La industria de la inteligencia artificial encarnada está al borde de un cambio tectónico. Wang Xiaogang, presidente de la startup china ACE Robotics, está convencido de que para finales de 2027 seremos testigos de una especie de «momento ChatGPT» para la robótica. Según él, el catalizador clave será un salto cualitativo en los modelos de control y un crecimiento exponencial de los datos sobre la interacción física con el mundo.
«Esperamos un “momento ChatGPT” para la inteligencia encarnada para finales del próximo año», declaró Wang.
Sin embargo, no hay que esperar una revolución instantánea en el mercado. El director de la compañía pronostica que la adopción comercial generalizada de estas tecnologías tomará al menos otros cuatro o cinco años. Este es un horizonte realista para superar las barreras de infraestructura y regulatorias.
El problema no está en el «hardware», sino en los «cerebros»
Los humanoides modernos ya demuestran una agilidad impresionante: corren, bailan y realizan tareas altamente especializadas. Pero su principal debilidad es la incapacidad de adaptarse a condiciones desconocidas y resolver una amplia gama de tareas no estándar. En ACE Robotics señalan acertadamente que el hardware dejó de ser el cuello de botella hace tiempo. El principal freno es la inmadurez de los modelos de IA, que deben procesar información sensorial, interpretar comandos y calcular las consecuencias de cada movimiento en tiempo real.
Para resolver este problema, la compañía está desarrollando su propio modelo Kairos, que combina percepción, comprensión multimodal y planificación del comportamiento. Ya hay avances: en julio, Kairos encabezó cuatro pruebas autorizadas para IA encarnada, incluido el control de dos manipuladores y la planificación a largo plazo. Es notable que la versión abierta Kairos-4B, con solo 4 mil millones de parámetros, superó en los benchmarks públicos a sistemas más pesados, incluidos Nvidia Cosmos 3 y Lingbot de Ant Group.
El déficit de datos: el principal desafío
Wang Xiaogang subraya que el principal déficit de la industria son los datos sobre la interacción física real. En todos los años de desarrollo, el sector ha recopilado solo unas 100 000 horas de dichos registros, lo que es catastróficamente insuficiente para entrenar modelos fundamentales. El enfoque tradicional —el telecontrol con exoesqueletos— es demasiado lento y costoso.
ACE Robotics propone un camino innovador: equipan a trabajadores comunes en líneas de producción activas con sensores ligeros, registrando sus acciones naturales. Esto permite recopilar datos a escala industrial. La startup espera acumular decenas de millones de horas en dos años, lo que se convertirá en una ventaja competitiva innegable.
Planes ambiciosos y estrategia de escalado
La compañía ya está probando sus soluciones en el comercio minorista sin personal, el servicio hotelero y los almacenes de entrega rápida. La base de hardware la proporcionan los humanoides de Unitree, AgiBot y Fourier. Los planes son impresionantes: durante el próximo año, la tecnología se implementará en al menos 1000 tiendas, y para finales del segundo año, en 10 000. Para entrenar los modelos no solo se utiliza Nvidia, sino también los chips chinos Rhino Tech y Digua Robotics, un paso consciente para reducir costos y disminuir la dependencia de un solo proveedor.
ACE Robotics, fundada en julio de 2025 con el apoyo de Ant Group y SenseTime, ya ha atraído más de $100 millones en el primer semestre de 2026 y se prepara para una OPI tan pronto como lo permita la legislación local.
Mi opinión: El pronóstico de Wang parece ambicioso, pero no carece de fundamento. El factor clave son precisamente los datos, y el enfoque de ACE Robotics para recopilarlos en condiciones reales parece revolucionario. Si logran alcanzar los volúmenes declarados, esto podría acelerar realmente la evolución de los robots, transformándolos de máquinas altamente especializadas en asistentes universales. Sin embargo, el desfase de cuatro años hasta la comercialización es un escenario optimista, dada la complejidad de la integración en los procesos empresariales existentes.