In zijn keynote op CES 2026 schetste Jensen Huang zijn visie op robots. Volgens de CEO van NVIDIA staat de sector aan het begin van een nieuwe fase, waarin AI zich verplaatst van software op schermen naar systemen die daadwerkelijk kunnen handelen in de fysieke wereld. Robots, autonome voertuigen en industriële automatisering zijn in zijn visie geen losse domeinen, maar onderdelen van één bredere ontwikkeling: physical AI.
Huang omschreef physical AI als een noodzakelijke stap voorbij taal- en visiemodellen. Robots moeten niet alleen beelden of instructies interpreteren, maar ook begrijpen hoe de wereld zich gedraagt. “De vraag is hoe je iets dat intelligent is in een computer verandert in iets dat met de echte wereld kan omgaan,” zei hij. Daarbij noemde hij elementaire concepten die voor mensen vanzelfsprekend zijn, maar voor machines niet: objectpermanentie, oorzaak en gevolg, wrijving, zwaartekracht en traagheid.
Robotica vraagt om een volledige stack
Een kernpunt in Huangs betoog is dat robotica niet kan worden gebouwd rond één enkel AI-model. Physical AI vraagt om een volledige technische stack, opgebouwd uit drie soorten computers. “Dit systeem vereist drie computers,” stelde hij. Eén voor het trainen van modellen, één voor het uitvoeren ervan op de machine zelf, en een derde voor simulatie.
Die laatste is volgens Huang cruciaal. Simulatie maakt het mogelijk om gedrag veilig te testen en te evalueren, zonder afhankelijk te zijn van eindeloze fysieke experimenten. “Simulatie staat centraal in bijna alles wat NVIDIA doet,” aldus Huang. In dat kader positioneerde hij Omniverse als de fysisch realistische digital-twinomgeving van het bedrijf, en Isaac Sim en Isaac Lab als de omgevingen waarin robots hun vaardigheden leren. Tijdens een demonstratie met robots op het podium vatte hij het kernachtig samen: “Zo leer je een robot hoe hij een robot moet zijn.”
Van data verzamelen naar data genereren
Huang benadrukte dat het verzamelen van echte robotdata een structureel knelpunt vormt. Het is duur, traag en levert nooit voldoende variatie op om alle mogelijke situaties af te dekken. NVIDIA’s antwoord is synthetische data, gegenereerd in simulatie en expliciet gebaseerd op natuurkundige wetten.
“De fysieke wereld is divers en onvoorspelbaar. Het verzamelen van echte trainingsdata is langzaam en kostbaar, en het is nooit genoeg,” klonk het in een begeleidende video. Met zijn wereldmodel Cosmos wil NVIDIA dat probleem omzeilen door realistisch ogende en fysisch plausibele scenario’s te genereren. Huang vatte dat principe samen als: compute omzetten in data.
Cosmos werd gepresenteerd als een zogenoemd ‘world foundation model’ voor physical AI, dat taal, beelden, 3D-informatie en actie aan elkaar koppelt. Volgens Huang nadert “het ChatGPT-moment voor physical AI”, maar alleen als synthetische data een centrale rol krijgt.
Eén aanpak, veel soorten robots
Hoewel autonome voertuigen een prominente rol speelden in de keynote, maakte Huang duidelijk dat dit slechts één toepassing is van dezelfde onderliggende aanpak. Zelfrijdende auto’s ziet hij als een vroege, grootschalige roboticasector, maar niet als een uitzondering.
“Deze basistechniek is toepasbaar op elke vorm van robotica,” zei hij, van vaste manipulators en mobiele robots tot volledig humanoïde systemen. In dat verband noemde hij ook NVIDIA’s humanoïde-initiatieven, waaronder het Groot-model voor mobiliteit en articulatie. Later in de keynote verwees hij naar de brede diversiteit aan robots die inmiddels met NVIDIA-technologie worden ontwikkeld: industriële en servicerobots, logistieke systemen, bezorgrobots, chirurgische robots en collaboratieve armen.
Fabrieken als ‘gigantische robots’
Huang trok de robotica-gedachte verder door naar de industrie. In zijn visie worden fabrieken en productielijnen steeds vaker volledig digitaal ontworpen, gesimuleerd en getest voordat ze fysiek bestaan. Daarmee verschuift ook de schaal van robotica.
“We moeten de fabrieken bouwen die jullie maken,” zei hij. “En die fabrieken worden in feite gigantische robots.” In het deel van de keynote over industriële samenwerking, onder meer met Siemens, koppelde hij dit direct aan maatschappelijke druk zoals arbeidskrapte. Fysieke AI en robotica worden volgens hem onmisbaar om productiecapaciteit op peil te houden.
Robotica als platform, niet als product
Door de hele keynote heen zette Huang robotica neer als een platformverschuiving, vergelijkbaar met eerdere overgangen in de computerindustrie. Niet de afzonderlijke robot staat centraal, maar het ecosysteem eromheen: simulatie, synthetische data, training en edge-inference als één samenhangend geheel. Zoals Huang het formuleerde: het gaat uiteindelijk niet alleen om de robot zelf. “Het gaat om de weg ernaartoe.”
