■ Investment view: wij hebben er hier al vaker op gewezen dat robotics een volgende grote groeimarkt binnen AI kan worden. Die ontwikkeling komt dichterbij nu NVIDIA physical AI nadrukkelijk als een volgende grote groeifase positioneert en daar steeds meer chips, software en ontwikkeltechnologie voor bouwt. Voor beleggers kan daarmee een nieuwe investeringscyclus ontstaan die veel verder reikt dan alleen robotbouwers.
■ De potentiële markt omvat zowel hardware als software. Intelligente machines hebben meer processors, memory, sensoren, machine vision, connectivity en real-time control nodig, terwijl software bepaalt hoeveel taken dezelfde robot uiteindelijk zelfstandig kan uitvoeren.
■ De markt begint niet bij humanoids. Industriële robots, logistieke automatisering en autonome machines zijn al commercieel actief. AI kan die bestaande markt versnellen doordat robots flexibeler worden, minder handmatig programmeerwerk nodig hebben en voor meer verschillende werkzaamheden inzetbaar worden.
■ De economische doorbraak komt wanneer de kosten per uitgevoerde taak structureel dalen. Hogere utilization, goedkopere hardware en betere software kunnen de terugverdientijd verkorten, terwijl arbeidsschaarste en stijgende loonkosten automatisering aantrekkelijker maken.
■ Voor beleggers wordt vooral belangrijk waar de winstpool terechtkomt. Chips, software, vision, sensoren en terugkerende service-inkomsten kunnen uiteindelijk aantrekkelijker blijken dan de productie van de complete robot zelf. De groeigolf moet worden bevestigd door grotere herhaalorders, stijgende utilization en aantoonbaar betere unit economics.

Wij hebben er hier al vaker op gewezen dat robotics een volgende grote groeimarkt binnen AI kan worden. Die gedachte krijgt steeds meer gewicht nu NVIDIA physical AI steeds nadrukkelijker naar voren schuift als een volgende fase van kunstmatige intelligentie. Het bedrijf spreekt inmiddels over een ChatGPT-moment voor robotics en investeert tegelijkertijd in de technologie die nodig is om AI vanuit het datacenter naar fysieke machines te brengen.

Voor beleggers is vooral die overgang belangrijk. De eerste grote AI-golf draaide om modellen die tekst, beelden en software produceren. Robotics voegt daar een nieuwe laag aan toe: machines die hun omgeving kunnen waarnemen, zelfstandig beslissingen nemen en vervolgens fysiek handelen. Daarmee ontstaat een markt waarin chips en software samen moeten opschalen.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

Investment view

Wij verwachten dat robotics de komende jaren steeds belangrijker kan worden binnen de bredere AI-investeringscyclus. De kans zit daarbij niet uitsluitend in het aantal robots dat uiteindelijk wordt verkocht. Iedere intelligentere machine vraagt om meer rekenkracht, betere waarneming en complexere software, waardoor een veel bredere technologische waardeketen kan profiteren.

Dat maakt de ontwikkeling interessant voor beleggers. De eerste AI-golf concentreerde een groot gedeelte van de winst bij datacenterinfrastructuur. Physical AI kan de vraag juist verspreiden over semiconductors, edge computing, industriële software, machine vision, sensoren, motion control en connectivity. Wanneer die markt daadwerkelijk begint te versnellen, ontstaat daarmee een nieuwe structurele afzetmarkt voor grote delen van de technologiesector.

NVIDIA zet zwaar in op physical AI

NVIDIA probeert binnen robotics dezelfde infrastructuurpositie op te bouwen die het bij generatieve AI heeft verworven. Het bedrijf richt zich niet op één type robot, maar op de technologie waarmee verschillende soorten machines kunnen worden ontwikkeld, getraind, gesimuleerd en aangestuurd.

Dat begint bij zware compute voor het trainen van AI-modellen en loopt door naar simulation, robotmodellen en processors die uiteindelijk in de machine zelf terechtkomen. Daardoor kan dezelfde roboticsmarkt zowel extra datacentervraag als nieuwe vraag naar edge computing creëren.

Voor beleggers maakt dat de ontwikkeling relevant. Wanneer physical AI daadwerkelijk op grote schaal wordt toegepast, ontstaat naast de bestaande datacenterbusiness een tweede omgeving waarin steeds meer AI-rekenkracht nodig is. De potentiële markt wordt daarmee veel groter dan alleen de hardware van de robot zelf.

Robotics opent een nieuwe chipmarkt

Een intelligente machine moet lokaal kunnen reageren. Een robot in een fabriek of magazijn kan voor iedere beweging niet eerst informatie naar een datacenter sturen en wachten op een antwoord. Camera's, sensoren en andere inputs moeten vaak binnen milliseconden worden verwerkt.

Dat verhoogt de hoeveelheid elektronica per machine. Naast AI-processors zijn memory, controllers, connectivity, power management en chips voor sensorverwerking en motorbesturing nodig. Naarmate robots meer zelfstandig waarnemen en beslissen, kan de waarde van de semiconductorcontent per systeem verder stijgen.

Daarmee kan robotics een nieuwe structurele groeimarkt voor de chipindustrie worden. Niet alleen doordat er meer machines komen, maar doordat iedere nieuwe generatie aanzienlijk meer rekenkracht en elektronische functionaliteit nodig kan hebben dan traditionele industriële automatisering.

Software maakt de grote schaal mogelijk

De hardware bepaalt wat een robot fysiek kan uitvoeren, maar software bepaalt hoeveel economische waarde dezelfde machine uiteindelijk kan leveren.

Traditionele industriële robots zijn vaak geprogrammeerd voor één nauw omschreven taak. Wanneer het product of de werkomgeving verandert, is opnieuw engineering nodig. AI kan dat model veranderen door machines beter te laten waarnemen, afwijkingen te laten begrijpen en nieuwe werkzaamheden sneller aan te leren.

Simulation speelt daarbij een belangrijke rol. Robots kunnen in digitale omgevingen miljoenen situaties doorlopen voordat ze daadwerkelijk worden ingezet. Dat verlaagt ontwikkelkosten en kan de tijd tussen ontwerp en commerciële toepassing verkorten.

Voor beleggers wordt software daardoor een belangrijk onderdeel van de winstpool. Wanneer een robot tijdens zijn levensduur nieuwe functies kan krijgen zonder dat de hardware hoeft te worden vervangen, stijgt de economische waarde van de installed base.

De markt is veel groter dan humanoids

Humanoids trekken de meeste aandacht omdat zij het duidelijkste beeld geven van waar physical AI uiteindelijk naartoe kan gaan. De eerste grote commerciële groei hoeft daar echter niet vandaan te komen.

Industriële robots, autonome mobiele machines, logistieke systemen en andere gespecialiseerde toepassingen bestaan al op grote schaal. AI hoeft daar geen volledig nieuwe markt te creëren, maar kan bestaande systemen veel flexibeler maken.

Dat kan de adoptie versnellen. Een machine die eenvoudiger te installeren is, minder programmering nodig heeft en verschillende werkzaamheden kan uitvoeren, wordt interessant voor een veel grotere groep bedrijven. Daarmee verschuift robotics langzaam van gespecialiseerde automatisering voor grote fabrieken naar een technologie die in steeds meer sectoren economisch inzetbaar wordt.

Humanoids kunnen de addressable market later nog veel groter maken, vooral omdat bestaande fabrieken, magazijnen en andere werkomgevingen oorspronkelijk voor mensen zijn ontworpen. De economische doorbraak komt echter pas wanneer betrouwbaarheid, utilization en kosten per gewerkt uur voldoende concurrerend worden.

Dalende kosten kunnen de versnelling veroorzaken

De combinatie van betere AI en dalende hardwarekosten kan een belangrijk kantelpunt veroorzaken.

Goedkopere compute en sensoren verlagen de aanschafprijs, terwijl intelligentere software ervoor zorgt dat dezelfde machine meer werkzaamheden kan uitvoeren. Hierdoor daalt de kostprijs per taak vanaf twee kanten tegelijk.

Arbeid versterkt die ontwikkeling. In veel ontwikkelde economieën worden werknemers duurder en moeilijker te vinden, terwijl vergrijzing de beschikbaarheid van personeel verder onder druk zet. Een robot hoeft daardoor niet perfect te zijn. Hij moet uiteindelijk goedkoper en betrouwbaarder worden dan het bestaande alternatief.

Wanneer die rekensom in steeds meer sectoren positief wordt, kan adoptie plotseling veel sneller gaan. Dat is waarschijnlijk het moment waarop robotics van een technologische groeimarkt verandert in een veel bredere kapitaalinvesteringscyclus.

Waar kan de grootste winstpool ontstaan?

Meer robotverkopen betekenen niet automatisch dat de grootste winsten bij producenten van complete robots terechtkomen. Naarmate productievolumes stijgen, kunnen hardwareprijzen juist dalen en marges onder druk komen.

De aantrekkelijkste economische posities kunnen daardoor eerder ontstaan bij technologie die vrijwel iedere intelligente machine nodig heeft. Compute, vision, sensoren, connectivity en control profiteren van hogere volumes, terwijl software en service een veel groter terugkerend karakter kunnen krijgen.

Juist die terugkerende omzet kan belangrijk worden. Software-updates, fleet management, onderhoud, data en Robotics-as-a-Service kunnen jarenlang inkomsten genereren nadat de oorspronkelijke hardware al is verkocht.

Voor beleggers kan daarmee dezelfde verschuiving ontstaan die eerder bij andere technologiesectoren zichtbaar was: de hardware maakt de markt mogelijk, maar de hoogste marges ontstaan uiteindelijk rond software, platforms en terugkerende diensten.

Wat moet de groeigolf bevestigen?

De belangrijkste signalen zijn uiteindelijk commercieel en niet technologisch. Nieuwe demonstraties laten zien wat mogelijk is, maar grote vervolgbestellingen laten zien dat klanten daadwerkelijk rendement behalen.

Beleggers moeten daarom vooral letten op stijgende robotinstallaties, grotere herhaalorders en een bredere adoptie buiten traditionele industrieën. Tegelijk moeten robots meer productieve uren kunnen draaien en eenvoudiger voor nieuwe werkzaamheden worden ingezet.

Aan de kostenkant moet de prijs per uitgevoerde taak blijven dalen. Wanneer hardware goedkoper wordt terwijl utilization stijgt, verbetert de terugverdientijd snel. Aan de softwarekant wordt het belangrijk dat een steeds groter deel van de omzet terugkerend wordt.

Voor humanoids geldt uiteindelijk dezelfde test, maar de lat ligt hoger. De markt heeft geen nieuwe spectaculaire prototypes nodig, maar grote aantallen machines die dagelijks betaald werk uitvoeren.

De investment case

De eerste AI-groeigolf draaide om het bouwen van digitale intelligentie. De volgende kan ontstaan wanneer die intelligentie daadwerkelijk de fysieke wereld binnengaat.

Dat maakt robotics voor beleggers veel groter dan alleen de robot zelf. Iedere intelligente machine creëert potentiële vraag naar chips, software, vision, sensoren, connectivity en besturing. Wanneer machines via software bovendien steeds meer taken kunnen uitvoeren, stijgt de economische waarde van die hardware tijdens de hele levensduur.

NVIDIA zet inmiddels duidelijk in op deze ontwikkeling. Als die visie uitkomt, kan robotics uitgroeien tot een van de belangrijkste nieuwe afzetmarkten van de AI-cyclus. De echte beurskans zit dan niet in de vraag óf er meer robots komen, maar in welke delen van de hardware- en softwareketen het grootste gedeelte van de nieuwe winstpool terechtkomt.

English

The Next AI Growth Wave Is Coming From Robotics

■ Investment view: we have repeatedly pointed to robotics as a potential next major growth market within AI. That opportunity is moving closer as NVIDIA increasingly positions physical AI as a major next growth phase and continues building the chips, software and development technology required to enable it. For investors, this could create a new investment cycle extending far beyond robot manufacturers themselves.
■ The potential market spans both hardware and software. Intelligent machines require more processors, memory, sensors, machine vision, connectivity and real-time control, while software determines how many different tasks the same robot can ultimately perform autonomously.
■ The market does not begin with humanoids. Industrial robots, logistics automation and autonomous machines are already commercially deployed. AI can accelerate those existing markets by making robots more flexible, reducing manual programming requirements and expanding the number of tasks they can perform.
■ The economic breakthrough comes when cost per completed task declines structurally. Higher utilization, cheaper hardware and better software can shorten payback periods, while labor shortages and rising wages make automation increasingly attractive.
■ For investors, the key question is where the profit pool ultimately lands. Chips, software, vision, sensors and recurring service revenue may prove more attractive than manufacturing the complete robot itself. The growth wave needs to be confirmed by larger repeat orders, rising utilization and demonstrably improving unit economics.

We have repeatedly highlighted robotics as a potential next major growth market within AI. That thesis is gaining weight as NVIDIA increasingly presents physical AI as a next stage of artificial intelligence. The company now speaks of a ChatGPT moment for robotics while simultaneously investing in the technology needed to move AI from the data center into physical machines.

For investors, that transition matters most. The first major AI wave centered on models generating text, images and software. Robotics adds another layer: machines that can perceive their environment, make autonomous decisions and then act physically. This creates a market in which chips and software must scale together.

Investment view

We expect robotics to become increasingly important within the broader AI investment cycle over the coming years. The opportunity is not limited to the number of robots ultimately sold. Every more intelligent machine requires greater compute, better perception and more sophisticated software, allowing a much broader technology value chain to participate.

The first AI wave concentrated a large share of profits in data-center infrastructure. Physical AI can spread demand across semiconductors, edge computing, industrial software, machine vision, sensors, motion control and connectivity. If the market begins to accelerate, it can create a new structural end market for large parts of the technology sector.

NVIDIA is investing heavily in physical AI

NVIDIA is attempting to build the same kind of infrastructure position in robotics that it established in generative AI. Rather than focusing on one type of robot, it is building technology that can be used to develop, train, simulate and control many different types of machines.

That starts with high-performance compute for training AI models and extends to simulation, robotics models and processors that eventually operate inside the machine itself. The same robotics market can therefore generate both additional data-center demand and a new source of edge-computing demand.

For investors, this makes the development significant. If physical AI reaches large-scale adoption, a second environment requiring increasing amounts of AI compute emerges alongside the existing data-center business. The potential market therefore extends far beyond the hardware of the robot itself.

Robotics opens a new semiconductor market

An intelligent machine needs to react locally. A robot operating in a factory or warehouse cannot send every movement decision to a data center and wait for a response. Cameras, sensors and other inputs often need to be processed within milliseconds.

That increases the electronic content of each machine. Beyond AI processors, robots require memory, controllers, connectivity, power management and chips for sensor processing and motor control. As robots become more capable of perceiving and deciding autonomously, semiconductor value per system can continue rising.

Robotics could therefore become a new structural growth market for the chip industry, not only because more machines are deployed, but because each new generation may require significantly greater compute and electronic functionality than traditional industrial automation.

Software makes large-scale adoption possible

Hardware determines what a robot can physically perform, but software determines how much economic value the same machine can ultimately deliver.

Traditional industrial robots are often programmed for one narrowly defined task. When the product or working environment changes, additional engineering is required. AI can change that model by improving perception, allowing machines to understand deviations and enabling new tasks to be learned more quickly.

Simulation plays an important role. Robots can encounter millions of scenarios in digital environments before being deployed physically. This reduces development costs and can shorten the time between design and commercial use.

Software therefore becomes an important part of the profit pool. If a robot can gain new functionality throughout its lifetime without requiring replacement hardware, the economic value of the installed base increases.

The market is much bigger than humanoids

Humanoids attract the most attention because they provide the clearest image of where physical AI could eventually go. The first major wave of commercial growth, however, does not need to come from them.

Industrial robots, autonomous mobile machines, logistics systems and other specialized applications already operate at significant scale. AI does not need to create an entirely new market in these areas. It can make existing systems considerably more flexible.

That can accelerate adoption. A machine that is easier to install, requires less programming and can perform multiple tasks becomes attractive to a much larger group of businesses. Robotics can therefore gradually move beyond highly specialized automation in large factories toward technology that is economically viable across many more industries.

Humanoids could eventually expand the addressable market considerably, particularly because existing factories, warehouses and other workplaces were originally designed around humans. The economic breakthrough will only come, however, when reliability, utilization and cost per productive hour become sufficiently competitive.

Falling costs can trigger acceleration

The combination of better AI and declining hardware costs can create an important tipping point.

Cheaper compute and sensors reduce the purchase price, while more intelligent software allows the same machine to perform more work. Cost per task therefore falls from two directions at once.

Labor economics reinforces this trend. Workers are becoming more expensive and harder to find in many developed economies, while aging populations put further pressure on labor availability. A robot does not need to be perfect. It ultimately needs to become cheaper and more reliable than the existing alternative.

Once that equation becomes positive across a growing number of industries, adoption can accelerate rapidly. That is likely the point at which robotics develops from a technology growth market into a much broader capital-investment cycle.

Where can the largest profit pool emerge?

More robot sales do not automatically mean that manufacturers of complete robots will generate the largest profits. As production volumes increase, hardware prices may fall and margins can come under pressure.

The most attractive economic positions may instead develop around technologies required by almost every intelligent machine. Compute, vision, sensors, connectivity and control benefit from greater volumes, while software and service can produce a much larger recurring revenue component.

That recurring revenue could become particularly important. Software updates, fleet management, maintenance, data and Robotics-as-a-Service can generate income for years after the original hardware has been sold.

For investors, this could create the same shift seen in other areas of technology: hardware enables the market, while the highest margins ultimately emerge around software, platforms and recurring services.

What needs to confirm the growth wave?

The most important signals will ultimately be commercial rather than technological. New demonstrations show what is possible, but large follow-on orders show that customers are actually earning a return.

Investors should therefore focus on rising robot installations, larger repeat orders and broader adoption outside traditional industrial markets. Robots must also operate more productive hours and become easier to redeploy across new tasks.

Cost per completed task needs to keep falling. If hardware becomes cheaper while utilization rises, payback periods improve quickly. On the software side, a growing share of revenue should become recurring.

Humanoids face the same test, but the threshold is higher. The market does not need more spectacular prototypes. It needs large numbers of machines performing paid work every day.

The investment case

The first AI growth wave was about building digital intelligence. The next may begin when that intelligence moves into the physical world.

That makes robotics much larger for investors than the robot itself. Every intelligent machine creates potential demand for chips, software, vision, sensors, connectivity and control. If software also allows machines to perform more tasks over time, the economic value of the hardware rises throughout its useful life.

NVIDIA is now clearly positioning for this development. If that vision proves correct, robotics could become one of the most important new end markets created by the AI cycle. The real investment opportunity will then not be whether more robots are coming, but which parts of the hardware and software value chain capture the largest share of the new profit pool.