Physical AI Im Mittelpunkt: Warum Investitionen in Rechenzentren die Robotik in der Praxis ermöglichen

Roboter und „ Physical AI “-Systeme stehen vor einem Durchbruch: Sie entwickeln sich von experimentellen Demonstrationen zu praktischen Werkzeugen, die in der physischen Welt agieren, reagieren und Entscheidungen treffen. Ihr rascher Fortschritt unterstreicht einen tiefgreifenden Wandel, der gerade stattfindet. KI verlagert sich an den „Edge“ und wird in die Geräte und Maschinen integriert, die uns umgeben.

Tatsächlich prognostiziert die UBS, dass der Markt allein für humanoide Roboter bis 2050 ein Volumen von bis zu 1,7 Billionen US-Dollar erreichen wird. Hinter dieser Transformation verbirgt sich jedoch eine entscheidende Grundlage: der massive Investitionszyklus in KI-Rechenzentren, der nun den Weg für „ Physical AI “ ebnet und die Anforderungen an Halbleiter neu definiert. Hier kommt GlobalFoundries ins Spiel und liefert die unverzichtbare Halbleitertechnologie, die erforderlich ist, um „ Physical AI “-Anwendungen zum Leben zu erwecken.

Der Investitionszyklus für Rechenzentren

Was wie eine plötzliche Begeisterung für „ Physical AI “ aussehen mag, ist in Wirklichkeit der natürliche nächste Schritt in einem langjährigen Ausbau der Infrastruktur. Jeder große Sprung in unserer Branche beginnt so: Zuerst wird das Fundament gelegt, und dann explodiert die Zahl der Anwendungen. Und genau das geschieht gerade: Die KI-Infrastruktur ist endlich bereit, Intelligenz aus der Cloud in die physische Welt zu bringen.

Derzeit treiben massive Investitionen in KI-Rechenzentren einen neuen Investitionszyklus voran, doch die eigentliche Marktchance liegt in der nächsten Phase dieses Zyklus: Physical AI, deren Ziel es ist, Milliarden physischer Geräte – von Wearables bis hin zu autonomen Fahrzeugen – in die Lage zu versetzen, in Echtzeit wahrzunehmen, zu denken, zu handeln und zu kommunizieren. Dieser Zyklus beschleunigt sich rasant – Marktprognosen deuten auf eine explosive jährliche Wachstumsrate von 33,49 % von 2025 bis 2034 hin, eine Chance, die zu dringlich ist, um sie zu ignorieren.

Das Aufkommen von Physical AI

Diese Dynamik signalisiert, dass Physical AI über Pilotprojekte und Prototypen hinausgeht und in den groß angelegten Einsatz in der realen Welt übergeht. Da Rechenzentren mit zunehmenden Einschränkungen hinsichtlich Stromversorgung und Rechenleistung konfrontiert sind, trägt Physical AI dazu bei, diesen Druck zu mindern, indem Intelligenz und Entscheidungsfindung an den Rand – direkt auf die Geräte – verlagert werden, was diese Einführung weiter beschleunigt.

Physical AI aggregiert kontinuierlich Daten von verschiedenen Sensoren, verarbeitet Informationen auf unterschiedlichen Genauigkeitsstufen und trifft Entscheidungen, die innerhalb von Bruchteilen einer Sekunde über Motoren und Aktoren ausgeführt werden. Diese Systeme arbeiten zudem über mehrere Sensordomänen hinweg und ermöglichen so eine echte Form intelligenter Autonomie, die es Maschinen erlaubt, in der physischen Welt wahrzunehmen, zu denken, zu handeln und zu kommunizieren.

Anwendungen in der Praxis nehmen Gestalt an

Vielleicht wissen Sie es noch nicht, aber wahrscheinlich sind Ihnen die neuen Anwendungsbereiche von „ physical AI “ bereits bekannt. Denken Sie beispielsweise an fortschrittliche Fahrerassistenzsysteme, Haushaltsroboter, Drohnen, intelligente Infrastruktur und sogar KI-gestützte medizinische und diagnostische Geräte.

Auf Märkten weltweit wird „ physical AI “ bereits in Bereichen wie Mobilitätsunterstützung und Rehabilitation eingesetzt, wo intelligente, gerätebasierte Systeme Senioren, Patienten und Industriearbeiter unterstützen. Diese Anwendungen zeigen, wie Echtzeit-Entscheidungsfindung am Edge praktische, skalierbare Lösungen ermöglicht. Und da „ Physical AI “ weiter an Dynamik gewinnt, treibt es neue und komplexere Anforderungen an die Halbleiterinnovation voran.

Wie „ Physical AI “-Workloads die Anforderungen an Halbleiter neu definieren

Wie die praktischen Einsatzbeispiele auf der diesjährigen CES verdeutlichen, unterscheiden sich „ Physical AI “-Workloads grundlegend von denen, die generative KI antreiben und sich hauptsächlich auf Rechenzentren konzentrieren. Physical AI bringt komplexere und vielfältigere Workloads mit sich als generative KI-Modelle.

Da die Erwartungen der Chip-Entwickler an Geräte, die kontinuierlich Daten erfassen und verarbeiten, steigen und die Erwartungen der Endnutzer an Geräte, die Befehle ausführen und in dynamischen, unvorhersehbaren Umgebungen kommunizieren, zunehmen, definieren diese sich wandelnden Anforderungen die Anforderungen an Halbleiter neu.

Und hier ist die Aufschlüsselung, wie das funktioniert:

• Sense: „ Physical AI “ treibt ein explosives Wachstum im Bereich der Sensorik voran, was präzise analoge, leistungsstarke HF- und eng integrierte Mixed-Signal-Lösungen erfordert. ^{Die FDX®-Plattform} von GF, die für ihre HF-Leistung, Leckstromkontrolle und Zuverlässigkeit bei hohen Temperaturen bekannt ist, kommt bereits in der Sensorik der industriellen Automatisierung und bei Fahrerassistenzsystemen (ADAS) zum Einsatz. Da sich die Erfassungsmethoden auf Bildverarbeitung, Radar, Lidar und Umgebungssensorik ausweiten, bieten die präzisen analogen, SiGe HF- und integrierten Speichertechnologien von GF die erforderliche Grundlage mit geringem Stromverbrauch, um Daten aus der realen Welt zu erfassen und vorzuverarbeiten.

• Bedenken Sie: Echtzeit-Autonomie erfordertpower, auf die Arbeitslast optimierte Rechenleistung. Die multithreadfähigen RISC-V-CPUs von MIPS bieten deterministische, ereignisgesteuerte Leistung, priorisieren kritische Aufgaben und ermöglichen eine sofortige Reaktion am Netzwerkrand. In Kombination mit ^den energieeffizienten ^FDX®- und FinFET-Technologien von GF verlagern diese Plattformen die Rechenleistung aus zentralisierten Cloud-Umgebungen in Milliarden von Geräten im Rahmen eines Modells verteilter Intelligenz.

• Umsetzung: Die Umsetzung von Entscheidungen in der physischen Welt erfordert hochpräzise Steuerung, geringe Latenz und eine enge Integration von Motoren und Aktuatoren. Die BCD- ( power GaN), Mixed-Signal-IP und hochzuverlässigen CMOS-Lösungen von GF unterstützen dichte I/O-Anschlüsse, schnelle Motorsteuerungsregelkreise und eine effiziente Aktuierung – als Kernkomponenten für Robotik, industrielle Automatisierung und neue humanoide Systeme. MIPS ergänzt dies durch führende Echtzeit-Regelkreisleistung für Motorsteuerung, Sensorfusion und Entscheidungsfindungs-Workloads.

• Kommunikation: „ Physical AI “ basiert auf sicherer, stromsparender Konnektivität zwischen Milliarden von Geräten. Dank seiner führenden Position in den Bereichen HF, Konnektivität, „ SiGe “ und GaN für HF ermöglicht GF alles von Kurzstreckenverbindungen zwischen Geräten bis hin zu 5G/6G- und Satellitenkommunikation mit hoher Bandbreite. In Kombination mit der offenen, softwareorientierten Architektur von MIPS kann GF Plattformen bereitstellen, die innerhalb verteilter intelligenter Systeme schnell, effizient und sicher kommunizieren.

Sich wandelnde Anforderungen treiben die Nachfrage nach analoger Präzision, multimodaler Integration, extrem geringem power, optimierter Rechenleistung, geringer Latenz, sicherer Konnektivität, integriertem Speicher und fortschrittlichen Sensorschaltungen voran.

Insgesamt versetzen uns die Tiefe unserer Technologie und die Breite unseres Portfolios in eine gute Position, um die nächste Phase der KI auf ihrem Weg in die physische Welt zu unterstützen.

Wir liefern die Technologien, die den Antrieb bilden Physical AI

Da die Investitionen in KI-Rechenzentren weiter zunehmen, ebnen sie den Weg für die nächste Innovationswelle am Edge. Dieser Wandel schafft rasant wachsende Chancen für „ Physical AI“ – deren Marktvolumen bis 2030voraussichtlich mindestens 18 Milliarden US-Dollarerreichen wird –, da intelligente Funktionen zunehmend in Geräte und Systeme in den Bereichen Transport, industrielle Automatisierung, Unterhaltungselektronik und Medizintechnik Einzug halten. Kunden streben nun danach, mehr Sensorik, Entscheidungsfindung, Aktorik und Konnektivität direkt in das Gerät zu integrieren, und die technologischen Anforderungen entwickeln sich entsprechend weiter.

GF entwickelt die Technologien, die diesen Wandel ermöglichen. Mit unserem erweiterten Portfolio, das unter anderem CMOS-Lösungen mit extrem geringem Stromverbrauch, Präzisions-Analog-, HF- und Konnektivitätslösungen, „ advanced packaging “ sowie die neu hinzugekommenen Echtzeit-RISC-V-Prozessoren mit Multithreading von MIPS umfasst, bieten wir unseren Kunden die Plattformen, die sie benötigen, um differenzierte „ Physical AI “-Lösungen zu entwickeln. Dank unserer globalen Produktionspräsenz, unserer engen Co-Design-Partnerschaften und unserer wachsenden Pipeline an KI-gestützten Design-Wins können wir unsere Kunden von der Architektur bis zur Produktion unterstützen und ihnen dabei helfen, die Entwicklung zu beschleunigen und intelligente Geräte der nächsten Generation sicher auf den Markt zu bringen.

Innovation für die Zukunft

Heute treibt „ Physical AI “ unsere autonomen Fahrzeuge, fortschrittlichen Fahrerassistenzsysteme, Heimroboter, Drohnen, Smart Devices, ja sogar Wearables und KI-gestützte medizinische und diagnostische Geräte an. Mit Blick auf die Zukunft wird sich „ Physical AI “ über diese Anwendungsbereiche hinaus weiterentwickeln und das Zeitalter der humanoiden Roboter sowie weitaus fortschrittlicherer autonomer Systeme einläuten.

In unserem nächsten Blogbeitrag dieser Reihe wird Ed Kaste, unser Senior Vice President des Geschäftsbereichs „Ultra-Low-Power-CMOS“ bei GF, näher auf die Auswirkungen dieses Wandels auf zukünftige Anwendungen von „ Physical AI “ sowie auf die Rolle von GF bei der Umsetzung dieser Technologien eingehen.

Die ersten Anzeichen des Wendepunkts bei „ Physical AI“ erkennen

Die Branche steht an einem Wendepunkt: KI beschränkt sich nicht mehr nur auf GPU-Racks, sondern hält Einzug in Geräte, Maschinen, Fahrzeuge und Roboter, die unseren Alltag prägen. Mit der zunehmenden Verbreitung von „ Physical AI “ werden die Anforderungen an Halbleiter immer deutlicher – ebenso wie die Rolle von GF bei der Umsetzung dieses Wandels. In unserem nächsten Blogbeitrag werden wir die technischen Grundlagen beleuchten, die das nächste Jahrzehnt von „ Physical AI “ prägen werden, und erläutern, wie sich GF positioniert, um an diesem Wendepunkt eine Führungsrolle zu übernehmen.