Nvidia monta la cadena completa de la IA física: de los datos sintéticos al robotaxi en 28 ciudades

Nvidia ya no solo vende chips para inteligencia artificial. En su conferencia GTC 2026, la compañía desplegó una batería de anuncios que apuntan a un objetivo concreto: ser el proveedor completo de la llamada IA física, desde la generación de datos de entrenamiento hasta el despliegue de robots y vehículos autónomos en el mundo real. El paquete incluye nuevos modelos fundacionales, una alianza con ABB Robotics para automatización industrial, una plataforma de datos sintéticos y una hoja de ruta para llevar robotaxis a 28 ciudades con Uber. Para las empresas latinoamericanas, el mensaje es claro: la barrera de entrada no es el algoritmo, sino la capacidad de generar datos de calidad y la infraestructura de borde.

De Cosmos 3 a Alpamayo 1.5: modelos que unen percepción, razonamiento y acción

Nvidia presentó tres modelos fundacionales orientados a escenarios físicos. Cosmos 3 está diseñado para generar mundos sintéticos que sirvan como campo de entrenamiento, resolviendo el problema clásico de que los casos raros —un peatón con paraguas, una bicicleta inesperada— son los más difíciles y costosos de capturar en la realidad. Isaac GR00T N1.7 es un modelo de visión, lenguaje y acción (VLA) para robots humanoides que la compañía califica como "comercialmente viable" para despliegue real, y que permite que un robot no se bloquee cuando cambia la iluminación o aparece un obstáculo imprevisto. Alpamayo 1.5, orientado a vehículos autónomos, integra video de conducción, historial de movimiento, guía de navegación y prompts en lenguaje natural para ajustar el comportamiento del vehículo —por ejemplo, "actúa con más prudencia en zona escolar"— y traducir esas indicaciones en trayectorias. El CEO Jensen Huang calificó este momento como el "momento ChatGPT de la conducción autónoma": una tecnología que pasa de ser un experimento de especialistas a una plataforma sobre la que muchos pueden construir.

La alianza con ABB y la fábrica de datos: el eslabón industrial

En el frente industrial, Nvidia y ABB Robotics anunciaron una alianza para llevar la IA física a las fábricas. El objetivo es que los robots puedan adaptarse a entornos cambiantes sin necesidad de ser reprogramados manualmente, utilizando simulación en Omniverse y los nuevos modelos de Nvidia. Paralelamente, la compañía lanzó su Physical AI Data Factory Blueprint, una arquitectura de referencia abierta para unificar y automatizar la generación, ampliación y evaluación de datos de entrenamiento. El blueprint usa la familia Cosmos para producir datos sintéticos a partir de datos del mundo real, incorporando casos extremos que son caros de capturar en la calle. Nvidia indicó que Uber ya lo utiliza para desarrollo de vehículos autónomos y Skild AI para robótica de propósito general. El blueprint estará disponible en GitHub a partir de abril de 2026. La pieza central es que, en un entorno de alto riesgo, el método de prueba puede ser tan determinante como el algoritmo: no basta con tener una receta brillante si los ingredientes —los datos— solo provienen de condiciones ideales.

Edge AI y 5G: la red como cerebro distribuido

La latencia es el talón de Aquiles de la IA física. Si un robot o un coche autónomo tiene que esperar a que su consulta viaje a la nube y vuelva, el mundo ya cambió cuando recibe la respuesta. Nvidia anunció una colaboración con T-Mobile y Nokia para impulsar infraestructura AI-RAN, que convierte la red 5G en un computador de IA distribuido. Huang lo describió como la creación de un plano escalable para edge AI. Empresas de servicios y operaciones ya usan agentes de IA física sobre esta infraestructura para tareas como ajustar la sincronización de semáforos o asistir en reparaciones de líneas de transmisión. Para Latinoamérica, donde la cobertura 5G aún es fragmentada y la conectividad en zonas industriales o remotas es irregular, este punto es crítico: no importa qué tan bueno sea el modelo si la red no alcanza para ejecutarlo en tiempo real. El edge AI es la diferencia entre reaccionar a tiempo o llegar tarde.

Robotaxis a escala: Uber en 28 ciudades y fabricantes asiáticos

Nvidia amplió su colaboración con Uber para lanzar una flota de vehículos autónomos impulsados por Nvidia Drive AV en 28 ciudades de cuatro continentes para 2028, con arranque en Los Ángeles y San Francisco ya en 2027. La compañía también sumó a BYD, Hyundai, Nissan y Geely a su "iniciativa robotaxi", sumándose a GM, Mercedes y Toyota. Nvidia enmarca esta expansión en torno a Drive Hyperion y el sistema operativo Nvidia Halos. La lectura práctica: si se cumple, reservar un coche sin conductor dentro de la app dejará de ser una rareza. Cada ciudad es un examen distinto —señalización, hábitos de conducción, climatología— y escalar significa convertir el aprendizaje en un proceso repetible, no en una colección de soluciones a mano. Para las empresas latinoamericanas de movilidad o logística, el anuncio no implica una adopción inmediata, pero sí una señal de que el estándar tecnológico al que deberán alinearse en los próximos años ya se está definiendo, con costos de entrada que probablemente incluyan inversiones en edge computing y datos sintéticos.

Lo que significa para América Latina

La estrategia de Nvidia presenta dos capas de implicación para la región. La primera es la oportunidad industrial: plantas manufactureras en México, Brasil o Argentina podrían beneficiarse de la alianza con ABB para automatizar procesos con robots que se adaptan sin reprogramación. La segunda es la brecha de infraestructura: el edge AI sobre 5G que Nvidia propone requiere una capa de conectividad que en gran parte de la región es incipiente. Las empresas que quieran competir en el estándar que Nvidia está definiendo deberán empezar a auditar su capacidad de cómputo en el borde y su estrategia de datos de entrenamiento desde ahora, no cuando los robotaxis lleguen a sus ciudades. La IA física no se mide por lo simpática que es una demo, sino por la consistencia con la que toma decisiones cuando nadie la está mirando.