Por qué los gigantes de infraestructura de IA se lanzan a la robótica

Por Turing Post.

Este episodio de la serie "AI Builds AI" de Turing Post arranca con una anécdota contada por Anu Vatsa en la conferencia Fully Connected de CoreWeave. Su equipo estaba adaptando el modelo world-action DreamZero de NVIDIA, pasando de una configuración de un solo brazo a un robot de dos brazos. Según relató, las predicciones de vídeo se adaptaron con relativa facilidad, pero conseguir movimientos útiles del robot resultó mucho más difícil: en un momento dado, la máquina optó simplemente por quedarse flotando sin moverse, porque evitar errores también generaba una retroalimentación favorable. Vatsa mostró una diapositiva con cuatro intentos hasta el primer éxito, y bromeó aclarando que eran "cuatro intentos que realmente llegaron a evaluarse": hubo otros 233 experimentos fallidos que ni siquiera se evaluaron.

Esa anécdota sirve de punto de partida para el argumento central del artículo: las empresas de infraestructura de IA se están moviendo de forma cada vez más agresiva hacia la robótica y la "IA física", comprando laboratorios de investigación, construyendo plataformas de desarrollo y poniendo a sus propios ingenieros a enseñar a las máquinas. El autor señala que, aunque los robots necesitan GPUs, suministrar esas GPUs no exigiría por sí solo que una empresa de infraestructura adquiera un laboratorio de modelos o dedique meses a entender por qué un robot se niega a moverse. Algo más está pasando.

Como hechos concretos citados en el correo: el 28 de septiembre, AMD anunció un acuerdo para adquirir World Labs, la empresa de inteligencia espacial de Fei-Fei Li, por aproximadamente 8.200 millones de dólares en acciones. Antes, ese mismo mes, CoreWeave había lanzado su programa "Physical AI Field Engineering", que pone a especialistas junto a los clientes para construir aplicaciones a partir de sus datos de ingeniería. Por su parte, NVIDIA ya suministra modelos, herramientas de simulación y sistemas de computación para robótica, con Spencer Huang al frente del trabajo de producto de software de robótica de la compañía (Turing Post menciona haber entrevistado a Huang sobre esa ambición, con enlace a esa pieza).

El artículo distingue lo que cada compañía obtiene de este movimiento hacia la robótica. La arquitectura de IA física de NVIDIA se basa en los "tres computadores" descritos por Jensen Huang, cubriendo entrenamiento, simulación y despliegue; los materiales de su keynote de CES 2025 conectan DGX, Omniverse y Jetson Thor con esas tres fases, dando a NVIDIA varios puntos de entrada en el proceso de enseñar a un robot y ponerlo a trabajar. AMD, según el correo, también tiene hardware en ambos lados del proceso: en su experimento de levantar un cubo, las GPUs Instinct entrenaron la política en simulación, mientras que un mini-PC Ryzen ejecutó esa política en el brazo robótico real, un brazo suministrado por la empresa UFactory. CoreWeave, en cambio, vende acceso a infraestructura cloud y servicios de desarrollo: procesar datos, ejecutar experimentos, entrenar modelos y evaluar resultados, de modo que un equipo de robótica puede alquilar potencia de computación de NVIDIA a través de CoreWeave, y el mismo experimento puede ser negocio para ambas compañías a la vez.

El texto apunta que, una vez que el robot empieza a funcionar, puede tomar sus decisiones inmediatas de forma local (como hace el brazo de AMD), pero que hay mucho trabajo previo —preparación, simulación, entrenamiento, verificación y reintentos— durante el cual los modelos pueden estar trabajando de forma continua, por ejemplo poniendo subtítulos a grabaciones o inspeccionando resultados mientras el equipo humano averigua cómo hacer útil la máquina. Para un proveedor de infraestructura, la relación con el cliente puede empezar años antes del vídeo triunfal de la fábrica terminada, lo cual explicaría por qué implicarse en la propia aplicación ofrece a cada compañía la oportunidad de descubrir requisitos que un simple benchmark de hardware nunca pregunta.

El correo adelanta el esquema del episodio completo —qué obtienen NVIDIA, AMD y CoreWeave cada una de la IA física; qué hace falta para que un robot levante un cubo; cómo los requisitos del trabajo se siguen descubriendo sobre la marcha; qué trabajos de ingeniería pueden ser absorbidos por los modelos; cómo el proveedor convierte su experiencia en producto; y quién se queda con el valor generado— pero el cuerpo del correo se corta justo después de presentar el experimento del cubo de AMD, con una llamada a suscribirse a la versión Premium de Turing Post para leer el resto del análisis. Por tanto, el desarrollo detallado de esas últimas preguntas no está disponible en el contenido recibido.