Los cerebros de los robots podrían vivir su “momento ChatGPT” a finales de 2027, según Wang Xiaogang, presidente de ACE Robotics, quien afirma que los avances en los modelos de IA y en los datos de entrenamiento del mundo real están acercando a los robots humanoides al uso comercial. La comparación es deliberada: ChatGPT, lanzado en noviembre de 2022, alcanzó un estimado de 100 millones de usuarios en apenas unos dos meses, el tipo de despegue masivo que la inteligencia encarnada todavía no ha logrado.

Los robots humanoides ya pueden caminar, bailar y boxear, pero lograr que realicen de manera confiable un trabajo útil en el impredecible mundo físico sigue siendo uno de los mayores desafíos de la inteligencia artificial. Wang cree que los nuevos modelos de IA combinados con la captura de datos del entorno pronto podrían darle a los robots la inteligencia necesaria para pasar de las demostraciones al despliegue comercial, según un informe de Reuters.

“Esperamos alcanzar el ‘momento ChatGPT’ de la inteligencia encarnada a finales del próximo año, impulsados por los modelos de mundo y la captura de datos del entorno”, dijo Wang a Reuters.

Fundada en julio de 2025, ACE Robotics es una startup china que desarrolla modelos de IA para robots humanoides. Respaldada por Ant Group y SenseTime, la empresa recaudó más de 100 millones de dólares en el primer semestre de 2026 y, según Reuters, planea salir a bolsa “tan pronto como se le permita”. La startup también planea desplegar su tecnología en 1.000 tiendas durante el próximo año, con el objetivo de recopilar decenas de millones de horas de datos de entrenamiento del mundo real en un plazo de dos años, un recurso que sigue siendo muy escaso. Es uno de varios actores chinos con sólido financiamiento en este campo, junto con Unitree, UBTech y Agibot, que compiten en un sector que Pekín ha designado prioridad estratégica y en el que el ministerio de industria ha fijado metas de producción en masa para robots humanoides.

Si bien los grandes modelos de lenguaje como ChatGPT y DeepSeek se han difundido rápidamente, los robots todavía luchan por realizar una amplia gama de tareas en entornos desconocidos, y la falta de datos de entrenamiento sigue siendo un obstáculo importante para el sector.

La IA encarnada permite a los robots y otros agentes físicos percibir su entorno, razonar sobre él y convertir sus decisiones en acciones mediante sensores y actuadores. Los modelos de mundo, por su parte, ayudan a la IA a entender cómo funciona el mundo físico al aprender cómo se comportan los objetos y los entornos. Para los robots, esto significa anticipar qué podría suceder cuando se mueven, levantan un objeto o interactúan de cualquier otra forma con su entorno antes de realizar una acción.

“Durante los últimos años, toda la industria ha acumulado aproximadamente 100.000 horas de datos, algo que está muy lejos de ser suficiente para entrenar modelos fundacionales de inteligencia encarnada”, afirmó Wang.

Investigadores de otras partes están experimentando con enfoques similares. En octubre, investigadores presentaron HumanoidExo, un exoesqueleto portátil que captura los movimientos humanos para entrenar robots humanoides.

Otras empresas están desarrollando sus propios modelos de IA para robots. En enero, Boston Dynamics presentó la versión de producción de su humanoide Atlas, señalando que los avances en IA ayudaron a acercar al robot al despliegue comercial. En junio, Alibaba presentó su Qwen-Robot Suite, un conjunto de modelos de IA diseñados para ayudar a los robots a navegar, realizar tareas físicas y simular entornos del mundo real. Tesla desarrolla su humanoide Optimus para tareas de fábrica, y Figure AI ha probado sus robots en una línea de producción de BMW. El cronograma de Wang le ofrece ahora a la industria un indicador concreto que observar: si los despliegues a gran escala, como las 1.000 tiendas previstas por ACE, pueden generar los datos de entrenamiento del mundo real que las demostraciones por sí solas no pueden.