Die Zukunft des autonomen Fahrens verlagert sich von Charisma zu Compliance, und Nvidias Plan könnte sich als beständiger erweisen als Teslas Glaubenssystem.
Photo credit: Nvidia
WASHINGTON — Seit Jahren verkauft Elon Musk Autonomie als einen Akt des Glaubens; ein Moonshot, der eines Tages den Mythos von Tesla $TSLA und seine Marktkapitalisierung rechtfertigen würde. Diese Woche kam Nvidia $NVDA-CEO Jensen Huang nach Washington, um diesen Glauben in Infrastruktur zu verwandeln. Nvidia verspricht nicht, selbstfahrende Autos zu bauen; es verkauft die Blaupausen, Chips und Datenfabriken, die sie für alle anderen unvermeidlich machen werden.
In der Mythologie der modernen Technik hat sich Musk als Evangelist etabliert — ein Mann, der Märkte, Regulierer und Millionen von Kunden überzeugen kann, den Unglauben gerade lange genug auszusetzen, damit die Zukunft ankommen kann. Seine Version der Autonomie war eine spirituelle Übung, ein Beta-Update nach dem anderen. Huangs Version ist eine logistische. Bei Nvidias erstem Showcase in Washington sprach er nicht über Wunder über die Luft oder Robotaxis, die jeden Tag ankommen. Er sprach über Architektur — Leistungsdichte, Recheneffizienz, Simulationsrahmen, Sicherheitszertifizierungen — das Vokabular der Unvermeidlichkeit.
Dieser Tonwechsel könnte diesen Moment entscheiden. Teslas Autonomie-Erzählung war, zum Besseren oder Schlechteren, immer eine der Persönlichkeit. Nvidias ist eine des Prozesses. Tesla lässt den Glauben filmisch klingen. Nvidia lässt es regulierend klingen. In Washington könnte das besser spielen. Musk baute eine Geschichte über Freiheit auf — keine Hände, keine Fahrer, keine Grenzen. Huang verkauft eine Plattform, die man tatsächlich kaufen kann.
„Robotaxis markieren den Beginn einer globalen Mobilitätstransformation“, sagte Huang in einer Pressemitteilung. „Was einst Science-Fiction war, wird schnell zu einer alltäglichen Realität.“
Für Huang ist das Robotaxi kein App-Update — es ist eine Maschinenklasse. Auf der Bühne während seiner Keynote nannte er es „einen KI-Chauffeur“ und stellte dann Drive Hyperion als den Referenzpfad vor, um eines zu bauen. Der Punkt war nicht ein einziges Auto. Es war ein Standard. Hyperion, sagte er, wurde geschaffen, damit „jede Autofirma der Welt“ robotaxi-bereite Fahrzeuge mit einem umfassenden Sensorsatz und Redundanz produzieren kann. In seinen Worten, das „Standardchassis ist jetzt zu einer Computerplattform auf Rädern geworden“, in die jeder AV-Entwickler — „Wave, Wabi, Aurora, Momenta, Nuro, WeRide“ — einsteigen kann.
In den meisten der letzten zehn Jahre war Teslas Vorteil einzigartig: Daten. Jedes verkaufte Auto verdoppelte sich als Forschungsinstrument, das den neuronalen Netzen des Unternehmens Milliarden von echten Meilen zuführte. Es war ein geschlossenes System — ein rollendes Labor, das kein anderer Automobilhersteller erreichen konnte. Nvidias Gegenangebot ist, all diese Exklusivität ineffizient aussehen zu lassen.
Seine neue Drive Hyperion 10-Architektur ist eine Level-4-bereite Plattform, die auf Thor basiert, dem neuesten Prozessorchip des Unternehmens, der ungefähr 2.000 FP4-Teraflops pro Chip leisten kann. Zwei davon laufen nebeneinander und speisen eine Suite von 14 Kameras, neun Radaren, einem Lidar und einem Dutzend Ultraschallsensoren — dem vollen sensorischen Kortex eines autonomen Fahrzeugs.
„Unsere letzte Version von Hyperion war nicht als Level 4 End-to-End konzipiert“, sagte Ali Kani, der Vizepräsident des Unternehmens für Automobiltechnik, in einem Vorgespräch mit Reportern. „Jetzt entwerfen wir ein System, das Sie wirklich von jeder Adresse zu jeder Adresse fahren kann.“ Er sagte, das Unternehmen habe diese Plattform geschaffen, um die Branche zu „beschleunigen“ und das, was derzeit in diesem Bereich passiert, zu „beschleunigen“. Er sagte, dass es „super teuer ist, Autos zu bauen und Daten in 25 Ländern zu sammeln“, sodass, wenn sich andere an der Architektur von Nvidia orientieren, es für Unternehmen einfach ist, die Daten von Nvidias Flotte und Architektur zu nutzen, um dann ihre eigene Software zu entwickeln.“
Das ist ziemlich innovativ, aber die wirkliche Innovation liegt im Geschäftsmodell. Anstatt ein Jahrzehnt damit zu verbringen, eine eigene Datenflotte zu sammeln, kann jetzt jeder Automobilhersteller mit Nvidias vorgefertigtem Stapel und Simulationsbibliotheken beginnen. Nvidia ist infrastruktur-unabhängig; das Unternehmen profitiert, egal welches Auto seine Software nutzt. Und Lucid $LCID, Stellantis $STLA und Mercedes-Benz haben bereits unterschrieben.
Uber $UBER, das Unternehmen, das einst für menschliche Fahrer stand, wird größer. Es plant, ab 2027 100.000 Fahrzeuge auf Hyperion-Basis zu bauen und dann einzusetzen – Limousinen, Vans und Lastwagen, die von Nvidias Partnern gebaut und in einer gemeinsamen KI-Datenfabrik mit der Cosmos-Engine des Unternehmens trainiert werden. Die Ironie ist fast poetisch: eine Gig-Wirtschaft, die auf menschlicher Arbeit basiert, wendet sich nun der KI-Arbeit zu, die in synthetischen Welten trainiert wurde.
Robotaxis werden plattformbasiert, nicht persönlich – eine herstellerunabhängige Flotte, die aus mehreren OEMs zusammengesetzt ist und Autonomie in eine Lieferkette verwandelt, nicht in eine Solo-Wette. Und während Uber Tausende von Fahrzeugen mit Nvidia unterzeichnet, hedgt es auch: Das Unternehmen setzt bereits vollautonome Fahrten von Alphabets Waymo in Städten wie Austin, Texas, und Atlanta ein, was beweist, dass die Zukunft möglicherweise nicht ein einziger Stapel ist, sondern ein Ökosystem von ihnen.
„Nvidia ist das Rückgrat der KI-Ära“, sagte Uber-CEO Dara Khosrowshahi in einer Pressemitteilung. „Autonome Mobilität wird unsere Städte zum Besseren verändern, und wir sind begeistert, mit Nvidia zusammenzuarbeiten, um diese Vision Wirklichkeit werden zu lassen.“
Waymo macht zu einem großen Teil bereits das, was Nvidia jetzt erst industrialisiert. Der Google $GOOGL-Ableger hat mehr als ein Jahrzehnt damit verbracht, seine vollständige Autonomieplattform zu verfeinern, und betreibt leise fahrerlose Flotten in Phoenix, San Francisco, Los Angeles und Austin – mit bezahlten Fahrten, die mittlerweile in die Hunderttausende gehen. Nvidia mag die Infrastruktur für Autonomie verkaufen, aber Waymo hat bewiesen, dass das Modell funktioniert.
Im Gegensatz dazu zeigt GMs Cruise, was passiert, wenn der Glaube die Ausführung überholt. Der Robotaxi-Bereich von GM expandierte zu schnell, erlitt eine Reihe von hochkarätigen Unfällen und sah seine US-Flotte aufgrund von Untersuchungen am Boden. Cruise kehrt jetzt erst im Testmodus auf die Straßen zurück – eine Fallstudie darüber, wie das Geschäft mit Autonomie nach wie vor so sehr vom öffentlichen Vertrauen wie von Rechenleistung abhängt.
Nvidias synthetische Daten werden als stille Revolution positioniert. Teslas System lernt aus menschlichen Fehlern; Nvidias lernt aus simulierter Perfektion. Das Unternehmen hat einen 1.700-stündigen multimodalen Datensatz veröffentlicht, der sich über 25 Länder erstreckt, und kann jetzt Milliarden virtueller Meilen durch Werkzeuge wie NuRec (neuronales Rendering), Cosmos Transfer (Umwelt-Remixing) und LidarGen (synthetische Punktwolken-Daten) generieren. Es ist eine Sandbox von der Größe des Planeten, gebaut, um den gleichen Hunger nach Gewissheit zu stillen, der einst Teslas frühe Fahrer dazu brachte, ihre Fahrten der Wissenschaft zu widmen.
Der Ansatz könnte den Wettbewerb neu definieren. Teslas Modell ist vertikal: trainieren, testen, bereitstellen, wiederholen. Nvidias ist horizontal: standardisieren, zertifizieren, verteilen. Tesla will die Flotte besitzen. Nvidia will das Format besitzen. Und in einer Branche, die jetzt eher durch Risiko als durch Geschwindigkeit reguliert wird (Teslas Vollautonomes Fahren steht noch unter aktiver NHTSA-Überprüfung), könnte Letzteres das bessere Geschäft sein.
Hinter dem autonomen Vorstoß steckt eine subtilere Transformation: Nvidia ist kein Autohersteller; es ist ein Rechenunternehmen, das erkannt hat, dass Autos nur ein weiterer Knoten im Netzwerk sind. Jedes Hyperion-basierte Fahrzeug ist ein Kunde in einem größeren Ökosystem von KI-Fabriken – den Datenzentren im Gigawatt-Maßstab, die Nvidia für die weltweit größten Technologie- und Regierungskunden entwirft, baut und liefert.
Huang nennt dies die Ära der „physischen KI“ – Intelligenz, die sich durch die Welt bewegt, anstatt sie nur zu modellieren. Nvidias Hardware und Software sind stillschweigend zum Standardwerkzeugkasten der Branche für Autonomie geworden – das Standard-Kit hinter Autos, Lastwagen und Robotaxis, die lernen, sich selbst zu fahren. Sein Unternehmen baut bereits die drei Computer, die jedes Roboter- oder Selbstfahrsystem benötigt: DGX für Training, RTX für Simulation und entweder Jetson oder IGX Thor für den Einsatz. Zusammen bilden sie eine Montagelinie für Autonomie. Was früher ein Softwareproblem war, ist jetzt ein Fertigungsprozess.
Die Implikationen sind industriell, nicht futuristisch. Foxconn nutzt Nvidias DSX-Designsystem, um ein neues 242.000 Quadratfuß großes Werk zu modellieren, das Nvidia-Hardware in Houston, Texas, montieren wird. Siemens veröffentlicht eine auf Omniverse basierende App, die es Fabriken ermöglicht, sich selbst in 3D zu entwerfen. Der Pharmariese Eli Lilly $LLY nutzt ein Blackwell SuperPOD, um die Pipeline zur Medikamentenentdeckung in Echtzeit zu modellieren. Das Unternehmen, das mit Grafikkarten begann, verkauft jetzt Simulation als Dienstleistung – Realität gerendert, optimiert und im großen Maßstab exportiert.
Der Subtext von Huangs gesamtem Pitch ist, dass Autonomie nicht mehr Science-Fiction ist. Es ist Infrastruktur. Und Infrastruktur wird finanziert.
Der kommende Wettbewerb zwischen Tesla und Nvidia wird nicht darüber sein, wer zuerst vollständig autonom wird. Es wird darum gehen, wer in Erinnerung bleibt, die Straße gebaut zu haben. Tesla hat im Moment noch die bessere Geschichte – das Unternehmen, das Selbstfahren begehrenswert, persönlich, unvermeidlich gemacht hat. Aber diese Geschichte ist gealtert. Full-Self Driving ist noch in der Beta-Phase, noch umstritten, immer noch mit der Unbeständigkeit des Zeitplans eines Mannes verbunden. Nvidias Autonomie fühlt sich auf eine kältere Weise unvermeidlich an: Autonomie durch Standard, nicht durch Funken.
Dies ist die gleiche Dynamik, die sich in jedem anderen Teil der KI-Wirtschaft abgespielt hat. OpenAI verkaufte den Zaubertrick, Nvidia verkaufte die Schaufel. Apple $AAPL verkauft das Telefon, TSMC $TSM druckt die Physik. In jedem Fall gehen die Mythenschöpfer an die Börse; die Erbauer bleiben dauerhaft. Der Wert verschiebt sich von der Erzählung zum Netzwerk. Das Muster ändert sich nie: jemand verkauft Wunder, jemand anderes verkauft Spannung. Musk mag immer noch das Gesicht der Autonomie sein, aber Huang könnte leise zu ihrem Vermieter werden.
Das macht diese besondere Kollision so interessant – nicht nur als Rivalität, sondern als kultureller Moment. Zwei CEOs, beide Visionäre in Lederjacken, beide fließend in Prophezeiung, verkörpern nun die beiden Hälften der Tech-Psyche: Glaube und Logistik. Tesla lehrte die Welt, zu glauben. Nvidia lehrt sie, wie man abrechnet.
Die Revolution des autonomen Fahrens wird nicht mit einem einzelnen Auto enden, das endlich die Ziellinie überquert; sie wird enden, wenn niemand die Linie mehr bemerkt – wenn Autonomie aufhört, ein Merkmal zu sein, und anfängt, eine Einstellung zu sein. Das ist die Zukunft, die Nvidia verkauft.
Musk baute einen Traum. Huang baut die Lieferkette.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
