Robots físicos: el sector supera su era GPT-2 y busca datos

El sector physical AI entra en su "era GPT-2"

La conferencia Actuate, organizada por Foxglove, reunió la semana pasada a 1.500 desarrolladores que construyen "cerebros" para robots. La cifra triplica la asistencia de 2023, año de su primera edición, y confirma que physical AI —el campo que aplica los mismos algoritmos que dieron lugar a los modelos de lenguaje a robots físicos— es uno de los nichos más calientes del venture capital en 2026. Pero la euforia convive con una advertencia incómoda: según Harry Mellsop, fundador de Antioch (herramientas de simulación para quienes entrenan estos modelos), el sector está en su "era GPT-2" —el mismo punto muerto en el que OpenAI estaba antes del salto que trajo ChatGPT.

La advertencia no es retórica. Unitree, el mayor fabricante chino de robots humanoides, debutó en el STAR Market de Shanghái a una valoración de US$66.000 millones, pero esta semana perdió casi la mitad de su valor, según publicó TechCrunch. Forbes reportó que la acción cerró su primer día con un alza del 487% y una capitalización de unos US$53.000 millones, tras una demanda minorista que superó 5.500 veces la oferta disponible. La caída posterior deja una lección clara: al mercado le encantan las demostraciones físicas de los robots, pero sigue sin verlos generando valor económico real.

El verdadero cuello de botella: datos, no hardware

En el evento, un cartel en el stand de Avala prometía resolver "la crisis de datos de la robótica". El diagnóstico coincide entre los protagonistas: los robots mejoran en capacidades físicas, pero todavía no saben hacer trabajo que genere dinero. Los intentos de construir robots generalistas siguen muy lejos, y el aprendizaje end-to-end para tareas específicas aún no entrega productos con rendimiento comercial fiable.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La receta que están siguiendo los fundadores es calcada a la de los laboratorios frontera de IA: buscar y crear datasets más diversos, experimentar con regímenes de entrenamiento y mejorar los escenarios de reinforcement learning. Mellsop apunta además a una necesidad específica: más GPUs optimizadas para ray tracing, porque son las que permiten crear simulaciones de alta fidelidad. Foxglove, fundada por exempleados de Cruise (la antigua división de conducción autónoma de General Motors), anunció esta semana un producto construido sobre el modelo de mundo open weight Nvidia Cosmos que permite buscar en datos visuales y lidar con consultas en lenguaje natural —el objetivo es acelerar el triage y el debugging para iterar más rápido.

Verticales vs. generalistas: el dilema estratégico del momento

El debate más encendido del Actuate no fue técnico, sino de modelo de negocio. Théophile Gervet, CEO de Genesis AI —startup francesa que en 2026 levantó una ronda semilla de US$105 millones (una de las más grandes de Francia, empatando el récord de Mistral AI) y que opera con el respaldo del ex-CEO de Google Eric Schmidt— lo planteó sin rodeos: "Ningún cliente paga por un robot de propósito general que funciona al 80%. Vemos a muchos competidores irse a lo general, pero no hay valor porque no hay foco vertical… aunque si construyes sobre GPT-2 para una vertical estrecha, vas a ser aplastado por el que construya sobre GPT-4."

Los datos recogidos por France24 el 16 de junio de 2026 ilustran el enfoque de Genesis: en lugar de un humanoide, presentó a "Eno", un robot con base ruedas, torre plegable y manos antropomórficas. La decisión no es estética: según explicó Vivian Sun, VP de Estrategia Comercial, la mayoría de los clientes industriales operan en pisos planos, así que las piernas sólo aportan valor en casos como subir escaleras. Genesis planea iniciar producción y despliegues comerciales a finales de 2026, empezando por logística y manufactura, después hoteles, hospitales y consumidor.

Del otro lado del cuadrilátero están quienes ya están facturando con robots "aburridos": Gritt automatiza granjas solares, Agility lleva humanoides Digit a entornos industriales y Bedrock opera excavadoras autónomas. Kevin Peterson, CTO de Bedrock, resumió su tesis: la excavación es el punto de partida para entender "manipulación en el mundo real", pero la capa de inteligencia se va a extender a una serie de máquinas de construcción.

La jugada de los gigantes: del coche autónomo al humanoide

Otro frente que se abrió en Actuate es la migración de las empresas de conducción autónoma hacia la robótica humanoide. Tesla ya lo intenta con Optimus y, según Business Insider, espera entrar en producción a finales de 2026 con un precio objetivo de unos US$25.000 por unidad. Ahora se suman Wayve (focused en autonomous driving) y Uber, que acaban de lanzar laboratorios de robótica enfocados en factores de forma humanoides.

Alex Kendall, CEO de Wayve, lo justificó así: "Creo que hay que empezar en vehículos… la robótica de manipulación es como la conducción autónoma hace cinco años". Su argumento: la infraestructura de datos, simulación y ML ops será compartida; sólo cambiará el modelo de mundo específico del simulador tras el entrenamiento. Kendall añadió que es demasiado pronto para comprometerse con un único hardware: los sensores y otros componentes avanzan rápido, y un modelo verdaderamente generalista tiene que ser agnóstico.

¿Habrá un "momento ChatGPT" para la robótica?

Sam Altman dijo recientemente que ese momento está a "unos pocos años". Los fundadores del Actuate no se ponen de acuerdo en cómo será. Kendall apunta a la distribución de consumo —"el mayor despliegue de robots del mundo sigue siendo el aspirador doméstico"— y propone como umbral: autonomía eyes-off por menos de US$1.000 de hardware en un coche. Para Gervet, el momento es "manipulación que funcione out of the box, con comandos en lenguaje natural, al 80% de fiabilidad". Adrian Macneil, CEO de Foxglove, disiente: "No habrá un momento ChatGPT para robótica. Lo que hizo único a ChatGPT fue la distribución: de cero a un millón de usuarios activos en una semana. Yo estaría feliz con un momento Apple II o un momento IBM PC para la robótica: ¿cuándo podré comprar un robot doméstico que empiece a hacer cosas útiles y divertidas?"

¿Qué significa esto para tu startup?

Tres lecturas prácticas para founders que están construyendo —o invirtiendo— en physical AI o robótica:

Elige vertical, pero con plan de salida hacia lo general. El dinero de los clientes y los datos del mundo real están en nichos concretos (logística, construcción, manufactura, energía solar). Pero quien se quede atrapado en una vertical estrecha cuando llegue el "GPT-4 de la robótica" será desplazado. Modela tu roadmap con un data flywheel vertical que alimente, a 24-36 meses, una capa de inteligencia más amplia.
Piensa en infraestructura, no sólo en robots. Categorías como gestión y visualización de datasets (Foxglove), simulación con ray tracing (Antioch) y búsqueda semántica sobre datos visuales son picks-and-shovels del sector. Si no quieres competir contra Unitree en hardware, hay una capa de software con márgenes de SaaS que casi ningún incumbente tradicional de enterprise software está cubriendo bien.
Cuidado con el gap de IPO y la volatilidad china. El debut de Unitree fijó el primer benchmark real de mercado público para un fabricante puro de humanoides. Eso afecta a todas las rondas privadas, SPACs (como el de Agility Robotics vía Churchill Capital XI) y los próximos IPOs del sector — Agility ya tiene más de US$300 millones en pedidos plurianuales comprometidos para su Digit V5, según Forbes. Si estás modelando exit, ese múltiplo es ahora tu ancla.

Para founders hispanos en LATAM y España, la ventana está menos saturada que en Silicon Valley y los problemas verticales (logística de última milla, agro, construcción, energía renovable) son los mismos donde los robots ya están demostrando tracción.