Del concepto a la fábrica: claves de la ingeniería humanoide actual
La robótica humanoide ha dejado de ser una promesa de laboratorio para convertirse en una carrera industrial con cifras concretas. En 2025 se enviaron unas 13.000 unidades en todo el mundo, según datos de Omdia recogidos por Bloomberg, y cerca del 90% salieron de fábricas chinas. Tesla, con todo su aparato industrial y reputación de marca, desplegó internamente alrededor de 800 unidades de su Optimus ese mismo año. La brecha no es de talento ni de capital —Silicon Valley tiene más fondos y décadas de experiencia en apuestas de alto riesgo—, sino de infraestructura física para iterar.
El cuello de botella histórico ha sido el dato. A diferencia del lenguaje o la visión, no existe un "internet de trayectorias robóticas" para preentrenar modelos a escala. Los datos de un solo hardware son órdenes de magnitud insuficientes, y la variabilidad entre embodiements —grados de libertad, sensores, modos de control— crea un archipiélago de "islas de datos" en lugar de un corpus coherente.
NVIDIA ha abordado esto con GR00T N1, un modelo fundacional abierto de 2.200 millones de parámetros que usa una arquitectura de doble sistema: un módulo visión-lenguaje (Sistema 2) que razona a 10 Hz sobre instrucciones e imágenes, y un Diffusion Transformer (Sistema 1) que genera acciones motoras a 120 Hz mediante flow-matching. El modelo se entrena sobre una pirámide de datos heterogénea: en la base, vastas cantidades de videos web y humanos; en el medio, datos sintéticos de simulación física; en la cúspide, trayectorias reales de robot. Esta estrategia permite anotar pseudo-acciones en videos sin acciones mediante un codebook de acciones latentes y modelos de dinámica inversa, tratando fuentes diversas como embodiements adicionales.
Con un único conjunto de pesos, el modelo genera comportamientos de manipulación bimanual en plataformas que van desde brazos de mesa hasta humanoides completos como el Fourier GR-1, superando baselines de imitation learning en benchmarks de simulación y mostrando alta eficiencia de datos en deployment real.
El factor China: inversión estatal, cadena de suministro y datos masivos
Dos explicaciones perezosas dominan la narrativa occidental: todo es plan quinquenal, o todo es copia. Ninguna captura la dinámica real. La ventaja china radica en el Delta del Río Perla y el Delta del Yangtsé, los dos ecosistemas de fabricación más densos del planeta. Motores, actuadores, sensores, PCBs personalizados: todo está a distancia de cruzar la calle. Cuando Unitree quiere probar un nuevo diseño de articulación, el componente está listo en horas. Un equipo en San Francisco espera semanas para recibir la misma pieza desde China.
Esa diferencia de velocidad de iteración lo cambia todo en ingeniería de hardware. Romper un robot, aprender, sustituirlo y volver a intentarlo: ese ciclo construye la ventaja técnica acumulada. Si romper un robot cuesta tres semanas de logística, el aprendizaje se detiene. No es un problema de inmigración ni de I+D; es un problema de base industrial, y resolverlo lleva años de trabajo ingrato.
Hay apoyo estatal y es legítimo señalarlo: Pekín ha inyectado capital y fijado objetivos de producción, triplicando con creces el número de empresas de robótica entre 2020 y 2024 según China Daily. Pero ese dinero viene con ataduras: se clasifica como "activo del Estado" y los fundadores asumen responsabilidades personales si la empresa fracasa, lo que empuja el capital hacia apuestas políticamente seguras, no necesariamente las más innovadoras. La verdadera palanca es la densidad de proveedores que permite a startups como Unitree, AgiBot o UBTech iterar a velocidad de software sobre hardware físico.
Empresas referentes: de Unitree y UBTECH a los nuevos unicornios del sector
Unitree Robotics (Yushu Technology) se ha convertido en el símbolo visible de este ecosistema. Fundada en 2016 en Hangzhou, entregó más de 5.500 humanoides en 2025 y registró 41,3 millones de dólares de beneficio neto —raro en un sector que quema caja—. Su modelo G1, de tamaño infantil, cuesta 13.500 dólares frente a los más de 20.000 que se anticipan para el Optimus de Tesla. Esa brecha de precio permite iterar diez veces con el mismo presupuesto. Sus perros cuadrúpedos parten de 2.700 dólares, una fracción de los ~70.000 del Spot de Boston Dynamics.
La salida a bolsa de Unitree en el STAR Market de Shanghái —el "Nasdaq chino"— cerró su primer día con una subida superior al 460%, marcando la primera salida a bolsa de un fabricante de humanoides en la China continental. UBTech Robotics, rival más pequeño, ya cotizaba en Hong Kong desde hace casi tres años y en julio presentó robots "hiperrealistas" para apoyo emocional. Leju Robotics y AgiBot se preparan para seguir sus pasos. Jack Pearson, de RoboStrategy, ve la IPO como indicador del apetito inversor y "punto de inflexión" para la industria china, especialmente cuando EE.UU. restringe importaciones de robots chinos por seguridad nacional.
David Hsu, investigador de robótica, lo resume sin rodeos: "EE.UU. ha perdido su liderazgo en robótica. Ya no oímos hablar de empresas estadounidenses en las noticias; son las chinas las que acaparan titulares. Han reemplazado a Estados Unidos como los chicos populares del barrio."
Manipulación y tacto: el cuello de botella de la mano robótica
Aunque la locomoción bípeda ha avanzado rápido, la manipulación hábil sigue siendo el gran filtro. Los modelos de comportamiento fundacional (BFM, por sus siglas en inglés) emergen como paradigma para el control de cuerpo entero: preentrenamiento a gran escala para aprender habilidades primitivas reutilizables y priores conductuales amplios, permitiendo adaptación zero-shot o rápida a tareas descendentes. Una revisión IEEE publicada en TPAMI (abril 2026) traza esta evolución desde controladores basados en modelo hasta aprendizaje por refuerzo específico de tarea, y ahora a BFMs que prometen frameworks escalables y de propósito general.
Este desafío radica en el acoplamiento fuerte entre locomoción, manipulación y balance, la subactuación y los cambios frecuentes de contacto. Los BFMs abordan esto aprendiendo representaciones compartidas a través de pipelines de preentrenamiento diversos, pero la transferencia sim-to-real, la latencia en tiempo real y la seguridad siguen como cuellos de botella críticos. La integración de LLMs y VLMs en la pila robótica —percepción semántica, planificación adaptativa, generación de código de control— ayuda a cerrar la brecha entre razonamiento de alto nivel y ejecución de bajo nivel, pero el grounding físico y la fiabilidad en entornos no estructurados requieren aún avances en datos multimodales embodiados y arquitecturas que unifiquen razonamiento y actuación.
Viabilidad económica: coste por unidad, ROI y primeras aplicaciones reales
Ya empieza a cerrarse la ecuación económica. Roland Berger proyecta costes operativos de unos 2 dólares por hora en el futuro, lo que haría viable relocalizar en Europa producción intensiva en mano de obra. Los fabricantes podrían alcanzar ingresos de 300.000 a 750.000 millones de dólares en 2035, con un mercado largo de hasta 4 billones —niveles de la industria automovilística—. Pero los beneficios aparecerán primero en tareas claramente definidas y repetitivas: desembalado, transporte, pick and place, cuidado de máquinas. Solo cuando el software madure —y con él la durabilidad, la seguridad y la certificación— se ampliará el abanico.
Las normas actuales están diseñadas para automatización tradicional con barreras físicas. Los humanoides trabajan de forma dinámica compartiendo espacio con personas, lo que exige nuevos enfoques de prueba, certificación y legislación armonizada. Europa tiene base industrial sólida —automoción, ingeniería mecánica, automatización— pero sus inversiones, volúmenes y ecosistemas startup van por detrás de EE.UU. y China. Sin cadena de valor propia, una parte significativa del valor económico se generará fuera, como ya ocurre en parte de la IA.
Marco regulatorio y estándares de seguridad: el reto de la convivencia
Esta rivalidad tecnológica EE.UU.-China ha llegado a la robótica. En julio, la administración Trump anunció la prohibición de nuevos humanoides y cuadrúpedos chinos por seguridad nacional y protección industrial. Pekín denunció politización del comercio. Christine Wan, del Instituto Peterson, advierte que otros países dudarán en reducir dependencia de proveedores chinos ante el riesgo de perturbar su propia producción. Boston Dynamics —controlada por Hyundai— planea desplegar humanoides en fábricas surcoreanas en dos años. Amazon y Tesla anuncian planes para almacenes y fábricas propias, pero aún no entregan a escala.
El siguiente gran estándar global es la certificación de seguridad para colaboración hombre-robot sin barreras. Quien lo defina marcará las reglas de acceso a mercado.
Inversión y mercado: ETFs, valoraciones y señales de madurez financiera
Con múltiplos implícitos que reflejan expectativas de crecimiento agresivo, la IPO de Unitree y la cartera de salidas previstas (Leju, AgiBot) señalan que el capital público empieza a poner precio a la robótica humanoide como categoría de inversión, no solo como apuesta venture. Los ETFs de robótica e IA encarnada ganan tracción. Pero la rentabilidad de Unitree (41,3 millones de dólares en 2025) sigue siendo la excepción, no la norma. La mayoría quema caja persiguiendo escala y datos. La madurez financiera llegará cuando el coste por hora de operación compita con mano de obra cualificada en tareas repetibles y la cadena de suministro demuestre resiliencia ante choques geopolíticos.
Está clara la tesis: China no lidera por subvenciones ni espionaje, sino porque ha construido el mejor entorno del mundo para romper hardware y volver a intentarlo mañana. Mientras Occidente debate regulación y busca talento, la ventaja compuesta de iterar en horas —no semanas— sigue alimentando un volante de datos reales, modelos mejores y robots más baratos. La carrera no la ganará quien tenga el modelo más grande, sino quien tenga la fábrica más rápida.
