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, 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.

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 — 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.