Barclays erläutert die „drei großen Kontroversen“ um humanoide Roboter im Detail: Wann erfolgt die Massenbereitstellung? Steigt die Nachfrage nach Rechenleistung sprunghaft an? Ist die „humanoide Form“ notwendig?
Barclays analysiert, dass der Engpass in der Intelligenz und nicht in der Hardware liegt, die Steigerung der Rechenleistung konzentriert sich auf den Rand statt auf die Rechenzentren, und die erste Welle der Umwälzung durch Physical AI wird höchstwahrscheinlich überhaupt nicht humanoid sein.
Barclays geht davon aus, dass der großflächige Einsatz von allgemeinen humanoiden Robotern erst um das Jahr 2035 herum erfolgen wird, statt bereits 2030.
In dem neuesten Forschungsbericht, der am 18. September veröffentlicht wurde, stellt Barclays drei Urteile zum Investitionsboom bei humanoiden Robotern auf: Der Engpass liegt in der Intelligenz statt in der Hardware, die Steigerung der Rechenleistung konzentriert sich auf den Rand statt auf Rechenzentren, und die erste Welle der Umwälzung durch Physical AI ist höchstwahrscheinlich überhaupt nicht humanoid.
In dem Bericht führt Barclays zudem eine detaillierte Analyse zu den Themen durch, die Investoren am meisten interessieren, wie Skalierung, Rechenleistung und Formgestaltung.
01
Streitpunkt 1: Großflächiger Einsatz im Jahr 2035 statt 2030
Barclays schreibt in dem Bericht, dass viele Fähigkeiten humanoider Roboter, die derzeit in der Branche vorgeführt werden, noch auf vorprogrammierten Abläufen, Fernsteuerung oder eng begrenzter Automatisierung für spezifische Szenarien beruhen, und es eine deutliche Lücke zur echten allgemeinen Autonomie gibt.
Die Einrichtung ist der Ansicht, dass der zentrale Engpass nicht in der Hardware liegt, sondern in der Intelligenz – die Fähigkeiten der KI-Modelle, die für Wahrnehmung, Schlussfolgerung und Handlung erforderlich sind, sind noch nicht ausgereift. Auf der Hardware-Seite besteht ein Henne-Ei-Problem zwischen Skalierung, Kosten und Leistungsfähigkeit: Ohne Skalierung gibt es keine niedrigen Kosten, ohne ausreichende Intelligenz lässt sich kein kommerzieller Wert nachweisen, und die drei Faktoren lassen sich nicht gleichzeitig durchbrechen.
Dieses Muster ähnelt stark dem mehr als zehn Jahre langen Kommerzialisierungszyklus, den das autonome Fahren durchlaufen hat.
Daraus folgert Barclays, dass sich frühere Investitionsmöglichkeiten in den Bereichen Rechenleistung, Daten und Modelle befinden – also in der grundlegenden Infrastruktur, die für die Freischaltung des „GPT-Moments“ humanoider Roboter erforderlich ist. Der großskalige wirtschaftliche Einsatz der Hardware muss warten, bis die Intelligenzebene zuerst Durchbrüche erzielt.
02
Streitpunkt 2: Nachfrage nach Rechenleistung – begrenzter Zuwachs in Rechenzentren, der Rand ist das Hauptschlachtfeld
Die Auswirkungen humanoider Roboter auf die Rechenleistung müssen aus zwei Dimensionen betrachtet werden: zentralisierte Rechenleistung in Rechenzentren und verteilte KI-Rechenleistung am Rand.
Auf der Seite der Rechenzentren dient die Rechenleistung hauptsächlich zwei Arten von Aufgaben: Simulation und Generierung synthetischer Daten (für das Training und Testen von Strategien) sowie das Training und Nachtraining von Basismodellen (zur Aufbau der Intelligenz von der Wahrnehmung bis zur Handlung). Die Schlussfolgerung hingegen – der Prozess, in dem Roboter in der realen Welt in Echtzeit wahrnehmen, Entscheidungen treffen und handeln – muss auf speziellen Randprozessoren im Inneren des Roboters ausgeführt werden, da strenge Anforderungen an Latenz, Stromverbrauch, Zuverlässigkeit und Sicherheit gelten. Das bedeutet, dass die Inferenzlast humanoider Roboter nicht wie bei Agentic AI direkt zu einem erhöhten Bedarf in großen Rechenzentren führt. Für Rechenzentren stellen humanoide Roboter einen geringen Zuwachs dar; für das Edge Computing kann es sich jedoch um einen wichtigen Treiber handeln.
In einer Branche, in der die Kapazitäten von KI-Rechenzentren bereits angespannt sind, hat selbst ein solcher Zuwachs Gewicht. Ein noch wichtigerer Punkt ist: Die Nachfrage nach Rechenleistung expandiert vor dem Einsatz der Hardware. Entwickler benötigen enorme Mengen an Rechenleistung für Simulationen und Modelltraining, bevor Roboter großflächig zum Einsatz kommen.
Die Zusammenarbeit zwischen Figure und dem neuen Cloud-Dienstleister Nscale ist ein typisches Beispiel. Dieser mehrjährige Vertrag hat eine Anfangsinvestition von etwa 3,5 Milliarden US-Dollar und ein Zielvolumen von über 6 Milliarden US-Dollar, und kann bis zu 100.000 NVIDIA Vera Rubin GPUs unterstützen. Nach Schätzungen der vollen Konfiguration der Rack-Kapazität von etwa 3,0 bis 3,3 Kilowatt pro GPU entspricht dies einer IT-Kapazität von etwa 300 bis 330 Megawatt – in der Phase, in der humanoide Roboter noch nicht großflächig in Betrieb genommen wurden, hat allein die Entwicklung des „Gehirns“ bereits einen beträchtlichen zusätzlichen Bedarf an Rechenzentren geschaffen.
03
Streitpunkt 3: „Humanoid“ ist nicht unbedingt die optimale Lösung für Physical AI
Barclays geht davon aus, dass die erste Welle der Umwälzung durch Physical AI höchstwahrscheinlich nicht humanoid sein wird.
Was Barclays mit „noch zu früh“ meint, bezieht sich speziell auf voll autonome allgemeine humanoide Roboter. Davor sind KI-Roboter für spezifische Aufgaben bereits in mehreren Branchen im Einsatz. Kooperationsroboter (Cobots), autonome mobile Roboter (AMR), KI-Drohnen, vierbeinige Roboter – diese Roboter mit unterschiedlichen Formen greifen in die „dreckigen, langweiligen und gefährlichen“ Arbeitsplätze ein und decken zahlreiche Szenarien in Wirtschaft, Industrie und Verteidigung ab.
Derzeit hat Amazon mehr als 1 Million Roboter im Betrieb eingesetzt, darunter mobile Antriebseinheiten, AMR und KI-Steuerungssysteme, die nach Aufgaben und Formen gegliedert sind, und keiner davon ist humanoid. Atoms, ein Unternehmen von Travis Kalanick, dem Gründer von Uber, hat kürzlich eine Finanzierung in Höhe von 1,7 Milliarden US-Dollar abgeschlossen, die sich auf spezielle Industrieroboter und Physical AI-Systeme im Bergbau- und Transportbereich richtet.
Warum strebt man dann überhaupt nach Humanoiden? Barclays analysiert, dass es hauptsächlich zwei Gründe gibt:
Erstens ist die menschliche Welt auf den menschlichen Körper ausgerichtet. Treppen, Türen, Werkzeuge, Arbeitstische und Produktionslinien sind alle nach dem menschlichen Maßstab gestaltet. Humanoide Roboter können direkt in die vorhandene Umgebung eintreten, ohne dass die Infrastruktur für Roboter umgebaut werden muss.
Zweitens bieten allgemeine humanoide Roboter die Möglichkeit einer Mehrzweckplattform – derselbe Roboter transportiert Materialien, bedient Werkzeuge und inspiziert Geräte. Sein Wert liegt darin, dass eine Plattform zahlreiche Szenarien abdeckt, statt bei einer einzelnen Aufgabe spezielle Roboter zu übertreffen.
Aber wenn Aufgaben und Umfeld klar definiert sind, sind spezielle Lösungen oft schneller, günstiger und sicherer. In flachen Lagerhäusern sind Radroboter praktischer als zweibeinige Roboter, auf unebenen Gelände sind vierbeinige Roboter stabiler als zweibeinige, bei wiederholten Vorgängen sind spezielle Greifer präziser als Fünffingerhände. Die Wahl der Form hängt letztendlich von dem konkreten Szenario ab.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Hard AI“, Autor: Hard AI, das sich auf wissenschaftliche und technische Forschung und Produktion spezialisiert. Die Veröffentlichung erfolgt mit Genehmigung von 36Kr.