Warum Nvidia und Tesla das Rennen um Robotaxis gewinnen

Auf der Consumer Electronics Show (CES) in Las Vegas stellte NVIDIA Fortschritte in drei zentralen Bereichen vor: Gaming und Grafik, autonome Fahrzeuge sowie künstliche Intelligenz und Rechenzentren. Wir haben bereits aufgezeigt, wie Nvidia durch seine konsequente und kaum umkehrbare Fokussierung auf KI an die Spitze des Technologiesektors vorgestoßen ist. Mit der neuen Vera-Rubin-Plattform scheint das Unternehmen diese strategische Position nun weiter zu untermauern.

Im heutigen Beitrag richten wir den Blick auf Nvidias Ambitionen, autonomes Fahren aus der Entwicklungsphase in die praktische Anwendung zu überführen. Von besonderem Interesse ist dabei auch, wie sich dieser Vorstoß im internationalen Kontext einordnet – insbesondere im Vergleich zu den Fortschritten Chinas in diesem zukunftsweisenden Markt.

Nvidias Kontrolle über alle Ebenen des autonomen Fahrens

So wie NVIDIA im Rechenzentrumsbereich den gesamten KI-Stack abdeckt, hält das Unternehmen auch beim autonomen Fahren die entscheidenden Hebel in der Hand. Ähnlich wie Nvidia bei der Chipfertigung auf die Produktionskapazitäten von TSMC angewiesen ist, sind andere Technologiekonzerne inzwischen zunehmend von Nvidia abhängig – darunter Alphabets Tochter Waymo sowie Tesla, die Nvidia als zentralen Zulieferer für Schlüsselkomponenten autonomer Fahrzeuge nutzen.

Bis zur jüngsten Consumer Electronics Show (CES) 2026, der weltweit wichtigsten Messe für Unterhaltungselektronik und Zukunftstechnologien, die am Freitag zu Ende ging, hat Nvidia bereits mehrere tragende Säulen für autonomes Fahren etabliert:

• Die Nvidia DRIVE AGX Hyperion Plattform: eine produktionsreife und sicherheitszertifizierte Sensor- und Rechenarchitektur für Automobilhersteller – von Kameras bis Lidar, mit vorqualifizierten Komponenten zur Kostensenkung.

• Nvidia DRIVE AGX Thor Compute: Als Weiterentwicklung von Orin nutzt Thor die Blackwell-GPU-Architektur in Kombination mit einer generativen KI-Engine und bietet eine vier- bis achtfache Rechenleistung. Thor integriert Infotainment, Cockpitfunktionen und autonomes Fahren in einem einzigen Vision-Language-Action-(VLA)-Modell und zielt auf Autonomie auf Level 4 ab.

• Das Nvidia Halos Safety System: Ein gemeinsam mit Partnern wie Bosch, Wayve, Omnivision, Continental, ANAB und weiteren entwickeltes, durchgängiges Sicherheitskonzept – vom Chipdesign bis zur Bereitstellung. Es umfasst unter anderem ein akkreditiertes Prüflabor sowie ein zertifiziertes Bewertungsprogramm.

• Das Nvidia Omniverse: Eine Sammlung von Softwarebibliotheken zur Simulation digitaler Zwillinge der realen Welt. Damit lassen sich Trainings- und Validierungsszenarien für autonome Fahrzeuge realitätsnah abbilden – inklusive Fahrzeuge, Sensoren, Fußgänger, Wetter, Verkehr und unzähliger Sonderfälle in physikgenauen virtuellen Städten.

Im Kern verfolgt Nvidia damit einen Ansatz, der an Googles Erfolgsmodell bei Android erinnert – allerdings auf einer deutlich tieferen infrastrukturellen Ebene. So wie Google mit standardisierten APIs und Werkzeugen OEMs wie Samsung Differenzierung ermöglichte und damit einen globalen Marktanteil von rund 71 % im mobilen Betriebssystemmarkt erreichte, etabliert Nvidia derzeit einen vergleichbaren Standard im autonomen Fahren.

Nvidia ist damit bereits zum zentralen KI-Substrat für Simulation, Training und Deployment autonomer Fahrzeuge geworden. Mit Omniverse, DRIVE und CUDA bietet das Unternehmen nicht nur einen vollständigen Software-Stack, sondern zugleich einen eng verzahnten Hardware-Stack, der Software, Sicherheit und Zertifizierung miteinander verbindet.

Die Verankerung Nvidias in diesem Zukunftsmarkt reicht jedoch noch weiter: Eine komplette Neuentwicklung der Validierungs- und Sicherheitsarchitektur wäre für Wettbewerber mit enormen Kosten verbunden. Wer sich einmal in diesem Ökosystem positioniert hat, kann es faktisch nicht mehr verlassen. Hinzu kommt, dass kein anderer Anbieter derzeit eine vergleichbar umfassende Palette an integrierten Lösungen offeriert. Die jüngsten Ankündigungen zum autonomen Fahren im Rahmen der CES 2026 unterstreichen diese Entwicklung.

Nvidia adressiert das KI-Black-Box-Problem

Bislang stellte NVIDIA GPUs für das Training, Omniverse für die Simulation, DRIVE für Inferenzprozesse sowie Sicherheitstools für die Validierung autonomer Systeme bereit. So leistungsfähig dieser Stack auch ist, vollständig gelöst ist das Problem damit noch nicht. Auf der Consumer Electronics Show 2026 präsentierte Nvidia mit dem Open-Source-Modell Alpamayo nun einen Ansatz, der genau diese Lücke schließen soll.

Doch worin liegt das grundlegende Problem des autonomen Fahrens?

Wenn Menschen mit großen Sprachmodellen (LLMs) interagieren, entsteht häufig der Eindruck, es handele sich um denkende Systeme. Hinter dieser – unter anderem von Apple thematisierten – Illusion verbirgt sich jedoch ein probabilistisches Modell, das für jedes mögliche nächste Wort im Wörterbuch Wahrscheinlichkeiten berechnet. Die Ausgabe basiert dabei ausschließlich auf Mustern aus den Trainingsdaten.

LLMs sind nur eingeschränkt deterministisch. Zwar können sie auf Basis vorhandener Informationen recherchieren oder Programmieraufgaben lösen, stoßen sie jedoch auf Situationen, die in den Trainingsdaten nicht ausreichend abgebildet sind – etwa neue oder ungewöhnliche Umweltbedingungen beim Fahren –, erzeugen sie faktisch eine Antwort, statt auf gesichertes Wissen zurückzugreifen.

Menschen sind in der Lage, selbst bei eingeschränkter Wahrnehmung subtile Hinweise zu erkennen und Objekte korrekt einzuordnen. Künstliche Intelligenz hingegen kann fehlinterpretierte oder falsch ausgerichtete Pixelmuster beispielsweise für ein Stoppschild halten und das Signal anschließend fundamental falsch deuten.

Genau darin liegt das sogenannte Black-Box-Problem: Die KI „weiß“ nicht im menschlichen Sinne, was ein Stoppschild ist. Bislang wurde dieses Defizit überwiegend mit einem Brute-Force-Ansatz kompensiert – durch immer größere Datenmengen, steigende Rechenleistung und den kontinuierlichen Ausbau von Rechenzentren, was die Kosten weiter nach oben treibt.

Der nächste Schritt zur Lösung des Black-Box-Problems beim autonomen Fahren ist die neue Alpamayo-Familie von KI-Modellen, -Tools und -Datensätzen von NVIDIA. Als großes Vision-Language-Action-(VLA)-Modell geht Alpamayo 1 über die reine Mustererkennung hinaus und liefert für jede ausgeführte Aktion nachvollziehbare Argumentationsketten.

In Kombination mit den quelloffenen AlpaSim- und Physical AI Open Datasets erhalten Automobilhersteller damit mehr Werkzeuge als je zuvor, um autonome Fahrsysteme sicherer und robuster zu entwickeln.

„Alpamayo eröffnet der Branche spannende neue Möglichkeiten, die physische KI zu beschleunigen, die Transparenz zu verbessern und den sicheren Level-4-Einsatz zu erhöhen.“ Sarfraz Maredia, Head of Autonomous Mobility and Delivery bei Uber

Auch aus dem Nvidia-Management wird die strategische Bedeutung betont. CEO Jensen Huang bezeichnete die Einführung von Alpamayo als den „ChatGPT-Moment für die physische KI“. Anders als im Software-Ökosystem rund um OpenAI, das von intensiver Konkurrenz geprägt ist, befindet sich Nvidia hier in einer klar überlegenen Ausgangsposition – insbesondere mit Blick auf die integrierte Software- und Hardware-Infrastruktur.

Kann China Nvidias KI-Stack bedrohen?

Laut Daten von Counterpoint aus dem Dezember für das 3. Quartal 2025 ist die chinesische Geely Holding Group mit einem Marktanteil von 61 % der weltweit dominierende Anbieter von Elektrofahrzeugen. BYD Auto folgt mit 16 %, während Tesla im globalen Vergleich nur noch auf 13 % kommt.

Bemerkenswert ist in diesem Zusammenhang, dass Alphabets Waymo auf der Zeekr-EV-Plattform aufsetzt, einer Tochtergesellschaft der Geely Holding Group. An anderer Stelle sind wir bereits zu dem Schluss gekommen, dass Tesla das Rennen um Robotaxis aufgrund seines integrierteren Ansatzes und der stärkeren Kontrolle über die Plattformen mit höherer Wahrscheinlichkeit für sich entscheiden dürfte.

Unabhängig davon ist festzuhalten, dass China den Wettbewerb um Skaleneffekte („Economies of Scale“) klar für sich entschieden hat – nicht zuletzt aufgrund geringerer gesellschaftspolitischer Reibungen. In diesem Kontext sollten Anleger etwa auch die Kriminalitätsrate in urbanen Räumen berücksichtigen, wenn sie Investitionen in Unternehmen wie Serve Robotics in Erwägung ziehen.

Ohne eine vergleichbare soziale Fragmentierung agiert China deutlich zielgerichteter und effizienter. Bereits im Jahr 2024 werden über 60 % der auf dem chinesischen Festland verkauften Neuwagen über zumindest grundlegende Selbstfahrfunktionen verfügen.

Trotz bestehender Exportkontrollen für KI-Chips hat China seine autonome Industrie bislang ebenfalls auf Nvidia-Technologie aufgebaut. Die geopolitischen Spannungen haben jedoch dazu geführt, dass sich der chinesische Autonomiesektor zunehmend diversifiziert. Gleichzeitig erfordert der Zugang zu leistungsfähigeren KI-Chips wie Blackwell aufwändige Umgehungsstrategien – ein Faktor, der die weitere Entwicklung maßgeblich beeinflussen dürfte.

Insgesamt verteilen sich Chinas Full-Stack-KI-Lösungen auf mehrere zentrale Akteure entlang der gesamten Wertschöpfungskette:

Baidu liefert hochauflösende Karten, Algorithmen sowie das fahrzeuginterne Betriebssystem DuerOS, das sowohl KI-gestützte Konversationsfunktionen als auch eine weitgehende Vereinheitlichung des autonomen Fahrzeugs ermöglicht. Das Unternehmen arbeitet eng mit Geely, Chery und GAC Group am Aufbau der Apollo-Go-Robotaxi-Flotte. Bis Mitte 2025 betreibt Baidu mehr als 1.000 Robotaxis und liegt damit leicht vor Waymo und Tesla.

Auf der Hardwareseite treibt Huawei den Versuch voran, China schrittweise aus dem Nvidia-Ökosystem herauszulösen. Zum Einsatz kommen dabei die Ascend-KI-Prozessoren sowie das Autonomous Driving System (ADS), das als Gegenstück zu Teslas FSD positioniert ist. Ergänzend hat Huawei mit dem Balong-5000-5G-Chipsatz eine Lösung für V2X-Kommunikation sowie eigene LiDAR-Systeme entwickelt. Als Software-Antwort auf Nvidias Frameworks dient das quelloffene MindSpore, das allerdings voraussichtlich primär auf den chinesischen Markt beschränkt bleibt.

Weitere relevante Akteure wie Pony.ai und WeRide konzentrieren sich auf vollständige Software-Stacks für den Einsatz autonomer Systeme der Stufe 4, sowohl im Personen- als auch im Güterverkehr. Ergänzt wird dieses Ökosystem durch den proprietären NPU (Neural Network Processor) von Horizon Robotics sowie durch Hesai Technology und RoboSense als Anbieter von LiDAR-Sensorik.

Das chinesische autonome Ökosystem ist damit breit aufgestellt, arbeitet jedoch gleichzeitig hochgradig koordiniert über alle Ebenen hinweg. Diese Struktur dürfte nicht zuletzt darauf zurückzuführen sein, dass die politische Führung des Landes eine dominierende Rolle gegenüber der Unternehmerklasse einnimmt – ein Umstand, der sich exemplarisch in der langen Abwesenheit des Alibaba-Gründers Jack Ma aus der Öffentlichkeit widerspiegelt.

Mit Blick auf die langfristige Skalierbarkeit ähnelt Chinas ADS-Ansatz dem von Waymo, da beide stark auf LiDAR und Pre-Mapping angewiesen sind. Entsprechend überrascht es nicht, dass zahlreiche Analysen dem FSD-Ansatz von Tesla, der ausschließlich auf visuelle Wahrnehmung setzt, eine höhere Flexibilität über unterschiedliche Einsatzszenarien hinweg zuschreiben. Huawei ADS hingegen gilt als besonders geeignet für lokalisierte urbane Umgebungen, in denen hochpräzise Kartierung und dichte lokale Infrastruktur verfügbar sind.

Wie bereits zuvor festgestellt, ist Tesla aus diesem Grund strukturell besser für einen globalen Rollout positioniert.

Fazit

Zusammenfassend lässt sich festhalten, dass die Ascend-Chips von Huawei zwar in etwa mit den älteren H100-Chips von NVIDIA vergleichbar sind. China befindet sich jedoch weiterhin in der Aufholphase Richtung Blackwell, während Nvidia mit Vera Rubin technologisch bereits den nächsten Schritt vollzogen hat. Neben dieser Hardware-Lücke profitiert Nvidia zusätzlich von der CUDA-Plattform, die auf mehr als zwei Jahrzehnten kontinuierlicher Entwicklerbindung und Optimierung aufbaut.

Mit der Einführung des quelloffenen Alpamayo dürfte das ebenfalls quelloffene MindSpore von Huawei selbst bei KI-Unternehmen in chinesischem Besitz kaum eine zentrale Rolle spielen. Insgesamt erweisen sich die Wettbewerbsvorteile von Nvidia sowohl auf der Hardware- als auch auf der Softwareseite als substanziell und strukturell robust.

Vor dem Hintergrund, dass die Ökonomie der Robotaxis und selbstfahrenden Fahrzeuge erst am Anfang steht, erscheint es plausibel, dass die Bewertung von Nvidia bis 2030 deutlich über 5 Bio. USD steigen könnte.