GPU-Unternehmen konkurrieren eifrig um die Herstellung von Roboterchips, warum wollen die Systemhersteller diese trotzdem selbst fertigen?
Einheimische GPU-Hersteller suchen neue Märkte außerhalb von Rechenzentren, und Roboter sind eine der Richtungen. Kürzlich hat Zhuhai Biren Integrated Circuit Co., Ltd. neue Anteilseigner von Shanghai Anxin Technology Co., Ltd. hinzugefügt.
Gleichzeitig hat UBTECH auch offengelegt, dass Xixuan Chuangzhi, das gemeinsam mit Muxi Co., Ltd. gegründet wurde, eine Angel-Finanzierung in Höhe von 500 Millionen Yuan abgeschlossen hat, wobei das erste Produkt auf die Endseitenberechnung für Roboter abzielt.
Von der Investition in Startups bis zur Gründung von Joint Ventures mit Geräteherstellern nähern sich GPU-Hersteller dem Robotermarkt auf unterschiedliche Weise. Gleichzeitig beteiligen sich Roboterunternehmen schon früher an der Chipherstellung. Die Frage lautet: Warum sollte man sich an der Chipherstellung beteiligen, wenn es immer mehr käufliche Produkte gibt? Welche Auslieferungsmenge ist erforderlich, um diese Investition zu stützen?
1. Der ehemalige Arbeitgeber wird zum aktuellen Konkurrenten?
Anxin Technology wurde im Dezember 2025 gegründet und konzentriert sich auf physische KI-Szenarien. Das Unternehmen gibt an, dass es plant, seine selbst entwickelte NPU-Architektur, Endseiten-Inferenzmodelle und präzise Bewegungssteuerungstechnologie zu kombinieren, wobei die Anwendungsbereiche auch intelligente Fertigung und autonomes Fahren umfassen.
Nach dieser gewerblichen Änderung hält Zhuhai Biren etwa 2,81 % der Anteile an Anxin Technology. TEDA Venture Capital, das Muxi bereits in der Angel-Runde investiert hat, hat ebenfalls über seinen Fonds Anteile an Anxin Technology erworben. Darüber hinaus gehören zu den Anteilseignern von Anxin Technology die jeweiligen Fonds von GL Ventures und iFlytek Venture Capital sowie Yanxin Microelectronics (Suzhou) Co., Ltd.
Sun Erjun, der tatsächliche Kontrolleur von Anxin Technology, hält mehr als 20 % der persönlichen Anteile. Bevor er zu Muxi kam, arbeitete er auf der Chipherstellungsplattform von Hisense, bei Canxin, Vimicro und Montage Technology und war bei Montage Leiter der Produktlinie sowie Direktor für Produkt und Marketing.
Im September 2020 beteiligte er sich an der Gründung von Muxi und war dort als Vizepräsident für Marketing und Chief Marketing Officer tätig. Muxi konzentriert sich auf die Entwicklung von allgemeinen GPUs und Hochleistungs-Rechenchips. Vor dem Hintergrund der stark steigenden Nachfrage nach einheimischer KI-Rechenleistung ging Muxi im Dezember 2025 an die Shanghai Sci-Tech Innovation Board (STAR Market). Laut dem Prospekt von Muxi verließ Sun Erjun das Unternehmen im August 2024 und gründete Anxin Technology mehr als ein Jahr später.
Fünf Monate später stieg sein ehemaliger Arbeitgeber Muxi in denselben Bereich ein und wurde zu einem der starken Konkurrenten auf diesem Gebiet. Xixuan Chuangzhi, an dessen Gründung Muxi beteiligt ist, positioniert seinen ersten selbst entwickelten Chip als SoC mit integriertem „Groß- und Kleinhirn“ für Roboter, also als System-on-Chip, das mit Nvidias Thor-Chip konkurrieren soll. Es ist geplant, 2027 eine Entwicklungs- und Verifizierungsplattform bereitzustellen und 2028 das SoC sowie zugehörige Lösungen in Serie zu produzieren. Die 500 Millionen Yuan aus der im November angekündigten Angel-Finanzierung werden für die Chinentwicklung, den Aufbau von Software-Toolchains und die gemeinsame Verifizierung mit Kunden verwendet.
Moore Threads und Iluvatar CoreX, die ebenfalls zu den „vier kleinen Drachen“ der einheimischen GPU-Branche gehören, haben bereits Endseiten-Rechenmodule für Roboter auf den Markt gebracht. Das MTT E300 von Moore Threads ist mit dem selbst entwickelten „Changjiang“-SoC ausgestattet, der CPU, GPU und NPU integriert und von Geräteherstellern für die lokale Wahrnehmung und Inferenz integriert werden kann. Iluvatar CoreX hat ebenfalls Module wie den Tongyang TY1100 auf den Markt gebracht und die Zusammenarbeit mit dem Roboterunternehmen Granulo offengelegt.
Für GPU-Hersteller kann die Erweiterung von Rechenzentren auf die Endseite von Robotern einen Teil der gesammelten Erfahrungen im Bereich Compiler, Operator-Bibliotheken und Modelloptimierung wiederverwenden. Roboter stellen jedoch unterschiedliche Anforderungen an Stromverbrauch, Arbeitsspeicher, Latenz und Körpergröße, sodass vorhandene Technologien noch angepasst werden müssen. Auf diese Weise können GPU-Hersteller nicht nur Embodied-Intelligence-Unternehmen die für Training und Simulation erforderliche Rechenleistung bereitstellen, sondern auch Rechenmodule und Bereitstellungstools an diese Unternehmen verkaufen.
Nvidia hat diesen Prozess bereits vollständig verbunden. Embodied-Intelligence-Unternehmen können mit dem Cosmos-Weltmodell synthetische Trainingsdaten generieren, Tools wie Isaac Sim und Isaac Lab unterstützen Simulation und Roboterlernen, Rechenzentrum-GPUs übernehmen das Modelltraining, Jetson wird für die Endseitenbereitstellung von Robotern verwendet und Tools wie TensorRT sind für die Inferenzoptimierung zuständig. Für Entwickler trägt die Nutzung desselben Software-Ökosystems dazu bei, den Migrationsaufwand zu reduzieren. Der Wechsel der Rechenplattform erfordert in der Regel eine erneute Modellanpassung, Leistungsoptimierung und Verifizierung am realen Gerät.
Die erwartete Steigerung der Roboterauslieferungsmengen gibt GPU-Herstellern ebenfalls den Grund, in die Endseiten-Rechenleistung zu investieren. Die Daten von IDC vom September haben die Prognose für die jährliche globale Auslieferungsmenge von humanoiden Robotern im Jahr 2030 um etwa 50 % auf über 750.000 Einheiten angehoben. Im ersten Halbjahr 2026 lag die globale Auslieferungsmenge von humanoiden Robotern bei fast 25.000 Einheiten, was einem Anstieg von 432,1 % gegenüber dem Vorjahr entspricht. Mit der steigenden Auslieferungsmenge wird der Roboter selbst voraussichtlich zu einem neuen Rechenleistungsmarkt für GPU-Hersteller.
Die Zunahme von Chipprodukten bedeutet jedoch nicht, dass jedes Produkt genau die Anforderungen der Geräte erfüllt. Für Roboterunternehmen ist der Kauf fertiger Chips, die gemeinsame Entwicklung mit Lieferanten und die Gründung von Joint-Venture-Chipherstellungsunternehmen zu unterschiedlichen Optionen geworden.
2. Warum beteiligen sich Embodied-Intelligence-Unternehmen ebenfalls stärker an der Chipherstellung?
Die stärkere Beteiligung von Embodied Intelligence an der Chipherstellung hat unter anderem Kosteneinflüsse. Zhou Jian, Vorsitzender von UBTECH, sagte einmal: „Überseeische Chips sind zu teuer und machen ein Drittel der Kosten für die Hardware-Beschaffung aus.“ Die Senkung dieser Kosten ist einer der Gründe, warum UBTECH gemeinsam mit Muxi Chips entwickelt. Der Wechsel zu einheimischen Chips ist ebenfalls mit Anpassungskosten verbunden, und Embodied-Intelligence-Unternehmen müssen berücksichtigen, wie vertraut das Team mit neuen Tools ist und wie viel zusätzliches Personal für die Migration von Algorithmen und die Fehlerbehebung von Robotern erforderlich ist.
Für Embodied-Intelligence-Unternehmen ist es angesichts der hohen Kosten für den Chipeinkauf und der mit dem Wechsel der Produktarchitektur verbundenen Kosten eine vernünftige Wahl, sich an der Entwicklung zu beteiligen und Chips entsprechend den Produktanforderungen zu definieren.
Das Embodied-Intelligence-Unternehmen Galaxy General hat im November 2025 mit dem Automobil-Chiphersteller CoreChips Technology eine Vereinbarung unterzeichnet, um gemeinsam die nächste Generation von Roboterchips zu entwickeln. Laut der Beschreibung wird Galaxy General die Anforderungen aus Multimodal-Modellen und praktischen Roboteranwendungen in das Chipdesign einbringen, während CoreChips Technology Erfahrungen in den Bereichen Chinentwicklung, Serienproduktion und Lieferkette bereitstellt.
Die Zusammenarbeit zwischen UBTECH und Muxi folgt einem ähnlichen Konzept. Zhou Jian erklärte einmal, dass er hoffe, die im Rahmen der Roboterentwicklung und -anwendung gesammelten Anforderungen schon früher in das Chipdesign einzubringen und die Produkte durch reale Aufgaben zu verifizieren.
Je früher Chips in den Entwicklungsprozess einbezogen werden, desto mehr Anpassungsspielraum besteht vor der Produktabstimmung. Am Beispiel von Songyan Power und GigaDevice: Die beiden Unternehmen arbeiten bereits seit der frühen Chipselektion für den verbraucherorientierten humanoiden Roboter Bumi zusammen und setzen diese Zusammenarbeit bis zur Serienproduktion fort.
Bei der Entwicklung des nächsten Produkts wollte Songyan Power 21 Freiheitsgrade in einem kompakten Gehäuse realisieren und den neuen Gelenksteuerungschip von GigaDevice in die Bewertung einbeziehen. Dieser Chip integriert einen Teil der Schaltkreise, die zum Auslesen der Position und Drehzahl des Motors erforderlich sind, und kann die Peripheriekomponenten auf der Gelenktreiberplatine reduzieren. Für das Entwicklungsteam gilt: Je früher bestätigt werden kann, wie klein die Leiterplatte ausgeführt werden kann, desto höher ist der Freiheitsgrad bei der Anpassung der Gelenkstruktur.
Dies erklärt auch, warum die Grenzen zwischen Embodied-Intelligence-Unternehmen und Chipherstellern immer verschwommener werden. Embodied-Intelligence-Unternehmen wissen am besten, welche Aufgaben die Roboter für Kunden erfüllen sollen, und sind auch für die endgültigen Betriebsergebnisse verantwortlich. Je früher sie sich an der Chipherstellung beteiligen, desto mehr Spielraum haben sie, diese Anforderungen in das Chipdesign einzubringen und vor der Produktabstimmung mit realen Aufgaben zu verifizieren, ob Chips und Roboter die Erwartungen erfüllen.
Die Beteiligung an der Chipherstellung bringt jedoch auch eine neue Herausforderung mit sich: Lohnt sich die Investition in die Entwicklung selbst entwickelter Chips?
Unternehmen, die sowohl Autos als auch Roboter herstellen, haben die Möglichkeit, die Chipherstellungskosten auf beide Produktkategorien zu verteilen. Am Beispiel von XPeng: Der IRON-Roboter und die Turing-Chips in XPeng-Autos haben dieselbe Konfiguration. Die kumulierte Auslieferungsmenge von Turing-Chips hat bereits 200.000 Stück überschritten, fast alle davon stammen aus dem Automobilbereich, und die Entwicklungsinvestitionen werden hauptsächlich durch das Automobilgeschäft getragen. Es ist bekannt, dass die Herstellungskosten pro Turing-Chip auf 2500 bis 3000 Yuan gesunken sind.
Für Embodied-Intelligence-Unternehmen, die die Entwicklungskosten hauptsächlich durch die Auslieferung von Robotern verteilen, ist die Herstellung von Chips, die den Anforderungen der Geräte entsprechen, ein technisches Problem, das durch kontinuierliche Investitionen gelöst werden kann.
Die wichtigere Frage lautet: Ist die Eigenentwicklung kostengünstiger als der Kauf fertiger Chips? Nur wenn Unternehmen kontinuierlich Aufträge erhalten und das Liefervolumen erweitern, haben sie die Möglichkeit, die Entwicklungskosten auf genügend viele Roboter zu verteilen und der Eigenentwicklung einen Kostenvorteil zu verschaffen. Dies stellt auch höhere Anforderungen an die kommerzielle Fähigkeit der Unternehmen.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Vierte Welle“, verfasst von Wang Chen und Chen Junyi, und wird von 36Kr mit Genehmigung veröffentlicht.