Artículos Relacionados con Modelo del Mundo

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Modelo del Mundo", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

En medio año consiguieron 17.000 millones: los 'vendedores de picos' de datos se convierten en el negocio más lucrativo del campo de la inteligencia corpórea.

A mitad de 2026, el sector de los datos para inteligencia embebida en China experimenta una explosión de financiación, con 25 startups recaudando más de 170.000 millones de RMB en solo seis meses. Empresas como LiberAI (valorada en 5.000 millones tras cinco rondas), Guanglun Zhineng (unicornio valorado en 150.000 millones) y Jianzhi Robot destacan en esta fiebre por vender "picos y palas" a quienes buscan oro robótico. El artículo identifica cinco enfoques principales para superar la escasez crítica de datos de acciones físicas 3D necesarios para entrenar robots: 1. **Adquisición con robots reales/teleoperación**: Empresas como Paxini y Noitom construyen fábricas o usan captura de movimiento para producir datos de alta precisión, aunque son costosos. 2. **Datos sintéticos/simulación**: Crean mundos virtuales realistas para generar datos a gran escala y bajo coste, como hace Guanglun Zhineng con su motor de simulación. 3. **Adquisición UMI/portátil sin robot**: Utilizan wearables para capturar directamente las acciones humanas, evitando las limitaciones del hardware robótico. Startups como Yuantai Zhihang (con una ronda récord de 455 millones USD) y Mifeng Technology dominan esta vía. 4. **Destilación de video/modelos del mundo**: Extraen información útil de los abundantes videos de Internet o usan IA para aprender las leyes físicas y generar datos, una solución de muy bajo coste. 5. **Infraestructura y plataformas de datos**: Ofrecen servicios estandarizados de procesamiento, anotación y evaluación de datos, actuando como refinerías esenciales para el ecosistema. Sin embargo, se advierte de un problema estructural: la demanda de datos depende casi por completo de la financiación de las propias startups de robótica, que aún no son rentables. Si su despliegue en el mundo real falla o la financiación se seca, la burbuja de datos podría desinflarse. Se prevé que solo sobrevivirán las empresas que logren establecer estándares de plataforma o posean una capacidad superior para refinar y fusionar datos de diversas fuentes para escenarios complejos y a largo plazo.

marsbitHace 5 hora(s)

En medio año consiguieron 17.000 millones: los 'vendedores de picos' de datos se convierten en el negocio más lucrativo del campo de la inteligencia corpórea.

marsbitHace 5 hora(s)

¿Llegará el momento iPhone de la inteligencia encarnada?

**¿Llega el "momento iPhone" de la inteligencia corporeizada? Una mesa redonda analiza el estado actual** En un foro celebrado en Wuhan, expertos del sector, la academia y el gobierno debatieron el desarrollo de la inteligencia corporeizada. El consenso general es que su "momento iPhone" está aún lejos, comparándose más bien con la era de los "teléfonos móviles de primera generación". **Principales conclusiones:** * **Tecnología inmadura:** El camino tecnológico (como los modelos VLA o los modelos mundiales) no está definido. El "cerebro" (toma de decisiones) está lejos de ser comercializable, aunque el "cerebelo" (control motor) ha avanzado. * **Cuello de botella de datos:** La falta de datos es el mayor obstáculo. Se estima que se necesitan millones de ejemplos, pero actualmente solo hay unos 500.000 a nivel mundial. * **Problema económico:** El costo actual de los robots humanoides, sumado al de los modelos avanzados, es mucho mayor que el de la mano de obra humana tradicional, dificultando la viabilidad comercial. * **Mercados potenciales:** Se identifican tres mercados: **valor emocional** (cientos de miles de millones, ej. compañía), **servicios comerciales** (cientos de miles de millones, ej. guías, recepción) y **productividad laboral** (billones, ej. fábricas, tareas domésticas). Este último es el mayor, pero también el más complejo. * **Aplicaciones actuales:** Mientras los robots humanoides evolucionan, la inteligencia corporeizada ya puede aplicarse en formas no humanoides (ej. robots de reparto, limpieza) o enfocarse primero en proporcionar valor emocional y compañía, similar a una mascota. * **Visión de futuro:** El objetivo final de la IA es ingresar al mundo físico e integrarse en los hogares, no quedarse detrás de una pantalla. * **Uso de la IA:** Si bien el uso de IA para mejorar la eficiencia (codificación, investigación) es común, se subraya la necesidad de que las decisiones clave sigan en manos humanas debido a los riesgos de "engaño" o sustitución cognitiva. En resumen, el sector avanza rápidamente pero enfrenta retos significativos en datos, modelos, costos y aplicaciones robustas. La hoja de ruta apunta a una evolución gradual por sectores, más que a un punto de inflexión único e inmediato.

marsbit07/14 05:18

¿Llegará el momento iPhone de la inteligencia encarnada?

marsbit07/14 05:18

Hoy llega la mayor OPV de la Bolsa de Hong Kong

La IPO más grande del día en la Bolsa de Hong Kong: Momenta, especializada en IA física, debutó en el mercado con una capitalización bursátil que superó los 70.000 millones de HKD. Fundada en 2016 por Cao Xudong, egresado de la Universidad de Tsinghua, la empresa ha desarrollado un modelo estratégico de "una rueda de inercia y dos patas", combinando la producción en masa de sistemas de asistencia a la conducción (ADAS) con la investigación en conducción autónoma de nivel 4 (L4). Con más de 1 millón de vehículos equipados con su tecnología y colaboraciones con 24 fabricantes de automóviles, incluidos 9 de los 10 principales a nivel mundial, Momenta ha alcanzado unos ingresos de 2.413 millones de yuanes en 2025. La compañía, respaldada por una amplia lista de inversores institucionales y capital de riesgo, se centra en su modelo mundial R7, considerado el núcleo de la IA física para entender y predecir las leyes del mundo real, posicionándose como una empresa líder en este campo emergente.

marsbit07/08 03:15

Hoy llega la mayor OPV de la Bolsa de Hong Kong

marsbit07/08 03:15

El último artículo de Fei-Fei Li: Cuando la generación de vídeo, la robótica y NVIDIA se autodenominan modelos del mundo, necesitamos una taxonomía

El artículo de Fei-Fei Li clarifica el término "modelo del mundo", utilizado de manera confusa en IA, proponiendo una taxonomía basada en el ciclo POMDP (Proceso de Decisión de Markov Parcialmente Observable). Identifica tres categorías funcionales: 1) **Renderizador**: genera observaciones (píxeles) visualmente fieles para humanos, como los modelos de video Sora o Genie, pero sin comprensión física precisa. 2) **Simulador**: produce estados del mundo con precisión geométrica, física y dinámica, sirviendo tanto para visualización profesional como para entrenamiento de agentes (robots, vehículos autónomos). 3) **Planificador**: deduce acciones a partir de observaciones y objetivos, cerrando el ciclo percepción-acción, como los modelos de lenguaje-visión-acción (VLA). El artículo argumenta que el simulador es el componente clave y subestimado, pues proporciona la base estructural para la renderización y la planificación. Mientras los renderizadores tienen madurez comercial pero limitaciones físicas, y los planificadores son prometedores pero inmaduros para despliegues reales, los simuladores abarcan aplicaciones cruciales en robótica, diseño y digitalización. La tendencia actual es la fusión de estas categorías, impulsada por la idea de que comparten conocimiento subyacente. Modelos como Marble de World Labs ejemplifican esta convergencia, generando tanto representaciones visuales (splats gaussianos) como mallas para simulación física. La visión final es un **modelo del mundo unificado** capaz de alternar entre renderizar, simular y planificar según la necesidad, avanzando hacia una inteligencia espacial que permita a las máquinas entender e interactuar con el mundo físico.

marsbit07/05 09:29

El último artículo de Fei-Fei Li: Cuando la generación de vídeo, la robótica y NVIDIA se autodenominan modelos del mundo, necesitamos una taxonomía

marsbit07/05 09:29

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbit06/20 06:09

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbit06/20 06:09

Tiemblen humanos, la IA sigue acelerando a toda velocidad

Sí, la IA sigue avanzando a toda velocidad. Aunque algunos creían que la Ley de Escalado (Scaling Law) podría estar tocando techo, expertos en la conferencia BAAI 2026 señalaron que está lejos de agotarse. Su efecto continúa impulsando modelos de lenguaje grandes (LLM) y multimodales. La IA también está aprendiendo a "auto-evolucionarse", usando IA para escribir y actualizar código, acercándose a la posibilidad de tomar el control del mundo digital. El próximo campo de batalla clave son los **Modelos Mundiales (World Models)**, que buscan que la IA comprenda e interactúe con el mundo físico. Sin embargo, aún no existe un consenso sobre la ruta técnica óptima (basada en lenguaje, píxeles, estructuras 3D o representaciones visuales) y persisten desafíos con los datos. Se estima que su desarrollo y convergencia llevarán de 3 a 5 años más. En el frente de la aplicación, los **Agentes (Agents)** son clave para llevar la IA a la vida cotidiana. Han pasado de ser "utilizables" a empezar a ser "útiles", volviéndose más proactivos y capaces de manejar tareas complejas en campos como la medicina o la investigación. Para que sean realmente "buenos", es crucial perfeccionar el **Harness**: el marco o entorno de ingeniería que gestiona la comprensión de la intención del usuario, la planificación de tareas, la ejecución y la verificación, superando las limitaciones del modelo solo. En resumen, la IA está en una carrera acelerada en dos frentes: hacia dentro, dominando y auto-evolucionando el mundo digital; y hacia fuera, buscando comprender y actuar en el mundo físico a través de Modelos Mundiales y Agentes más competentes.

marsbit06/13 02:55

Tiemblen humanos, la IA sigue acelerando a toda velocidad