La gran apuesta por los “cerebros robóticos”: por qué Physical Intelligence puede permitirse no tener modelo de negocio

En el laboratorio de Physical Intelligence en San Francisco no hay humanoides espectaculares posando para Twitter, sino brazos torpes que luchan por doblar un pantalón y otro que pela calabacines sin parar. A primera vista parece un proyecto universitario, no una empresa valorada en miles de millones. Precisamente por eso es interesante: detrás de esa chatarra barata hay una de las mayores apuestas de Silicon Valley a que la próxima ola de modelos fundacionales no será de texto ni de imágenes, sino del mundo físico. Más de mil millones de dólares para construir un “ChatGPT para robots” sin prometer ingresos a corto plazo. Veamos por qué.

La noticia en breve

Según informa TechCrunch, el startup Physical Intelligence, con sede en San Francisco, ha recaudado más de 1.000 millones de dólares en unos dos años y ronda una valoración de 5.600 millones. La empresa fue fundada por los investigadores en robótica Sergey Levine, Chelsea Finn, Karol Hausman y el exdirectivo de Stripe Lachy Groom. Su objetivo es desarrollar modelos fundacionales de robótica de propósito general: grandes modelos de IA capaces de controlar distintos tipos de robots.

Physical Intelligence recopila datos con brazos robóticos relativamente baratos (unos 3.500 dólares la unidad) instalados en su laboratorio, en cocinas de prueba y en ubicaciones de clientes, como almacenes y hogares. Esos datos sirven para entrenar modelos que el equipo describe como un equivalente de ChatGPT, pero centrado en manipulación física. De acuerdo con TechCrunch, la mayor parte del gasto se destina a computación, no a hardware. Pese a contar con inversores como Khosla Ventures, Sequoia y Thrive Capital, Groom no ofrece a los fondos un calendario claro de comercialización.

El artículo contrapone esta estrategia a la de Skild AI, con sede en Pittsburgh, que habría levantado 1.400 millones de dólares a una valoración de 14.000 millones y afirma haber generado unos 30 millones en ingresos con su modelo “Skild Brain”, ya desplegado en seguridad, almacenes y fabricación.

Por qué importa

Physical Intelligence importa menos por lo que sus robots son capaces de hacer hoy y más por la apuesta estratégica que encarna: que la capa de mayor valor en la robótica del futuro serán unos pocos “cerebros generales” situados por encima de un hardware cada vez más comoditizado.

Si esa apuesta sale bien, los ganadores son fáciles de identificar. Quien logre imponer un modelo fundacional dominante para robots puede convertirse en el sistema operativo de facto del mundo físico: cada brazo, dron o plataforma móvil sería un cliente más. Es una posición parecida a la de Windows en los 90 o Android en la era del smartphone, pero con un bloqueo aún mayor, porque sustituir un modelo fundacional profundamente integrado es mucho más difícil que cambiar de app.

Los inversores también juegan para ganar. Valorar en 5.600 millones de dólares a una empresa con unos 80 empleados y sin ingresos recurrentes muestra hasta qué punto el capital está persiguiendo la narrativa de una “AGI para el mundo real”. Si Physical Intelligence llega a ofrecer un “cerebro robótico” realmente generalista, podría convertirse en infraestructura básica para sectores enteros: logística, comercio electrónico, alimentación, manufactura ligera e incluso cuidados a largo plazo.

¿Quién pierde? De entrada, muchos startups de robótica que han apostado por pilas tecnológicas muy específicas para nichos concretos. Si un único modelo es capaz –tras suficiente entrenamiento– de trabajar con “cualquier plataforma, cualquier tarea”, como promete Physical Intelligence, entonces buena parte de las soluciones a medida de percepción y control corre el riesgo de convertirse en una commodity.

Hay además un cambio de poder en la cadena de valor. Durante décadas, la competencia en robótica industrial se ha centrado en la calidad mecánica, la fiabilidad y la integración llave en mano. Physical Intelligence le da la vuelta: el hardware puede ser barato e imperfecto; la inteligencia compensa. Eso desafía directamente a los fabricantes tradicionales de robots, cuyos márgenes dependen de un software propietario fuertemente acoplado a sus máquinas.

Por último, este caso pone a prueba hasta qué punto ha vuelto el apetito de Silicon Valley por las “moonshots” intensivas en capital tras la resaca de los coches autónomos. Financiar con más de mil millones de dólares a una empresa que se niega a detallar su plan de negocio es una señal clara: muchos fondos creen que los “GPT de la robótica” justifican otro ciclo de I+D masivo.

La foto grande

La historia de Physical Intelligence se cruza con tres tendencias poderosas: la expansión de los modelos fundacionales, la banalización del hardware y la eterna discusión sobre cómo se debe construir la deep tech.

En el frente de la IA, este paso es la consecuencia lógica de los últimos años. OpenAI, Anthropic, Google y otros demostraron que, escalando datos y cómputo, el software puede adquirir capacidades muy generales sin programación explícita. La robótica se ha quedado atrás porque recoger datos de interacción física es lento, caro y arriesgado comparado con raspar texto e imágenes de Internet. Physical Intelligence y rivales como Skild AI intentan cambiar eso industrializando la captación de datos: brazos baratos, experimentos 24/7 y una tubería que envía continuamente nuevas trayectorias de vuelta al entrenamiento.

El paralelismo con la conducción autónoma es evidente. Un bando (más cercano a Waymo) priorizó la investigación profunda, la seguridad y los pilotos muy controlados, aceptando una larga travesía sin ingresos significativos. El otro (más próximo a la filosofía de Tesla) lanzó sistemas imperfectos al mundo real para aprender de la escala. En robótica, Physical Intelligence se sitúa claramente en el lado “Waymo” –primero ciencia, luego negocio–, mientras Skild defiende que la única forma de conseguir verdadero “sentido físico común” es desplegar y corregir en uso real.

La historia no ofrece una respuesta sencilla. Los coches autónomos siguen lejos de la adopción masiva pese a las inversiones multimillonarias, y al mismo tiempo la estrategia de “lanzar rápido y iterar” ha dominado muchos mercados digitales. Todo apunta a que el factor decisivo será quién encuentre el equilibrio adecuado entre hambre de datos, seguridad y regulación, especialmente cuando los robots dejen de trabajar en jaulas y compartan espacio con personas.

El segundo gran vector es que el hardware, por fin, es suficientemente barato y competente. Hace una década, la idea de que un brazo con menos de 1.000 dólares en materiales pudiera aprender manipulaciones finas habría sonado ridícula para muchos ingenieros. Hoy Physical Intelligence puede afirmar con cierta razón: el cuello de botella ya no es el metal, sino el modelo.

Si miramos al futuro con cierta perspectiva, la analogía con la nube es clara. Igual que la mayoría de desarrolladores web ya no piensa en qué servidor físico ejecuta su código, los creadores de aplicaciones robóticas podrían dejar de preocuparse por la marca exacta del brazo o la garra, siempre que hablen el “idioma” del cerebro dominante. Eso simplificaría radicalmente la pila de integración y ayuda a entender por qué integradores y fabricantes en Europa y América Latina deberían estar prestando atención.

La perspectiva europea e hispanohablante

Desde Europa –y, por extensión, desde los mercados hispanohablantes– Physical Intelligence no es solo una curiosidad californiana. Es un candidato a suministrar la inteligencia de la próxima ola de automatización en sectores clave.

La UE ya figura entre las regiones con mayor densidad de robots industriales, especialmente en automoción, metal y maquinaria. España tiene polos claros en Navarra, País Vasco y Cataluña; México y Brasil juegan un papel similar en América Latina en automoción, minería y logística. En todos estos entornos, las líneas están muy automatizadas, pero a menudo son poco flexibles ante series cortas y cambios frecuentes de producto.

Un cerebro robótico realmente generalista podría desbloquear automatización donde hoy no es rentable. Pero en Europa eso no ocurrirá al margen de la regulación. El Reglamento de IA de la UE (AI Act) previsiblemente clasificará muchos sistemas robóticos que operan en fábricas, almacenes o espacios públicos como “de alto riesgo”. Eso implica requisitos estrictos de gestión de riesgos, gobernanza de datos, transparencia, supervisión humana y monitorización continua.

Para empresas como Physical Intelligence, el entorno europeo es a la vez desafío y oportunidad. Desafío, porque entrenar modelos con datos de vídeo de fábricas o hogares europeos activa inmediatamente el radar del RGPD: ¿cuál es la base jurídica?, ¿cómo se protegen los derechos de las personas si esas imágenes se usan para entrenar un modelo en servidores de EE. UU.? Oportunidad, porque quien se tome en serio la conformidad legal desde el principio puede convertirse en uno de los pocos proveedores foráneos capaces de operar a escala en la UE.

Frente a ellos, Europa no parte de cero. Fabricantes como ABB (Suiza/Suecia), KUKA (Alemania) o grupos industriales españoles ya exploran robótica colaborativa y aprendizaje por demostración. Y en América Latina empiezan a surgir integradores que podrían ser el puente entre estos “cerebros” globales y las necesidades locales de industrias como la agroalimentaria o la logística urbana. La pregunta estratégica es si la región se limitará a importar cerebros estadounidenses, o si impulsará alternativas más alineadas con sus propias prioridades regulatorias y laborales.

Mirando hacia adelante

Los próximos dos o tres años dirán si la estrategia de Physical Intelligence –priorizar la investigación y posponer el negocio– es visión a largo plazo o exceso de confianza.

El escenario más realista es una comercialización gradual, casi a regañadientes. Aunque el equipo quiera mantenerse al margen de la presión por ingresos, las facturas de cómputo seguirán creciendo y los inversores acabarán pidiendo pruebas sólidas fuera del laboratorio. Eso se traducirá en más pilotos pagados en logística, alimentación, retail y manufactura ligera, algunos seguramente en plantas europeas o latinoamericanas que ya sufren falta de mano de obra.

Conviene vigilar tres señales. Primera: acuerdos profundos con proveedores de nube o fabricantes de chips. Quien controle las GPU tendrá una posición fuerte frente a los constructores de cerebros robóticos, y los contratos de capacidad a largo plazo dirán mucho sobre las apuestas estratégicas. Segunda: casos de uso emblemáticos en los que un modelo general supere a soluciones altamente específicas en tareas como preparación de pedidos, reposición de estanterías o empaquetado. Tercera: los primeros conflictos serios en materia de seguridad laboral o negociación colectiva cuando robots sin jaula empiecen a compartir espacio con trabajadores.

El riesgo a la baja también es claro. Si el rendimiento real de estos modelos resulta mucho más frágil de lo que sugieren los vídeos de demostración –por ejemplo, si fallan al cambiar mínimamente el entorno o necesitan mucha supervisión humana–, podríamos asistir a una pequeña “invierno de la robótica”, similar al enfriamiento que vivió la conducción autónoma tras 2018. Eso no frenaría la automatización, pero sí desviaría la inversión hacia soluciones más acotadas y previsibles.

Aun así, las fuerzas de fondo empujan en dirección a más robots, no menos: envejecimiento demográfico, escasez crónica de personal en logística y cuidados, presión por reducir costes en industrias de bajo margen. Alguien tendrá que suministrar la capa cognitiva de esa transformación. La incógnita es si será un actor de laboratorio como Physical Intelligence, un rival agresivamente comercial como Skild o, quizá, un consorcio europeo o latinoamericano que aún no ha salido a la luz.

En resumen

Physical Intelligence representa una apuesta de alto riesgo pero lógica: que la mayor parte del valor futuro en robótica se concentrará en unos pocos “GPT robóticos” generales, y que merece la pena quemar miles de millones en computación antes de pensar seriamente en ingresos. Para los mercados europeos e hispanohablantes, la cuestión no es si estos actores serán relevantes, sino qué filosofía prevalecerá: pureza investigadora o presión comercial. Cuando los robots salgan de las jaulas y entren en nuestros almacenes, fábricas y quizá cocinas, ¿de quién querremos que sea el cerebro que decide cómo se mueven?