100.000 GPUs für Humanoide: Warum Figure 3,5 Milliarden…

Ein humanoider Roboter ist kaum zwei Meter groß. Das geplante Computersystem zum Trainieren seiner Intelligenz könnte dagegen ein industrielles Rechenzentrum füllen. Figure und der KI-Cloudanbieter Nscale haben eine mehrjährige Partnerschaft angekündigt, die Zugang zu bis zu 100.000 GPUs auf NVIDIAs Vera-Rubin-Plattform schaffen soll.

Die Vereinbarung nennt zunächst 3,5 Milliarden US-Dollar für Rechenleistung und die Absicht, auf mehr als sechs Milliarden Dollar auszubauen. Der erste Einsatz ist für die zweite Jahreshälfte 2027 am Nscale-Standort Barstow in Texas vorgesehen. Die Zahlen sind außergewöhnlich, müssen aber genau gelesen werden: „bis zu“ bedeutet keine bereits installierte Kapazität, und die Unternehmen veröffentlichten weder den vollständigen Zahlungsplan noch verbindliche Angaben zur Auslastung.

Das Wichtigste in Kürze

Figure wählt Nscale als bevorzugten Rechenanbieter für künftige Versionen seiner Roboter-KI Helix.
Die Partnerschaft kann auf bis zu 100.000 NVIDIA-Vera-Rubin-GPUs wachsen.
Genannt werden zunächst 3,5 Milliarden Dollar und eine Ausbauabsicht auf mehr als sechs Milliarden.
Nscale wird zugleich Anteilseigner von Figure.
Die ersten GPUs sollen ab der zweiten Jahreshälfte 2027 bereitstehen, nicht sofort.

Warum ein Roboterunternehmen eine KI-Fabrik braucht

Klassische Industrieroboter folgen genau programmierten Abläufen. Ein Universalhumanoid soll Sprache interpretieren, Videos verstehen, Bewegungen planen und auf veränderte Objekte oder Arbeitsplätze reagieren. Das Training solcher Modelle erfordert sehr viele Beispiele und wiederholte Bewertungen.

Figure erklärt, seine Helix-Modelle würden vor allem durch Daten und Rechenleistung begrenzt. Mit Index baut das Unternehmen eine Sammlung vielfältiger Humanoiden-Daten auf und gibt an, dass dabei pro Sekunde 35 Minuten Material entstehen. Diese Demonstrationen zu verarbeiten, neue Modelle zu prüfen und Simulationen auszuführen erzeugt eine Last, die eher an Spitzenforschung für KI als an klassische Fabrikautomation erinnert.

Von der Demonstration in die Simulation und zurück

Die geplante Infrastruktur soll einen Kreislauf antreiben. Roboter und menschliche Bediener sammeln Beispiele physischer Aufgaben. Modelle lernen im Rechenzentrum daraus. Simulierte Umgebungen prüfen viele Varianten, ohne Hardware oder Menschen zu gefährden. Verbesserte Modelle kehren anschließend zur Bewertung auf reale Roboter zurück.

NVIDIA bezeichnet dies als Kreislauf der Physical AI. Der Vorteil ist die Geschwindigkeit: Während eine physische Flotte Daten sammelt, können deutlich mehr virtuelle Roboter ähnliche Aufgaben in Simulationen versuchen. Die Grenze bleibt die Realität. Kontakt, Reibung, verformbare Gegenstände und unerwartetes menschliches Verhalten lassen sich nicht vollkommen nachbilden. Ein Simulationserfolg muss sich weiterhin auf echter Hardware beweisen.

Was 100.000 GPUs bedeuten – und was nicht

Die Maximalzahl würde Figures Pläne in die Größenordnung sehr großer KI-Infrastrukturprojekte bringen. Sie bedeutet nicht, dass bereits 100.000 GPUs Humanoide trainieren. Der Aufbau liegt in der Zukunft, hängt von Rechenzentrumsbau und Lieferketten ab und dürfte stufenweise erfolgen.

Mehr Rechenleistung ermöglicht größere Modelle, zusätzliche Experimente und schnellere Entwicklungszyklen. Schlechte Trainingsdaten, mechanische Ausfälle oder unsicheres Verhalten behebt sie nicht automatisch. Ein Humanoid bleibt von Batterien, Aktuatoren, Sensoren, Temperaturgrenzen und Wartung abhängig. Im Rechenzentrum trainierte Intelligenz muss auf dem Roboter mit begrenzter Energie und kurzer Reaktionszeit funktionieren.

Die wirtschaftliche Wette ist ebenso groß wie die technische

eWeek weist darauf hin, dass die anfängliche Rechenverpflichtung größer ist als das bislang öffentlich bekannte, von Figure eingeworbene Kapital. Der Vergleich verrät nicht, wann Zahlungen fällig werden oder wie die Vereinbarung finanziert wird. Er macht jedoch die Dimension sichtbar.

Entscheidend ist nicht allein, auf wie viele GPUs Figure zugreifen kann. Relevant ist, wie viel nutzbare Roboterfähigkeit jede zusätzliche Einheit Rechenleistung hervorbringt. Kunden und Investoren sollten Erfolgsquoten, menschliche Eingriffe, Übertragung auf neue Umgebungen und Trainingskosten pro einsetzbarer Fähigkeit beobachten.

Der Vertrag verbindet außerdem zwei Lieferketten. Nscale liefert Rechenkapazität und investiert in Figure. Gleichzeitig wollen beide Unternehmen prüfen, ob Humanoide in Nscales eigenem Betrieb eingesetzt werden können. Damit könnte der Lieferant auch zum Kunden werden; Stückzahlen wurden für diesen Anwendungsfall nicht genannt.

Was Figure als Nächstes beweisen muss

Figure verfügt nun über einen außergewöhnlich großen Rechenplan. Der nächste Beleg muss von den Robotern kommen: längerer autonomer Betrieb, wiederholbare Leistung außerhalb vorbereiteter Demonstrationen, sichere Fehlerbehandlung und nachvollziehbare Produktivität gegenüber bestehender Automation.

Auch Transparenz wird wichtig. Ohne Daten zu Auslastung, Energiebedarf und Leistungsgewinn sind GPU-Zahlen eher Kapazitätsziele als Fortschrittsbeweise. Der überzeugendste Meilenstein wäre ein direkter Zusammenhang zwischen mehr Training und einer messbaren Verbesserung realer Arbeit.

Rechenleistung ist nicht automatisch Roboterintelligenz

Ein großer GPU-Zugang gibt Figure mehr Spielraum für Experimente, größere Modelle und die Verarbeitung des wachsenden Datenstroms aus humanoiden Robotern. Einen fähigen Roboter erzeugt er nicht automatisch. Physische Intelligenz hängt weiterhin von der Qualität der Demonstrationen, dem Lernziel und Tests ab, die fragile Verhaltensweisen sichtbar machen. Rechenleistung verstärkt die vorhandene Pipeline: Sie kann einen guten Lernkreislauf beschleunigen, aber auch einen teuren Fehler schneller skalieren.

Diese Unterscheidung ist wichtig, weil die angekündigte Kapazität eine Obergrenze und kein bereits laufender Maschinenpark ist. Die erste Bereitstellung ist für die zweite Hälfte 2027 vorgesehen. Bis dahin können Chiplieferungen, Baufortschritt, Stromverfügbarkeit, Netzwerktechnik und Softwareeffizienz die tatsächlich nutzbare Kapazität und ihre Kosten verändern.

Warum das Rechenzentrum zum Teil des Roboters wird

Der Computer im Humanoiden muss schnell reagieren und mit engen Grenzen bei Strom, Wärme und Gewicht auskommen. Die größten Trainingsläufe finden deshalb außerhalb des Roboters statt. Rechenzentren spielen Demonstrationen erneut ab, erzeugen simulierte Varianten und vergleichen Modellversionen, bevor eine verdichtete Policy auf die Maschine gelangt. Erfahrungen aus dem Betrieb können anschließend zurückfließen. So entsteht ein Kreislauf zwischen Flotte und Cloud.

Damit werden Speicher, Netzwerke und Orchestrierung strategisch. Langsamer Datentransfer oder eine ineffiziente Jobverteilung lassen teure Beschleuniger ungenutzt. Ein Anbieter, der Energie, Rechenplattform und Betrieb gemeinsam organisiert, kann deshalb fast so wichtig sein wie das konkrete GPU-Modell. Als bevorzugter Compute-Partner rückt Nscale nahe an Figures Entwicklungszyklus.

Der Energie- und Bautest

Bei dieser Größenordnung reicht es nicht, Chips zu bestellen. Ein Standort benötigt Netzanschlüsse, Transformatoren, Kühlung, gegebenenfalls Wasser und sehr schnelle Verbindungen zwischen den Servern. Der geplante Ausbau in Barstow, Texas, macht zudem Genehmigungen, Bauzeiten und Stromverträge zu Faktoren der Robotikentwicklung. In einem Humanoiden-Video ist davon nichts zu sehen, doch genau diese Infrastruktur entscheidet mit darüber, wann ein neues Modell die Flotte erreicht.

Die genannten Summen sind daher als langfristige Infrastrukturbindung zu lesen und nicht als gewöhnliche Hardware-Rechnung. Die anfängliche Zusage über 3,5 Milliarden Dollar und die Absicht, auf mehr als sechs Milliarden zu wachsen, umfassen künftige Kapazitäten und Dienstleistungen. Die genauen kommerziellen Bedingungen wurden nicht veröffentlicht.

Diese Kennzahlen sind wichtiger als die GPU-Zahl

Entscheidend sind messbare physische Fortschritte: weniger menschliche Eingriffe, sichere Erholung nach Fehlern, zuverlässiger Umgang mit unbekannten Objekten und kürzere Lernzyklen. Die Vereinbarung zeigt, dass humanoide Robotik in die industrielle Rechenökonomie der Spitzen-KI eintritt. Ob daraus ein Vorsprung entsteht, entscheidet Figures Kreislauf von Daten, Training, Tests und Einsatz – nicht die Zahl 100.000 allein.

Fazit

Der Wettlauf um Humanoide ist nicht länger nur ein Wettbewerb um Motoren, Hände und Gleichgewicht. Er wird zum Kampf um Rechenzentren, Hochleistungschips, Energie und die Fähigkeit, Simulation in zuverlässiges physisches Verhalten zu übersetzen.

Figures 3,5-Milliarden-Zusage zeigt, wie teuer dieser Übergang werden kann. Ob daraus vielseitig einsetzbare Roboter entstehen, entscheidet nicht die angekündigte GPU-Zahl, sondern die Arbeit, die Maschinen wiederholt und sicher erledigen.