Nvidias avtal med LG om humana robotar döljer en större satsning på nästa generations datacenter

Nvidia arbetar med humanoider — handslaget i Seoul som betyder något

Den 8 juni 2026, efter ett möte med ett tajt schema på LG Groups huvudkontor i västra Seoul, stod Nvidias vd Jensen Huang bredvid LG:s ordförande Koo Kwang-mo och uttryckte sig rakt på sak: "Vi arbetar tillsammans med dem inom motorteknik och mekaniska system så att vi kan förena humanoid robotik med framtidens robotik." Den meningen – kort, offentlig och ovanligt specifik – är det tydligaste beviset hittills på att Nvidias arbete med humanoider inte bara är en mjukvaruövning, utan en utmaning för hårdvara och fabriker.

Huangs kommentarer kom under en vecka fylld av tillkännagivanden och bilaterala avtal i Sydkorea, där Nvidia presenterade fleråriga samutvecklingsplaner med LG, SK hynix, SK Telecom, Naver och andra. Rubrikerna har betonat humanoida prototyper och Jetson/Blackwell-chip, men kärnan i samarbetet sträcker sig djupare: modulär datacenterarkitektur, vätskekylning, strömförsörjning (inklusive 800-volts DC-experiment), digitala tvillingar för simulering och fabriker designade för att generera den fysiska träningsdata som robotar behöver. Kort sagt kopplar Nvidia och LG samman robotar och datacenter till en enhetlig industriell stack.

Varför Nvidias arbete med humanoider tillsammans med LG är viktigt för "fysisk AI"

Detta är ett annat samtal än att placera en kraftfull GPU i ett forskningslabb. Nvidia lanserar en heltäckande AI-fabrik: chip, simulering, syntetisk data, mekaniska plattformar och de anläggningar som hyser dem. LG bidrar med kompetens inom motorer och mekanik, sensorer från LG Innotek, kraftsystem via LG Energy Solution och operatörskopplingar genom LG Uplus. Nvidia bidrar med Blackwell-GPU:er, NeMo-modeller, Isaac Sim/Isaac Lab och DSX-fabriksorkestrering. Tillsammans siktar de på att förkorta loopen mellan simulering, träning och validering i verkliga miljöer för robotar.

Det är viktigt eftersom humanoid robotik inte främst är ett mjukvaruproblem, på samma sätt som jetmotorer inte är ett mjukvaruproblem: rörelsestyrning, värmeutveckling, transienta effektbeteenden och mänsklig säkerhet är alla fysiska ingenjörsdomäner. Om man vill ha robotar som kan hantera riktiga hem och fabriker krävs enorma mängder fysisk testdata och anläggningar som upprepade gånger kan belasta ställdon, sensorer och hantera fellägen. Nvidia och LG föreslår nu sådana anläggningar – och det är därför affären är viktigare än en enstaka robotdemonstration.

Hur Nvidias arbete med humanoider hänger ihop med nästa generations datacenter

Nvidias officiella kommunikation ramar in partnerskapet som "humanoider och arkitekturen för framtidens datacenter." Kopplingen är bokstavlig: robotar behöver data och simulering i stor skala, och träning eller finjustering av stora modeller för beslutsfattande direkt på enheten kräver en annan infrastruktur än konventionell molnbaserad AI. Nvidias DSX AI-fabriksplattform, som nämns i pressmaterialet, är designad för att orkestrera modellträning, digitala tvillingar och driftsättningsflöden inuti specialbyggda anläggningar.

LG kommer inte bara att tillhandahålla beräkningskapacitet utan även samdesigna kylning (kylplattor, vätskekretsar), topologier för strömförsörjning och modulära rack anpassade för ihållande AI-genomströmning. Det hårdvaruarbetet – 800V DC-distribution, direkt vätskekylning och modulära, snabbt driftsättbara enheter – förändrar kalkylen för kostnader och lokalisering av stora labbar för inferens och robotik. Planen är att omvandla datacenter till produktionslabb som kontinuerligt genererar, märker och validerar den fysiska data som robotar kräver.

Vad Nvidia faktiskt bidrar med

Enkelt uttryckt: mjukvara, chip och en spelbok. Nvidias tillgångar inkluderar Blackwell-GPU:er för högpresterande inferens, Jetson Thor / Jetson-familjen för edge-beräkningar, Isaac-sviten för robotsimulering och NeMo-familjen för språk- och multimodala modeller. Företaget paketerar detta till ett "referensrobot"-koncept – där mjukvarustackar buntas ihop med en validerad mekanisk plattform så att forskningslabb kan hoppa över de månader av integrationsarbete som normalt äter upp budgetar.

Den strategin speglar Unitree-tillkännagivandet tidigare i år: Nvidia valde Unitrees H2-humanoidkropp som forskningsplattform och utrustade den med Nvidia Jetson/Blackwell-beräkningskraft och Isaac GR00T-modeller. Med andra ord säljer Nvidia ett integrerat block: beräkningskraft, mjukvarustack, simulering och ett valbart mekaniskt skal. Med LG blir samma block industriellt snarare än bara för forskning.

Hur detta står sig mot andra satsningar inom robotik och datacenter

Det finns tre jämförelser som ligger någorlunda nära. För det första riktar sig Nvidias samarbete med Unitree mot akademisk användning och labb – den friktionsfria vägen till bred mjukvarutestning. För det andra bygger rivaler som specialiserade robotstartups (1X Technologies och andra) vertikalt integrerade robotar (hårdvara/mjukvara), men utan samma datacenter-vinkel. För det tredje tävlar hyperscalers och chip-rivaler (Intel, AMD, AWS egna kisel) om att optimera rack för AI, men få kombinerar den mekaniska robotråvaran och anläggningsdesignen som LG-pakten omfattar.

Den kombinationen – en enda leverantörskedja från ställdon till modell till kylkrets – är den industriella satsningen. Det skapar en vallgrav om det genomförs väl, men det koncentrerar också tekniska risker: om anläggningen eller strömmatningsarkitekturen är felaktig kommer robotarna inte att skala. Det höjer också de geopolitiska insatserna, eftersom suveräna AI-modeller och leveranskedjor nu vävs in i nationell industripolitik i Korea, Kina och vidare.

Leveranskedja, politik och det europeiska perspektivet

Ur ett europeiskt industripolitiskt perspektiv är Nvidia-LG-samarbetet en påminnelse om att det är i Asien som många av de heltäckande AI-tillverkningsexperimenten sker. Europa har styrka inom robotikteknik och automationsmästare – tyska Mittelstand – men saknar samma integrerade drivkraft mellan chiptillverkare, konglomerat och telekombolag som Seoul står värd för. EU:s Chips Act och IPCEI-program syftar till att överbrygga det gapet, men att bygga en jämförbar AI-fabriksstack kräver samordnade investeringar i HBM-tillgång, expertis inom vätskekylning och lokal tillverkning av beräkningskraft.

Det finns även problem med exportkontroll och konkurrens. Nvidia fördjupar sina band med SK hynix och Samsung för HBM-minne och utforskar samarbete inom gjuteritjänster och HBM; den försörjningsprofilen spelar roll för om Europa kan få konkurrenskraftiga priser eller om man måste förlita sig på import. Tillsynsmyndigheter i Bryssel kommer att bevaka om dessa gränsöverskridande industriblock befäster beroenden av en enda leverantör, något som EU-politiken har försökt undvika.

Vem betalar, vem vinner och tidsplanerna

För närvarande är avtalets ramar fleråriga och inkrementella. Unitrees H2 Plus för forskning är planerad till senare i år och når labben i oktober; mer omfattande fabriksdriftsättningar ledda av LG kommer att ta längre tid. Att bygga modulära, vätskekylda anläggningar och inhemska kraftsystem är kapitalintensivt. LG:s inblandning minskar risken: de har tillverkningskapacitet, systemintegrationskompetens och kundkanaler. Nvidia tillhandahåller mjukvaran och beräkningsekonomin – de två parterna delar på det tunga lyftet.

Vinnarna är uppenbara: forskningslabb, stora tillverkare och molnkunder som behöver dataset av robotkvalitet och validerade inferensplattformar. Förlorarna – åtminstone på kort sikt – är konkurrenter som säljer enskilda delar snarare än integrerade stackar, samt jurisdiktioner som inte säkrar leveranskedjor för minne, paketering och kylning i tid.

Svar på de troliga frågorna

Vilken roll har Nvidia i LG:s projekt för humana robotar? Nvidia tillhandahåller beräkningskraften (Blackwell-GPU:er, Jetson Thor), mjukvarustacken (Isaac-simulering, NeMo-modeller, DSX-orkestrering) och referensdesigner. De kommer även att samarbeta kring motorstyrning och mekaniska delsystem så att stacken kan valideras från början till slut.

När kan vi förvänta oss att LG-Nvidia-humanoider släpps? För forskare är Nvidias referenssystem (integreringar med Unitree H2 Plus) schemalagda till i år; industrialiserade fabriksutrullningar och mer storskaliga datacenterintegreringar kommer att ske över flera år och bero på tillgången på minne och ström.

Det är framsteg. Den sorten som inte får plats i en presentationsbild.

Källor

• Seoul National University (besök och engagemangsmaterial)
• Stanford Robotics Center (tillkännagivanden om forskningsanvändning)
• ETH Zurich (omnämnanden av forskningssamarbete)
• UC San Diego Advanced Robotics and Controls Laboratory (listor över forskningsanvändare)
• Unitree IPO-ansökan och börsupplysningar (Shanghai STAR-marknadsdokument)