Ex Nvidia: la robótica aún no tiene su momento ChatGPT

La robótica está en su era Lego, no en su momento ChatGPT

Amulya Vishwanath pasó siete años liderando el product marketing de las plataformas de robótica de Nvidia. Hoy es fundadora y managing partner de Techable VC, un fondo early stage enfocado en physical AI. Su diagnóstico sobre el sector va a contramano del relato más repetido: la robótica no está a punto de tener su momento ChatGPT.

Está, dice, en su era Lego. Los ladrillos básicos —actuadores, manos robóticas, software y estándares de seguridad— todavía se están reconstruyendo. Sin esos bloques estandarizados y confiables no hay plataforma sobre la cual apilar aplicaciones, por más que los modelos de IA avancen.

La tesis choca con la de quienes creen lo contrario. Pim de Witte, CEO de General Intuition, sostuvo a comienzos de este año que un único modelo fundacional general haría redundante buena parte del trabajo especializado que hoy se hace en robótica. Si eso fuera cierto, ese momento estaría a la vuelta de la esquina.

Para un founder, la diferencia entre ambas lecturas no es filosófica: define dónde está el negocio en los próximos 24 meses.

¿Quién es Amulya Vishwanath y qué busca Techable VC?

Vishwanath fue una de las primeras ejecutivas mujeres en salir de Nvidia para levantar su propia firma de inversión. Techable VC escribe primeros cheques en physical AI, con foco declarado en robótica, ciencia de materiales y ciencias de la vida.

Ese cruce no es casual. Un robot humanoide es, antes que software, un problema de materiales y de mecánica: motores, reductores, sensores de fuerza, baterías. Invertir en robótica sin mirar la cadena de componentes es invertir en la parte del problema que todavía no está resuelta.

Su salida de Nvidia tampoco es un caso aislado. Business Insider reportó que el laboratorio de robótica de Nvidia se está convirtiendo en una fábrica de fundadores: Sanja Fidler, ex vicepresidenta de investigación en IA de la compañía, dejó la empresa en julio para fundar Veeda AI, que construye mundos simulados para entrenar robots. El ex investigador Joel Jang fundó Dream Labs en el mismo terreno. Nvidia, además, invirtió en Flexion Robotics y Dyna Robotics.

¿Cuánto capital se está moviendo en physical AI?

Mucho, y cada vez más rápido. Las empresas de physical AI levantaron US$33.400 millones en el primer semestre de 2026, superando los US$28.700 millones de todo 2025, según datos de PitchBook citados por Business Insider.

Las proyecciones de largo plazo son todavía más agresivas. Morgan Stanley estima que el mercado de robots con IA habilitada podría representar unos US$25 billones en ingresos hacia 2050, con 1.000 millones de humanoides en servicio, según recoge MarketScreener.

El presente, en cambio, es más modesto. La International Federation of Robotics (IFR) contó cerca de 7.000 ventas de humanoides de más de 140 centímetros en 2025, excluyendo investigación y entretenimiento. En el mismo año se instalaron 603.000 robots industriales convencionales. El humanoide sigue siendo un nicho dentro de una industria madura.

El dinero, sin embargo, ya se mueve en toda la cadena. Mecka AI, que recolecta datos de movimiento humano para entrenar robots, levantó US$60 millones en una Serie B liderada por Sequoia con participación de Nvidia y el fondo M12 de Microsoft, según American Bazaar. Y Agility Robotics avanza hacia la bolsa: la SEC declaró efectivo el registro de su fusión con Churchill Capital Corp XI el 13 de octubre de 2026, una operación que valora a la compañía en US$2.500 millones pre-money y que espera captar más de US$620 millones en ingresos brutos, según Unite.AI.

¿Por qué los datos son el verdadero cuello de botella?

Porque un robot no aprende leyendo internet. Un modelo de lenguaje se entrena con texto que ya existe; un robot tiene que aprender a levantar un objeto blando sin aplastarlo o a recuperar el equilibrio en un piso mojado. Eso no se descarga: se genera moviendo máquinas reales en entornos reales.

La IFR ubica la falta de datos de entrenamiento entre los tres principales obstáculos para el desarrollo de humanoides, junto con la seguridad y la ausencia de un modelo económico viable. En septiembre de 2026, la federación describió a estas máquinas como todavía al borde de dar el salto del laboratorio a los proyectos piloto.

Los otros dos frenos son igual de concretos. La autonomía energética sigue siendo insuficiente para uso industrial, y es un problema de química de baterías, no de software. Y los estándares de seguridad para robots que caminan en dos piernas todavía no existen: hay un comité de la Organización Internacional de Normalización trabajando en el tema, pero la normativa aplicable aún no está publicada.

Ahí es donde la era Lego deja de ser una metáfora y se vuelve un mapa de oportunidades. Los despliegues que ya existen son acotados y específicos: Figure completó un piloto de 11 meses en la planta de BMW en Spartanburg, con más de 1.250 horas de operación y más de 90.000 piezas de chapa manipuladas, según MarketScreener. Agility Robotics acumula más de 65.000 horas de operación en nueve sitios de clientes, incluidos GXO, Schaeffler y Mercado Libre.

¿Qué significa esto para tu startup?

Si estás construyendo en robótica o physical AI, la tesis de Vishwanath sugiere cuatro decisiones concretas.

• Vende el ladrillo, no la casa. Los componentes estandarizables —actuadores, manos, sensores de fuerza, software de seguridad— son el cuello de botella declarado del sector. Un proveedor de piezas confiables tiene un mercado que crece con cada integrador, sin necesidad de ganar la carrera del robot universal.
• Elige un caso de uso vertical y defiéndelo. La IFR es explícita: las máquinas diseñadas para un uso específico están mucho más cerca del despliegue que las universales. Un robot que hace una sola tarea bien en un almacén vale más, hoy, que una promesa de propósito general.
• Prepara un ciclo de venta enterprise, no de app store. Los clientes que ya despliegan humanoides son fabricantes, operadores logísticos y automotrices. Eso implica pilotos largos, métricas de seguridad y contratos con hitos. El capital que levantes tiene que cubrir ese ciclo, no un lanzamiento de producto.
• Mira la cadena de suministro como parte de tu producto. China concentra más de la mitad de los 174 fabricantes de humanoides identificados por la IFR y dominó las patentes del sector en 2025, según MarketScreener. Para un founder en LATAM o España, eso es a la vez un riesgo de costos y una oportunidad: componentes, integración y software de nicho son terrenos donde la ventaja no depende de fabricar el robot completo.

Conclusión

El momento ChatGPT de la robótica no llegó, y la evidencia disponible sugiere que no va a llegar como un evento único. Va a llegar como una acumulación: estándares de seguridad publicados, baterías que aguanten un turno completo, datos reales suficientes para entrenar y componentes que bajen de precio.

Mientras eso ocurre, el capital ya está entrando —US$33.400 millones solo en el primer semestre de 2026— y los fundadores que salen de Nvidia, Google DeepMind y Waymo están ocupando cada eslabón de la cadena. La pregunta para tu startup no es cuándo llega el robot universal, sino en qué ladrillo de la era Lego vas a ser imprescindible.

Fuentes

• TechCrunch (fuente original)
• Business Insider
• MarketScreener
• Unite.AI
• American Bazaar