# Чому китайські роботи все ще залежать від чипів Nvidia > Китайські виробники роботів у 2026 році досі залежать від чипів і софту Nvidia, чий напрям physical AI приносить компанії близько $10 млрд на рік. - Опубліковано: 30 серпня 2026 р. (2026-08-30T06:36:00.452604+00:00) - Розділ: Бізнес - На основі публікації: [Techmeme](https://www.techmeme.com/260830/p2#a260830p2) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=%D1%87%D0%BE%D0%BC%D1%83-%D0%BA%D0%B8%D1%82%D0%B0%D0%B9%D1%81%D1%8C%D0%BA%D1%96-%D1%80%D0%BE%D0%B1%D0%BE%D1%82%D0%B8-%D0%B2%D1%81%D0%B5-%D1%89%D0%B5-%D0%B7%D0%B0%D0%BB%D0%B5%D0%B6%D0%B0%D1%82%D1%8C-%D0%B2%D1%96%D0%B4-%D1%87%D0%B8%D0%BF%D1%96%D0%B2-nvidia --- Китайські виробники роботів у 2026 році досі вбудовують чипи та софт Nvidia у свої серійні платформи — попри роки держпрограм з імпортозаміщення та експортні обмеження США на просунуті GPU. За даними [Techmeme](https://www.techmeme.com/260830/p2#a260830p2), інсайдери галузі кажуть, що альтернативи від Huawei, Cambricon чи інших локальних постачальників кремнію поки не дотягують ні за продуктивністю, ні за зрілістю програмного стеку до рішень Nvidia. Напрям **physical AI** — обчислення для роботів, безпілотних машин і промислової автоматизації — вже приносить компанії близько 10 мільярдів доларів річного доходу. Це важлива деталь на тлі того, як Пекін роками закликає національних виробників електроніки й ШІ переходити на власну елементну базу. У сегменті великих мовних моделей китайські компанії справді просунулися — від Baidu до DeepSeek — частково завдяки чипам Huawei Ascend. Але робототехніка виявилась іншим випадком: тут критична не лише сира обчислювальна потужність, а весь стек — від CUDA й TensorRT до готових бібліотек для sim-to-real перенесення навичок. Для AI-білдерів, які працюють з фізичними системами, це сигнал: залежність від однієї екосистеми в робототехніці глибша й довша, ніж у звичайному ML-інференсі, і швидко її не розірвати навіть під політичним тиском. ## Чому власні чипи Китаю не замінюють Nvidia в роботах? Головна причина — не бракує кремнію як такого, а бракує зрілої програмної екосистеми навколо нього. Nvidia роками інвестувала в CUDA, Isaac Sim, Jetson-плати для edge-інференсу та готові пайплайни для навчання маніпуляцій і локомоції. Локальні альтернативи здебільшого конкурують на рівні «флопс на долар», але не пропонують еквівалента інструментів для симуляції, збору синтетичних даних чи налагодження моделей просто на роботі. - Для LLM-інференсу достатньо конкурентного чипа й базового рантайму — переключення відносно дешеве. - Для робототехніки потрібен весь ланцюжок: симулятор, тренувальний стек, edge-модуль, драйвери сенсорів — і все це має працювати разом. - Заміна одного елемента цього ланцюжка без еквівалентів для решти часто означає втрату місяців розробки. ## Що означають ці 10 мільярдів доларів для Nvidia? Це підтвердження того, що physical AI перестав бути нішевим напрямом і став окремою статтею доходу поруч із дата-центрами. Компанія раніше вже позиціювала Jetson Thor і платформу Isaac як інфраструктуру для «мільярда роботів», і виручка від китайського ринку — де виробників дронів, промислових маніпуляторів і сервісних роботів особливо багато — показує, що ставка працює навіть в умовах експортних обмежень на топові дата-центрові прискорювачі. Формально під санкції потрапляють найпотужніші GPU на кшталт H100/H200, тоді як менш потужні чипи для edge-робототехніки і частина програмного стеку залишаються доступними або йдуть через дозволені канали. Ми вже писали, [чому перевага Nvidia в AI вже не лише про GPU-чипи](https://aiin.news/article?slug=чому-перевага-nvidia-в-ai-вже-не-лише-про-gpu-чипи) — і кейс китайської робототехніки це підтверджує ще раз на новому ринку. ## Що це означає для AI-білдерів поза Китаєм? Практичний висновок простий: якщо ви будуєте продукт на стику ШІ й фізичного світу — робота, дрона, автономну платформу — закладайте залежність від екосистеми Nvidia як базовий сценарій, а не як тимчасове рішення на етапі прототипу. Перехід на альтернативний стек пізніше обійдеться дорожче, ніж у чистому софтверному ML, саме через глибину інтеграції симуляції, тренування й edge-виконання в один ланцюжок. ## Висновок AiiN За нашою оцінкою, історія з китайськими роботами показує межі держпрограм з імпортозаміщення в AI-хардвері: гроші й політична воля можуть підняти власне виробництво чипів, але не можуть за кілька років відтворити десятиліття накопиченого софтверного стека й розробницької культури навколо нього. Nvidia контролює фізичний AI не тому, що в неї немає конкурентів у кремнії, а тому, що альтернативам бракує всього іншого навколо чипа. Це робить позицію компанії стійкішою до експортних обмежень, ніж здається на перший погляд, — бо обмежити можна поставки заліза, але не так просто відірвати ринок від інструментів, у яких він уже навчився працювати. ## Чи стосуються експортні обмеження США і робототехнічних чипів Nvidia? Обмеження в першу чергу цілять у найпотужніші дата-центрові прискорювачі (клас H100/H200/Blackwell) для тренування великих моделей, а не в увесь модельний ряд для edge-робототехніки. Частина продуктів для physical AI підпадає під менш суворий режим, тому китайські виробники роботів зберігають доступ до значної частини стека Nvidia навіть в умовах санкцій. ## Чи можуть Huawei або Cambricon швидко закрити цю нішу? За наявними даними — навряд чи швидко: інсайдери галузі вказують саме на розрив у програмному стеку й інструментах симуляції, а не в самому кремнії, а такий розрив закривається роками, а не одним поколінням чипів. --- Теги: Nvidia, робототехніка, PhysicalAI, Китай, AI-чипи Джерело: AiiN — https://aiin.news/article?slug=%D1%87%D0%BE%D0%BC%D1%83-%D0%BA%D0%B8%D1%82%D0%B0%D0%B9%D1%81%D1%8C%D0%BA%D1%96-%D1%80%D0%BE%D0%B1%D0%BE%D1%82%D0%B8-%D0%B2%D1%81%D0%B5-%D1%89%D0%B5-%D0%B7%D0%B0%D0%BB%D0%B5%D0%B6%D0%B0%D1%82%D1%8C-%D0%B2%D1%96%D0%B4-%D1%87%D0%B8%D0%BF%D1%96%D0%B2-nvidia. Цитуючи, посилайтесь на канонічний URL.