Investigación La IA física se juega en el hardware, no solo en el cerebro
Japón y OpenAI compiten por fabricar los robots que alimentan a la IA física, mientras un benchmark revela que los modelos aún no entienden el mundo real.
Cuando los modelos de lenguaje dominaron la conversación tecnológica, el siguiente salto se presentó como un problema de software. La llamada inteligencia artificial física, sin embargo, está revelando que su frontera real pasa por el hardware: quien fabrica el cuerpo del robot determina quién obtiene los datos, y quien obtiene los datos determina quién construye el cerebro.
Dos movimientos recientes lo confirman desde flancos opuestos. En Tokio, la asociación AIRoA presentó el 16 de septiembre en el Physical AI Summit los prototipos de siete empresas japonesas que compiten en el concurso de desarrollo de robots generales de producción nacional: THK, ugo, Nachi-Fujikoshi, Keigan, Enacitic, HatsuMuv y un consorcio liderado por Emplifi que integra a Mazda, Airia, Asratec y TSAKO. El certamen, financiado por NEDO dentro del programa post-5G, no ofrece premio en dinero: el ganador obtiene el derecho a ser usado como plataforma de recolección de datos para el desarrollo de modelos fundacionales de robótica. La prueba avanza en tres etapas, desde el prototipo entre abril y septiembre de 2026 hasta la producción en masa a partir de marzo de 2027, y responde a una preocupación explícita de su presidente, el profesor de Waseda Tetsuya Ogata: “China va por delante en el desarrollo de hardware humanoide y cada vez se usan más robots chinos para recoger datos. Si por problemas geopolíticos dejáramos de tener acceso a ellos, el desarrollo de la IA física se detendría”.
El otro flanco es OpenAI. En una entrevista publicada en septiembre, Sam Altman confirmó que la compañía fabricará un robot humanoide y que “definitivamente” también desarrollará otros formatos. La declaración importa menos por la novedad que por el giro estratégico: OpenAI había disuelto su equipo de robótica en 2021 porque no conseguía suficientes datos. Su página de empleo muestra ahora 19 posiciones abiertas en San Francisco, cuatro de ellas específicas de actuadores, más un director de programas técnicos para esos componentes. Que un laboratorio de IA esté contratando ingenieros de engranajes y diseño electromagnético es la mejor señal de que el cuello de botella dejó de ser puramente algorítmico. Como resumió Altman, construir los cuerpos es menos importante que descubrir cómo crear el cerebro que hace funcionar al robot; pero la compañía se comporta como quien sabe que no se puede crear ese cerebro sin operar cuerpos reales.
Esa integración vertical choca con la estrategia de quienes quieren ser solo el software. Nvidia publicó un diseño de referencia abierto para un robot humanoide, Google DeepMind lanzó Gemini Robotics 2, y Skild AI recaudó US$1.400 millones para desarrollar un “cerebro omnicuerpo”. Figure AI ya marcó el camino cuando rompió su alianza con OpenAI en 2025: “No podemos externalizar la IA por la misma razón por la que no podemos externalizar nuestro hardware”. La visión del Optimus doméstico que Elon Musk presentó en 2024 como “tu propio R2D2” chocó con la realidad que el propio Musk admitió en enero: ningún Optimus realizaba trabajos útiles dentro de las fábricas de Tesla y la meta de enviar unas 10.000 unidades en 2025 quedó incumplida.
En medio de esta carrera, una pieza académica pone una nota de realismo. El benchmark PAI-Bench, presentado por investigadores de Georgia Tech y Carnegie Mellon en CVPR 2026, evaluó 15 modelos generativos de video, 4 modelos condicionados y 16 modelos multimodales sobre 2.808 casos reales que exigen comprender y predecir dinámicas físicas. El resultado: aunque modelos como Veo3 alcanzan una fidelidad visual alta, siguen violando leyes físicas básicas, y los grandes modelos de lenguaje como GPT-5 quedan muy por debajo del desempeño humano en percepción y pronóstico. Los autores concluyen que las capacidades centrales de predicción y percepción que requiere la IA física están todavía en una etapa incipiente. Dicho de otro modo: los cerebros más avanzados no funcionan si no se les alimenta con datos del mundo real, y esos datos solo se obtienen con máquinas físicas desplegadas en entornos no controlados.
La dimensión comercial de esa dependencia explica por qué Japón y Estados Unidos reaccionan ante la misma amenaza. Los actuadores representan entre 40% y 60% del costo de materiales de un robot humanoide; China controla cerca del 69% de la extracción de tierras raras y alrededor del 90% de su procesamiento para imanes; y fabricar un robot avanzado sin proveedores chinos encarecería el costo de materiales de unos US$46.000 a US$131.000, según estimaciones citadas por Forbes. Los envíos globales de humanoides alcanzaron unas 19.100 unidades en la primera mitad de 2026, un aumento interanual de 272%, con fabricantes chinos representando más del 97% del total. Frente a ese dominio, la respuesta no es solo comercial sino estratégica: la competición japonesa financiada por NEDO y la integración vertical de OpenAI son dos caras de la misma decisión de no quedar rehén de una cadena de suministro concentrada en un solo país.
Qué significa para América Latina
Para las empresas latinoamericanas, el primer efecto de esta disputa no será la llegada masiva de robots domésticos ni de humanoides a las fábricas. Será la maduración de un mercado de servicios e integración que hoy no existe: plantas piloto de manipulación móvil en manufactura, automatización de almacenes y control de calidad con visión física. La región no produce actuadores ni extrae tierras raras en volúmenes relevantes, y ninguna de las compañías protagonistas, de OpenAI a los fabricantes chinos, tiene una estrategia pública de distribución regional. Eso significa que los primeros en adoptar dependerán de proveedores externos, con los riesgos de disponibilidad y soberanía que la propia AIRoA denuncia.
También hay una ventana. La inmadurez que revela PAI-Bench, modelos que todavía no entienden la física del mundo real, indica que la tecnología está lejos de estar resuelta. Ese intervalo es el que permite a universidades y empresas de la región formar especialistas, documentar casos de uso locales y preparar la infraestructura de datos industriales que cualquier modelo necesitará. Los equipos de automatización que hoy evalúan manipuladores móviles o robots no deberían preguntarse solo cuánto cuesta la máquina, sino quién se queda con los datos que esa máquina genera mientras opera.
La pregunta que queda sobre la mesa para un director de operaciones o tecnología en América Latina no es si los robots llegarán. Es si, cuando lleguen, la región estará del lado de quienes fabrican el cuerpo, de quienes controlan los datos o de quienes solo pagan la factura.
