Un nuevo informe de Goldman Sachs sostiene que la industria de los robots humanoides está desplazando su enfoque de las demostraciones impresionantes a las duras realidades del despliegue comercial, con los datos de alta calidad emergiendo como el principal cuello de botella.
Un nuevo informe de Goldman Sachs arroja un jarro de agua fría sobre el entusiasmo a corto plazo por los robots humanoides, proyectando que es poco probable que la comercialización a gran escala de 14 empresas chinas líderes comience antes de 2027 y dependa críticamente de resolver un enorme cuello de botella de datos. El enfoque de la industria ya se ha desplazado de los modelos simples de Visión-Lenguaje-Acción (VLA) a pilas de IA más complejas y orientadas a la ejecución que fusionan el VLA con modelos del mundo.
«La discusión de la industria ya se ha movido más allá de un único marco VLA, hacia una pila de IA multimodal orientada a la ejecución», dijo Jacqueline Du, analista de Goldman Sachs, en el informe publicado tras visitar 14 empresas de robótica chinas. El informe señala que para que estos nuevos modelos sean implementables, deben entrenarse con decenas de millones de horas de datos del mundo real de alta calidad, un desafío al que la industria se enfrenta ahora.
El consenso técnico está convergiendo rápidamente en esta nueva arquitectura híbrida, donde un modelo del mundo actúa como una capa funcional para predecir resultados y verificar acciones antes de la ejecución, mejorando la robustez en el mundo real. Para potenciar esto, el número de parámetros de los modelos está subiendo de unos pocos miles de millones al rango de 40.000 a 80.000 millones. A pesar de los avances técnicos, el informe afirma que la mayoría de los proyectos permanecen en la etapa de prueba de concepto, con un enfoque claro en aplicaciones industriales y logísticas.
Para los inversores, el informe modera las expectativas inmediatas al tiempo que refuerza el optimismo a largo plazo, sugiriendo que el hito clave es la transición de los pilotos conceptuales a despliegues escalables y rentables. El complejo proceso de garantizar la calidad y reducir los costes será el desafío central para los próximos tres a cinco años, determinando en última instancia cuál de las 14 empresas liderará el mercado.
## De las recetas de modelos a las arquitecturas de datos
El desafío principal para los fabricantes de robots de China ya no es solo la «receta» de los modelos de IA, sino la construcción de la infraestructura para alimentarlos. Según el informe de Goldman, el enfoque de la industria se ha desplazado a la construcción de arquitecturas escalables que puedan producir de manera fiable datos multidimensionales de alta calidad a partir de interacciones en el mundo real. Esto marca un giro significativo respecto a la simple discusión sobre los méritos de los diferentes tipos de modelos. Como señaló el Dr. Yao Maoqing, presidente de la unidad de IA encarnada de Agibot, en una entrevista reciente, existe una «brecha masiva entre las demostraciones de laboratorio y el despliegue en el mundo real», y obtener los datos físicos de movimiento, manipulación y fallos es «extremadamente costoso».
Este desafío de adquisición de datos está creando dos estrategias distintas. Algunas empresas, como PaXini, están construyendo «fábricas de datos» centralizadas y apoyadas por el gobierno, con cinco instalaciones de este tipo ya en funcionamiento en China. Otras, incluyendo Galaxea y Spirit AI, están siguiendo un enfoque descentralizado, recopilando datos de sistemas ya desplegados y simulaciones de realidad virtual. Los datos en sí mismos se están convirtiendo en un activo valioso, y empresas como UBTech esperan que la demanda gubernamental de fábricas de datos se convierta en un motor de ingresos significativo para 2026.
## Un camino pragmático hacia la comercialización arranca en 2027
El camino hacia el despliegue masivo, proyectado para comenzar entre 2027 y 2029, es decididamente pragmático y basado en la realidad industrial. Las oportunidades iniciales identificadas por Goldman se encuentran en entornos estandarizados o semiestructurados como la fabricación industrial y la logística, centrándose en tareas como la clasificación, el manejo de materiales y la inspección. Esto coincide con las ideas del Dr. Yao de Agibot, quien afirmó que el despliegue comenzará en escenarios industriales con un «ROI más claro» antes de entrar en el hogar.
Este enfoque en la practicidad se extiende al hardware. En lugar de perseguir el costoso y complejo objetivo de una mano de cinco dedos totalmente humanoide, muchos fabricantes están optando por una combinación más rentable de un chasis con ruedas con una pinza de dos o tres dedos. Esta configuración se considera suficiente para abordar entre el 70 % y el 90 % de las aplicaciones industriales actuales. El proceso de adopción es metódico, e involucra típicamente una fase de prueba de concepto de tres a seis meses, seguida de pruebas en lotes pequeños de menos de 50 unidades durante hasta un año antes de despliegues piloto más grandes de 50 a 100 unidades por cliente.
El informe subraya una tendencia clara: la industria de los robots humanoides está superando la fase de «qué pueden hacer los robots» y entrando en la etapa de «si los robots pueden crear productividad». Para los inversores, esto significa que la métrica más importante ya no es lo impresionante que sea un vídeo de demostración, sino la capacidad demostrada de una empresa para capturar datos del mundo real y asegurar despliegues piloto en flujos de trabajo industriales de alto valor.
Este artículo es solo para fines informativos y no constituye asesoramiento de inversión.
