Dos previsiones enfrentadas sobre el gran salto de los robots humanoides

En otras palabras, el salto consistiría en pasar de robots que saben hacer cosas concretas a robots capaces de decidir qué hacer a continuación.

Dos calendarios para el gran salto

Wang Xiaogang: un avance técnico a finales de 2027

Wang Xiaogang declaró que ACE espera alcanzar el «momento ChatGPT» de la inteligencia encarnada antes de que termine 2027, impulsado por mejores modelos del mundo y por conjuntos de datos ambientales mucho más amplios. Sin embargo, distinguió ese avance técnico de la adopción comercial generalizada, que podría requerir otros cuatro o cinco años.

La distinción es importante. Un modelo puede mostrar una mejora sustancial en razonamiento o control y, aun así, ser demasiado caro, irregular o difícil de integrar en las operaciones cotidianas. Un hito de investigación y una fuerza laboral robótica fiable y rentable no son el mismo acontecimiento.

Wang Xingxing: dos o tres años en el mejor escenario, hasta una década en el peor

El fundador y director ejecutivo de Unitree planteó dos rutas posibles. En el escenario más optimista, la inteligencia encarnada alcanzaría su punto de inflexión en dos o tres años. Si el avance en generalización y control físico de precisión se frena, la industria podría necesitar entre cinco y 10 años.

Su prueba basada en tareas domésticas también eleva el listón frente a una simple demostración de capacidades. El robot tendría que operar en un entorno nuevo, interpretar instrucciones en lenguaje natural y completar de forma autónoma un conjunto amplio de tareas.

El cuello de botella está en el «cerebro» del robot

El hardware mejora con rapidez, pero el software todavía tiene dificultades para pasar de una experiencia limitada a la enorme variedad de situaciones del mundo real. Ambos ejecutivos identificaron los modelos de IA y los datos de entrenamiento como la principal restricción.

Los robots necesitan datos que relacionen lo que ven con lo que hacen: cómo se siente un objeto, cuánta fuerza deben aplicar, qué cambia cuando una superficie está mojada o resbaladiza y cómo recuperarse cuando una acción sale mal. Las simulaciones y las demostraciones ayudan, pero no reproducen por completo la imprevisibilidad de una casa, una fábrica, una tienda u otro espacio físico.

El problema de datos es distinto del que afrontan los modelos de texto. Un robot no puede aprender solo a partir de una descripción de una acción: debe entender la relación entre percepción, movimiento, consecuencias y corrección.

Cómo ACE intenta construir esa canalización de datos

ACE Robotics apuesta por un enfoque «centrado en las personas»: equipar a trabajadores de líneas de producción con sensores ligeros para registrar sus movimientos y sus interacciones con el entorno. La compañía afirma que pretende reunir decenas de millones de horas de datos de entrenamiento para sus modelos del mundo físico.

La estrategia busca ampliar la cantidad de ejemplos reales disponibles, más allá de los datos generados únicamente por robots o simulaciones. Los trabajadores pueden mostrar cómo se completa una tarea, cómo se adapta un movimiento cuando cambian las condiciones y cómo se encadenan varias acciones dentro de un proceso más largo.

ACE se fundó en julio de 2025 y está dirigida por Wang Xiaogang, cofundador de SenseTime. Ant Group lideró su ronda de financiación semilla, en la que también participaron capital vinculado a SenseTime y otros inversores.

Qué destaca del modelo Kairos-4B

ACE afirma que su modelo de inteligencia encarnada de código abierto Kairos-4B encabezó varios índices públicos de referencia y superó a Cosmos 3 de Nvidia en la comparación citada durante la conferencia. Son resultados comunicados por la propia empresa y deben interpretarse como resultados de benchmarks, no como una prueba de que los robots humanoides de propósito general ya estén preparados para hogares o fábricas.

La empresa también busca salir del laboratorio. ACE ha dicho que planea instalar sus modelos de IA en 1.000 tiendas sin personal. El objetivo refleja una estrategia habitual en el sector: comenzar por entornos comerciales restringidos, donde los flujos de trabajo pueden estandarizarse con mayor facilidad que en una vivienda típica.

El auge de la robótica en China: mucha escala, pero también cautela

Las previsiones llegan en un momento de gran entusiasmo por el sector chino de los robots humanoides. La salida a bolsa de Unitree en el mercado STAR de Shanghái recaudó unos 904 millones de dólares y, según los informes, la demanda de inversores minoristas superó en más de 8.000 veces la oferta. Sus acciones cerraron un 460 % por encima del precio de la oferta pública inicial, lo que situó la valoración de la compañía cerca de los 50.000 millones de dólares.

Los datos de envíos también apuntan a una ventaja manufacturera inicial de China. Smart Analytics Global calculó que los envíos mundiales de robots humanoides alcanzaron aproximadamente 19.100 unidades en el primer semestre de 2026 y que los fabricantes chinos representaron más del 97 % del total.

Esa cifra no equivale a una automatización madura y de propósito general. En la información disponible aparece una afirmación contradictoria según la cual China habría enviado más de 40.000 robots humanoides en el mismo periodo. El dato no encaja con la estimación mundial de 19.100 unidades y no está respaldado por la información de envíos más sólida disponible aquí.

Morgan Stanley elevó por separado su previsión de envíos de robots humanoides en China para todo 2026 hasta 50.000 unidades, al considerar que el paso de las demostraciones al despliegue comercial está siendo más rápido de lo esperado. Una previsión de envíos, sin embargo, mide la expansión del mercado; no demuestra que las máquinas puedan superar la prueba de completar el 80 % de las tareas domésticas descrita por Wang Xingxing.

La conclusión: la capacidad puede llegar antes que la fiabilidad

La lectura más útil de las declaraciones de ambos ejecutivos no es que los robots humanoides vayan a alcanzar necesariamente un hito concreto en 2027. Lo relevante es que el sector se acerca a una etapa en la que la calidad del software, los datos de entrenamiento y la capacidad de generalización —más que los motores, las baterías o el diseño mecánico— determinarán si esta tecnología se vuelve realmente útil a gran escala.

La previsión de ACE apunta a un avance técnico a finales de 2027, seguido de años de comercialización. El rango de Unitree hace explícita la incertidumbre: dos o tres años si el progreso se acelera; entre cinco y 10 años si los problemas más difíciles siguen sin resolverse.

China ya muestra una posición fuerte en financiación, fabricación y primeros envíos. La pregunta aún abierta es si esa escala permitirá producir robots que trabajen de forma fiable en entornos que nunca han visto. Hasta que se resuelva el problema de los datos y los modelos, el «momento ChatGPT» de los cerebros robóticos seguirá siendo una previsión, no un producto terminado.