Umowa Nvidii z LG ws. robotów humanoidalnych kryje w sobie znacznie większą inwestycję w centra danych nowej generacji

Nvidia pracuje nad humanoidalnymi robotami — uścisk dłoni w Seulu, który ma znaczenie

8 czerwca 2026 r., po ściśle zaplanowanym spotkaniu w centrali LG Group w zachodnim Seulu, dyrektor generalny Nvidii, Jensen Huang, stanął obok prezesa LG, Koo Kwang-mo, i wypowiedział wymowne słowa: „Współpracujemy z nimi w zakresie technologii silnikowych oraz systemów mechanicznych, aby móc połączyć humanoidalną robotykę z przyszłością robotyki”. To zdanie — krótkie, publiczne i dziwnie precyzyjne — jest jak dotąd najjaśniejszym dowodem na to, że prace Nvidii nad humanoidalnymi robotami to nie tylko ćwiczenie z oprogramowania, ale wyzwanie związane ze sprzętem i fabryką.

Komentarze Huanga padły w tygodniu pełnym ogłoszeń i dwustronnych porozumień w Korei Południowej, podczas którego Nvidia przedstawiła wieloletnie plany wspólnego rozwoju z LG, SK hynix, SK Telecom, Naver i innymi firmami. Nagłówki prasowe podkreślały znaczenie prototypów humanoidalnych oraz układów Jetson/Blackwell, ale istota tej współpracy sięga głębiej: modułowej architektury centrów danych, chłodzenia cieczą, zasilania (w tym eksperymentów z prądem stałym 800 V), cyfrowych bliźniaków do symulacji oraz fabryk zaprojektowanych do generowania fizycznych danych treningowych, których potrzebują roboty. Krótko mówiąc, Nvidia i LG łączą roboty oraz centra danych w jeden stos przemysłowy.

Dlaczego prace Nvidii nad humanoidalnymi robotami wraz z LG mają znaczenie dla „fizycznej sztucznej inteligencji”

To inna rozmowa niż wstawienie dużego układu GPU do laboratorium badawczego. Nvidia promuje kompleksową fabrykę AI: chipy, symulację, dane syntetyczne, platformy mechaniczne i obiekty, które je goszczą. LG wnosi kompetencje w dziedzinie silników i mechaniki, czujniki z LG Innotek, systemy zasilania poprzez LG Energy Solution oraz łączność operatorską dzięki LG Uplus. Nvidia dostarcza procesory graficzne Blackwell, modele NeMo, środowiska Isaac Sim/Isaac Lab oraz orkiestrację fabryczną DSX. Razem dążą do skrócenia pętli między symulacją, szkoleniem a walidacją robotów w świecie rzeczywistym.

Ma to znaczenie, ponieważ humanoidalna robotyka nie jest przede wszystkim problemem programistycznym, podobnie jak silniki odrzutowe nie są problemem software’owym: sterowanie ruchem, termika, zachowania stanów przejściowych zasilania i bezpieczeństwo ludzi to domeny inżynierii fizycznej. Jeśli chcesz robotów, które poradzą sobie w prawdziwych domach i fabrykach, potrzebujesz ogromnych ilości fizycznych danych testowych i obiektów, które mogą wielokrotnie testować siłowniki, czujniki oraz tryby awaryjne. Nvidia i LG proponują właśnie takie obiekty — i to jest powód, dla którego ta umowa wykracza poza zwykłe demonstracje jednego robota.

Jak prace Nvidii nad humanoidalnymi robotami wiążą się z następną generacją centrów danych

Publiczna retoryka Nvidii określa partnerstwo jako „humanoidalne roboty i projektowanie przyszłych centrów danych”. Związek ten jest dosłowny: roboty potrzebują danych i symulacji na dużą skalę, a trenowanie lub dostrajanie dużych modeli do podejmowania decyzji bezpośrednio na urządzeniu wymaga innej infrastruktury niż konwencjonalna chmura AI. Platforma fabryczna DSX AI Nvidii, o której mowa w materiałach prasowych, została zaprojektowana do koordynowania szkolenia modeli, cyfrowych bliźniaków i potoków wdrożeniowych w specjalnie zbudowanych obiektach.

LG będzie nie tylko gospodarzem mocy obliczeniowej, ale także współprojektantem chłodzenia (płyty chłodzące, obiegi cieczy), topologii zasilania i modułowych szaf serwerowych dostosowanych do stałej przepustowości AI. Te prace sprzętowe — dystrybucja prądu stałego 800V, bezpośrednie chłodzenie cieczą oraz modułowe, szybko wdrażalne jednostki — zmieniają kalkulację kosztów i lokalizacji dla dużych laboratoriów wnioskowania i robotyki. Plan zakłada przekształcenie centrów danych w laboratoria klasy produkcyjnej, które nieustannie generują, etykietują i walidują fizyczne dane wymagane przez roboty.

Co Nvidia wnosi do projektu

Mówiąc prosto: oprogramowanie, chipy i gotowy schemat działania. Aktywa Nvidii obejmują procesory graficzne Blackwell do wysokowydajnego wnioskowania, rodzinę Jetson Thor / Jetson do obliczeń brzegowych, pakiet Isaac do symulacji robotyki oraz rodzinę NeMo do modeli językowych i multimodalnych. Firma pakuje to w podejście „robota referencyjnego” — łącząc stosy oprogramowania ze sprawdzoną platformą mechaniczną, dzięki czemu laboratoria badawcze mogą pominąć miesiące prac integracyjnych, które zazwyczaj pochłaniają budżety.

Strategia ta odzwierciedla ogłoszenie współpracy z Unitree na początku tego roku: Nvidia wybrała korpus humanoidalny H2 firmy Unitree jako platformę badawczą i wyposażyła go w obliczenia Nvidia Jetson/Blackwell oraz modele Isaac GR00T. Innymi słowy, Nvidia sprzedaje zintegrowany blok: obliczenia, stos, symulację i wybór powłoki mechanicznej. W przypadku LG ten sam blok staje się rozwiązaniem na skalę przemysłową, a nie tylko badawczą.

Jak wypada to na tle innych działań w robotyce i centrach danych

Istnieją trzy dość zbliżone porównania. Po pierwsze, współpraca Nvidii z Unitree celuje w adopcję akademicką i laboratoryjną — jest to ścieżka o niskim oporze do szeroko zakrojonych testów oprogramowania. Po drugie, rywale, tacy jak wyspecjalizowane startupy robotyczne (1X Technologies i inni), budują pionowo zintegrowane roboty sprzętowo-programowe, ale bez uwzględnienia aspektu centrów danych. Po trzecie, dostawcy hiperskalowi i rywale w dziedzinie chipów (Intel, AMD, własny krzem AWS) ścigają się, by zoptymalizować szafy rack pod kątem AI, ale niewielu łączy fizyczne zaplecze robotyczne z projektowaniem obiektów, co obejmuje pakt z LG.

To połączenie — jeden łańcuch dostaw od siłownika po model i układ chłodzenia — jest zakładem przemysłowym. Jeśli zostanie dobrze wykonany, stworzy barierę rynkową, ale też koncentruje ryzyko techniczne: jeśli architektura obiektu lub zasilania będzie błędna, roboty nie osiągną odpowiedniej skali. Podnosi to również stawkę geopolityczną, ponieważ suwerenne modele AI i łańcuchy dostaw są obecnie wplatane w krajową politykę przemysłową w Korei, Chinach i poza nimi.

Łańcuch dostaw, polityka i perspektywa europejska

Z perspektywy europejskiej polityki przemysłowej współpraca Nvidia-LG przypomina, że Azja pozostaje miejscem, w którym realizowana jest większość eksperymentów z kompleksową produkcją AI. Europa ma silną inżynierię robotyczną i liderów automatyzacji — niemiecki Mittelstand — ale brakuje jej tak zintegrowanego impulsu między dostawcą chipów, konglomeratem a operatorem telekomunikacyjnym, jaki ma miejsce w Seulu. Unijny akt o chipach (EU Chips Act) i programy IPCEI mają na celu zmniejszenie tej luki, jednak budowa porównywalnego stosu fabrycznego AI wymaga skoordynowanych inwestycji w dostawy pamięci HBM, specjalistyczną wiedzę z zakresu chłodzenia cieczą i lokalną produkcję układów obliczeniowych.

Istnieją również komplikacje związane z kontrolą eksportu i konkurencją. Nvidia pogłębia więzi z SK hynix i Samsungiem w zakresie pamięci HBM oraz bada możliwości współpracy w zakresie odlewni i HBM; ten profil dostaw ma znaczenie dla tego, czy Europa będzie mogła uzyskać konkurencyjne ceny, czy będzie musiała polegać na imporcie. Organy regulacyjne w Brukseli będą obserwować, czy te transgraniczne bloki przemysłowe nie utrwalają zależności od jednego dostawcy, czego unijna polityka starała się unikać.

Kto płaci, kto korzysta i jakie są terminy

Na razie ramy umowy mają charakter wieloletni i stopniowy. H2 Plus firmy Unitree do badań ma pojawić się jeszcze w tym roku i dotrzeć do laboratoriów w październiku; szersze wdrożenia fabryczne pod kierownictwem LG potrwają dłużej. Budowa modułowych obiektów chłodzonych cieczą i systemów zasilania krajowego jest kapitałochłonna. Zaangażowanie LG zmniejsza ryzyko: posiada ono moce produkcyjne, umiejętności integracji systemów i kanały dotarcia do klientów. Nvidia dostarcza oprogramowanie i ekonomię obliczeń — obie strony dzielą ciężar pracy.

Beneficjenci są oczywiści: laboratoria badawcze, wielcy producenci i klienci chmurowi, którzy potrzebują zbiorów danych klasy robotycznej i zweryfikowanych platform wnioskowania. Przegrani — przynajmniej w krótkim okresie — to konkurenci, którzy sprzedają poszczególne części zamiast zintegrowanych stosów, oraz jurysdykcje, które nie zabezpieczą wkrótce łańcuchów dostaw pamięci, pakowania i chłodzenia.

Odpowiedzi na prawdopodobne pytania

Jaka jest rola Nvidii w projekcie humanoidalnego robota LG? Nvidia dostarcza obliczenia (procesory graficzne Blackwell, Jetson Thor), stos oprogramowania (symulacja Isaac, modele NeMo, orkiestracja DSX) oraz projekty referencyjne. Będzie również współpracować przy sterowaniu silnikami i podsystemach mechanicznych, aby stos mógł zostać zweryfikowany kompleksowo.

Kiedy można spodziewać się premiery humanoidalnych robotów LG-Nvidia? W przypadku badaczy systemy referencyjne Nvidii (integracje Unitree H2 Plus) zaplanowano na ten rok; uprzemysłowione wdrożenia fabryczne i integracje centrów danych na większą skalę będą rozwijać się przez kilka lat i zależeć od dostępności pamięci i energii.

To postęp. Taki, który nie mieści się w prezentacji slajdów.

Źródła

• Seulski Uniwersytet Narodowy (wizyta i materiały dotyczące zaangażowania)
• Stanford Robotics Center (ogłoszenia dotyczące wykorzystania w badaniach)
• ETH Zurich (wzmianki o współpracy badawczej)
• UC San Diego Advanced Robotics and Controls Laboratory (listy użytkowników badawczych)
• Dokumentacja IPO Unitree i ujawnienia giełdowe (dokumenty giełdy Shanghai STAR)