosten en een eenvoudigere integratie, plus enorme hoeveelheden video uit de praktijk van de Tesla-vloot waarmee de modellen continu verbeterd kunnen worden. Het nadeel — herhaaldelijk aangehaald door toezichthouders en veiligheidsexperts — is de onzekerheid over zeldzame gebeurtenissen en de vraag of systemen die alleen op zicht vertrouwen net zo goed generaliseren als multimodale stacks in ongebruikelijke omstandigheden.

Regelgeving, incidenten en publiek vertrouwen

Operationele veiligheid en publieke controle vormen de vuurproef voor beide strategieën. De FSD- en Autopilot-systemen van Tesla zijn het onderwerp geweest van meerdere onderzoeken door toezichthouders en een groeiende dataset van incidentrapporten die zijn ingediend bij de Amerikaanse verkeersveiligheidsdienst. In 2025 opende de National Highway Traffic Safety Administration een voorlopige evaluatie die miljoenen voertuigen omvat na meldingen van incidenten bij rode lichten en rijstrookwisselingen, wat zowel de juridische risico's als de politieke controle benadrukt die gepaard gaan met vroege implementaties.

Nvidia heeft de nadruk gelegd op veiligheidsbeoordelingen door derden, inclusief betrokkenheid bij gevestigde instanties voor voertuigveiligheid, als onderdeel van een pakket dat beter aansluit bij de bestaande regelgevingskaders waar autofabrikanten op vertrouwen. De pitch van het bedrijf — gecertificeerde componenten, open datasets en verklaarbare redeneersporen van Alpamayo — is expliciet ontworpen om OEM's te helpen voldoen aan veiligheids- en auditvereisten naarmate zij autonome functies opschalen.

Marktdynamiek en de weg naar schaalvergroting

Strategisch gezien jagen Nvidia en Tesla overlappende einddoelen na — grote autonome vloten en robotaxi-diensten — maar met verschillende risico-rendementsprofielen. Nvidia verkoopt aan een enorme markt van autofabrikanten die waarschijnlijk de voorkeur geven aan modulaire, gevalideerde platforms die ze in bestaande productielijnen kunnen integreren; dat opent vele inkomstenstromen zonder de kapitaalintensiteit van het bouwen van auto's of het beheren van vloten. Vroege marktreacties op de CES-aankondigingen van Nvidia omvatten scherpe stijgingen van aandelen van toeleveranciers voor lidar- en sensortechnologie, wat het geloof van investeerders weerspiegelt dat een platformbenadering met meerdere leveranciers de groei van het ecosysteem versnelt.

Het voordeel voor Tesla, als zijn verticaal geïntegreerde strategie slaagt, is een uniek end-to-end product: een auto, een besturend brein getraind op miljarden praktijkkilometers, en de diensten om die voertuigen als robotaxi's te exploiteren. Maar dat model concentreert operationele, regelgevende en reputatierisico's op één plek — en de recente reorganisatie van Tesla's eigen rekeninspanningen onderstreept hoe kostbaar en kwetsbaar dat pad kan zijn.

Convergentie, concurrentie en de volgende stappen

Hoewel de bedrijven verschillen, kunnen hun paden convergeren. Nvidia's open leraar-leerling-methode maakt het voor autofabrikanten (en in theorie misschien zelfs voor Tesla) eenvoudiger om op redenering gebaseerde modellen over te nemen; de enorme vloot van Tesla blijft een datavoordeel voor end-to-end learning. Beide kampen zullen niet alleen worden beoordeeld op de geavanceerdheid van hun modellen en chips, maar ook op de veiligheid in de praktijk, transparante statistieken voor de afhandeling van edge cases en de bereidheid van toezichthouders om ongesuperviseerde werking te certificeren.

Voor consumenten en steden zal de nabije toekomst er rommelig uitzien: gemengde vloten, een lappendeken aan regelgeving in verschillende rechtsgebieden en stapsgewijze uitrol van diensten met toezichthouders en geofences. Voor investeerders en technologen is de vraag of de industrie neigt naar modulaire platforms die autonomie breed toegankelijk maken, of naar enkele verticaal geïntegreerde winnaars die de hele stack beheersen. Hoe dan ook, de race naar robotaxi's leest nu als een wedstrijd op meerdere sporen: één baan vol met miljoenen consumentenauto's die data verzamelen, de andere met gestandaardiseerde platforms and open modellen die snellere validatie en bredere adoptie beloven.

Bronnen

• NVIDIA-persmateriaal (aankondigingen Alpamayo, DRIVE Hyperion en DRIVE AGX)
• National Highway Traffic Safety Administration (voorlopige evaluatie- en onderzoeksdossiers over geavanceerde rijhulpsystemen)
• TÜV SÜD en onafhankelijke rapporten over veiligheidsbeoordelingen van auto's waarnaar wordt verwezen in leveranciersmateriaal
• Openbare verklaringen en bedrijfsdeponeringen van Tesla met betrekking tot FSD, Robotaxi-pilots en rekenstrategie