Autor: Syed Armani
Compilado por: Felix, PANews
La IA ya no se limita a las pantallas y el software. Con la fusión de la IA y la robótica, las máquinas están adquiriendo gradualmente la capacidad de percibir el mundo, interpretar condiciones cambiantes y actuar en tiempo real. Este cambio hacia sistemas físicos inteligentes, conocida como IA física, está comenzando a remodelar diversas industrias y promete afectar la vida doméstica cotidiana a medida que la tecnología madure.
La innovación en el campo de la robótica está aumentando a un ritmo sin precedentes. Figure presentó recientemente el robot humanoide Figure 03, diseñado para aplicaciones domésticas y comerciales. Puede realizar algunas tareas domésticas, como doblar ropa y cargar el lavavajillas, pero aún no es perfecto. Tesla está operando su robot humanoide Optimus en proyectos piloto internos limitados en sus fábricas. Los drones autónomos y los robots con patas se utilizan cada vez más para tareas de inspección peligrosas. Mientras tanto, empresas como Unitree y tecnologías hápticas como FlexiTac están trabajando para que los robots naveguen en entornos domésticos desordenados, aseguren moverse de forma segura alrededor de mascotas y niños, y ayuden con las tareas cotidianas. Una vez que estén listos, los robots inteligentes se centrarán en la inteligencia general y la conciencia contextual, por ejemplo, reconociendo sin instrucciones explícitas que un vaso de agua derramado necesita ser limpiado.
Los inversores están inyectando grandes cantidades de capital en el stack de tecnología que promete sustentar el hardware de la próxima generación de robots. En enero de 2026, Skild AI recaudó 1400 millones de dólares en una ronda de financiación Serie C, con una valoración de 14 mil millones, para expandir su modelo base de robótica general; mientras que Figure AI recaudó más de 1000 millones en su ronda Serie C de 2025, con una valoración posterior a la inversión de 39 mil millones, para ampliar su capacidad de fabricación y despliegue industrial. Apptronik amplió su ronda Serie A a 935 millones de dólares, y NEURA Robotics añadió 120 millones de euros en su ronda Serie B. Todo esto destaca un consenso creciente: la IA física se está convirtiendo en la base estratégica para la robótica tanto de consumo como industrial.
¿Ha llegado el punto de inflexión para la普及 de los robots inteligentes?
La aceleración que se ve actualmente en el campo es el resultado de la convergencia de múltiples tecnologías. Durante décadas, los distintos módulos que componen un robot inteligente se desarrollaron de forma independiente, como algoritmos de IA avanzados, sensores de alta fidelidad, brazos mecánicos y sistemas de control en tiempo real. Hasta hace poco, estos módulos comenzaron a fusionarse, permitiendo a los robots percibir, razonar y actuar eficazmente en entornos reales. Estos son los factores clave que impulsan este "punto de inflexión de la robótica":
Factores económicos: El hardware finalmente se ha commoditizado. Antes, los robots eran caros porque cada componente era personalizado. Ahora, se benefician de las cadenas de suministro de la electrónica de consumo y los vehículos eléctricos.
-
Actuadores: Los actuadores para robots humanoides de alto par históricamente han sido costosos, con un costo por articulación que a menudo supera los 1000 dólares en sistemas industriales de bajo volumen. Nuevos diseños integrados verticalmente de empresas como Tesla y Unitree están reduciendo el costo de algunos componentes de los actuadores a unos pocos cientos de dólares.
-
Sensores: En la última década, el costo de los lidares y las cámaras de profundidad ha disminuido significativamente. Dispositivos de gama que una vez costaron alrededor de 10,000 dólares ahora cuestan unos pocos cientos. Esto se debe a avances en diseños de estado sólido, producción a gran escala y aplicaciones en los sectores automotriz y móvil.
-
Baterías: La inversión global a gran escala en vehículos eléctricos ha reducido el costo y aumentado la confiabilidad de las baterías de iones de litio de alta densidad, permitiendo que muchos robots funcionen de 2 a 4 horas con una sola carga.
Computación perimetral (Edge Computing): Los robots deben procesar información localmente porque tareas de control en tiempo real, como equilibrarse o agarrar objetos, no permiten latencia de red. Chips como el Jetson Thor de NVIDIA están diseñados para ejecutar inferencia de IA a bordo, procesando simultáneamente múltiples flujos de datos de sensores. Esto permite a los robots procesar y rastrear su entorno localmente, respondiendo rápidamente a condiciones cambiantes sin depender de una conexión de red.
Avances en el "cerebro" (Modelos de IA): Este es el cambio más grande. Se ha pasado de la programación "if/then" a los "Modelos del Mundo" (World Models). Un Modelo del Mundo es un modelo de IA que aprende cómo funciona el mundo real viendo videos. En lugar de programar un robot para "girar el pomo de una puerta", se le muestran 10,000 videos de personas abriendo puertas. La IA, simplemente observando los videos, construye un modelo mental de cómo funciona la física, desarrollando una intuición física y simulando mentalmente escenarios antes de actuar. Google Deepmind Genie 3 y NVIDIA Cosmos son ejemplos de este nuevo tipo de modelos del mundo.
Mientras las máquinas se vuelven más inteligentes, los costos continúan disminuyendo. Por ejemplo, el robot Noetix Bumi (con un precio de 1400 dólares) ahora tiene un precio similar al del iPhone 17 Pro Max. La combinación de la caída de los costos de hardware, el aumento del rendimiento de los chips de IA y la mejora de las capacidades de los modelos del mundo está haciendo que los robots inteligentes sean más accesibles para las masas y ampliando el alcance de la investigación y desarrollo más allá de los laboratorios de tecnología de punta.
Si el "momento ChatGPT" de la robótica llega pronto, es probable que primero veamos aplicaciones en los sectores industrial y logístico, antes de que lleguen los robots humanoides verdaderamente domésticos. Aunque aún quedan muchos desafíos antes de que los robots inteligentes se generalicen, los optimistas racionales se dan cuenta de que las tendencias actuales apuntan a un futuro donde la amplia adopción de robots inteligentes es cada vez más probable.
Los grandes avances de software suelen ir acompañados de avances de hardware. Instagram y TikTok surgieron porque el hardware necesaria estaba disponible. Si el hardware de robots inteligentes se vuelve omnipresente en un futuro cercano, surge una pregunta interesante: ¿serán las aplicaciones para robots la próxima ola?
¿Qué desafíos frenan actualmente este impulso?
Datos de entrenamiento para robots: Este es el mayor cuello de botella para el desarrollo de robots inteligentes generales. A diferencia de la IA de texto, que puede extraer datos de toda la web, los robots necesitan experiencia del mundo real, como sentir fuerzas, mantener el equilibrio e interactuar con objetos. Recopilar este tipo de datos es lento, costoso y muy intensivo en mano de obra.
Problemas de "física": Ver videos no puede enseñarle completamente a un robot cómo manipular objetos o moverse de forma segura; debe sentir la fuerza y el contacto físicamente. La teleoperación, donde un humano guía al robot en tiempo real, capturando tanto la intención como la fuerza, es el mejor estándar para la recolección de datos. Generar cientos de horas de datos de alta calidad requiere la presencia constante de un operador, lo que es mucho menos escalable que la recolección de datos digitales.
Brecha entre simulación y realidad: La simulación puede generar grandes volúmenes de datos a bajo costo, pero la transferencia de habilidades al mundo real a menudo falla debido a fenómenos físicos no modelados o entornos impredecibles.
Economía de las máquinas en cadena (On-chain Machine Economy)
La combinación de blockchain y robótica ofrece una solución tangible a los desafíos actuales de la tecnología robótica. Los incentivos tokenizados pueden ayudar a coordinar millones de robots y recompensar a los contribuyentes que operen dispositivos de forma remota o aporten datos de sensores. Cada interacción se convierte en un valioso activo de datos, construyendo un conjunto de datos de robótica de rápido crecimiento, propiedad de la comunidad, cuya escala supera con creces a la de cualquier empresa individual.
Tokenización de la recolección de datos
Los datos de robótica son extremadamente valiosos, pero los datos de detección e interacción del mundo real son escasos. Las grandes empresas recopilan cantidades masivas de datos de conducción e industriales a través de sus flotas, otorgándoles una ventaja de escala inalcanzable para los desarrolladores independientes.
La IA física descentralizada permite a los usuarios operar robots de forma remota o contribuir con datos de sensores, recibiendo incentivos tokenizados. Las redes descentralizadas pueden coordinar a miles de entusiastas en todo el mundo, ayudando a los robots a navegar terrenos complejos, o los contribuyentes en entornos especializados pueden subir datos y ser recompensados. Aunque estas plataformas aún están en etapas iniciales, presagian un futuro donde los datos de robótica pueden compartirse más ampliamente, debilitando el monopolio de unas pocas grandes empresas.
Los robots como agentes económicos
En el modelo "Robot como Servicio" (RaaS), el robot inteligente en sí puede convertirse en un activo "tokenizado". Cada robot (o derecho de uso) puede estar representado por un token digital, permitiendo que múltiples usuarios sean propietarios o lo alquilen. Los pagos por servicios prestados por el robot pueden realizarse directamente a la cartera del robot mediante tokens o stablecoins. Esta configuración permite la generación autónoma de ingresos: el robot gana dinero trabajando, paga sus propios costos operativos y distribuye automáticamente las ganancias a los holders de tokens. Esencialmente, es un protocolo Web3 que transforma a los robots en proveedores de servicios programables, autosuficientes, con ganancias transparentes y rastreables.
Panorama del mercado de IA física
A medida que la nueva generación de máquinas inteligentes aprende y comprende las complejidades del mundo tridimensional, la línea entre la inteligencia digital y el comportamiento físico se está desvaneciendo.
En el corazón de esta revolución están los modelos de IA. Los complejos "cerebros" desarrollados por Physical Intelligence y Skild AI van más allá del código estático, proporcionando inteligencia general para diversas formas físicas. Estos modelos permiten tratar la agilidad y la movilidad como problemas de software, permitiendo que un único "cerebro" unificado se adapte a múltiples cuerpos robóticos. Esta capa de inteligencia está respaldada por plataformas de simulación y pipelines de datos (como los proporcionados por Zeromatter), permitiendo que los sistemas se entrenen de forma segura en entornos virtuales antes de desplegarse en el mundo real.
Junto con los cerebros robóticos, evoluciona la IA física descentralizada. Por ejemplo, la red de infraestructura descentralizada Fabric Protocol proporciona identidad en cadena y carteras criptográficas para robots autónomos, y utiliza criptografía para verificar el trabajo de las máquinas. Empresas como Auki, Peaq e IoTeX están construyendo una "economía de las máquinas", donde los robots pueden compartir mapas 3D, verificar datos y realizar transacciones de forma autónoma. Este enfoque descentralizado asegura que la capa de coordinación no esté controlada por una sola empresa.
En el ámbito industrial, el equipo de construcción autónomo de Bedrock Robotics y la automatización de almacenes de Mytra están redefiniendo la mano de obra, mientras que ANYbotics maneja tareas de mantenimiento rutinario en entornos peligrosos. Simultáneamente, los avances de Figure y Unitree acercan los avances en el mercado de consumo hacia asistentes domésticos.
Perspectiva para 2030
Desde una perspectiva de optimismo racional, el renacimiento de la robótica ya está aquí. Cuatro fuerzas imparables se están fusionando: los costos de hardware caen en picado, la inteligencia de los modelos de IA aumenta constantemente, los chips de edge computing ofrecen un poder de cálculo sin precedentes, y una fuerza laboral global potencial está lista para resolver el problema de los datos. Para 2030, esta sinergia impulsará la penetración de la IA física en todos los rincones del mundo, desde la agricultura autónoma hasta áreas de alto riesgo como la lucha contra incendios y el cuidado de ancianos.
La historia muestra que la innovación de software transformadora generalmente ocurre después de que el hardware se estabiliza. Quizás nos acerquemos a una era de "alquiler de inteligencia", donde robots humanoides estandarizados ejecutarán sistemas operativos estándar e integrarán tiendas de aplicaciones. Al igual que la revolución de los smartphones anterior, los próximos años podrían estar definidos por las "tiendas de aplicaciones para robots", donde los usuarios, en lugar de comprar dispositivos especializados, suscriben habilidades para sus robots. En este modelo, el valor se traslada de la máquina en sí a la "habilidad" específica que puede ejecutar. No necesitas comprar un robot tutor de francés especializado; simplemente descargas una "app de habilidad de francés" en tu robot humanoide genérico, y se convierte en tu tutor de francés. Para 2030, para los más adinerados, el regalo navideño preferido podría no ser el último smartphone plegable, sino un asistente inteligente que realmente ayude a gestionar las tareas del hogar.
Esta predicción se basa en un optimismo racional. Aunque el camino hacia el futuro rara vez es directo, la convergencia de tecnologías anuncia una profunda transformación impulsada por las máquinas.
Lectura relacionada: Cuando los robots aprenden a pensar, ganar dinero y colaborar: análisis de 15 tipos de tecnologías y casos de aplicación de robots
