El boom de los vehículos autónomos en 2026
En 2016, la industria de los vehículos autónomos vivía su primer gran momento de hype. Startups anunciaban robótaxis, los inversores invertían miles de millones y parecía que la conducción autónoma a gran escala estaba a solo unos años de convertirse en rutina en las carreteras de los grandes centros urbanos. Para 2020, sin embargo, el entusiasmo se había enfriado. Los costos explotaron, la tecnología no avanzaba al ritmo esperado y lo que parecían promesas concretas se transformó en años de pruebas sin despliegue comercial. En 2026, sin embargo, los datos señalan un resurgimiento que va más allá del mero hype — hay un cambio tecnológico real impulsando el impulso.
Según datos de Trucks VC, una firma especializada en inversiones en movilidad autónoma, 81 nuevas startups de vehículos autónomos se lanzaron en el primer semestre de 2026, lo que representa dos tercios más que en 2025 y supera cualquier año completo de la primera oleada del sector, entre 2016 y 2019. Con dos meses restantes en el año, ya estamos en el mayor número de nuevas empresas de autonomía por año jamás registrado por la firma, que ha estado monitoreando este ecosistema desde 2015.
La comparación con 2025 es reveladora. Según EmergeFolio, las startups de vehículos autónomos recaudaron aproximadamente 21.400 millones de dólares en 34 rondas de inversión en el primer semestre de 2026, en comparación con solo 5.900 millones de dólares en todo el año anterior — un aumento tripartito en un solo período. La diferencia no es solo en el volumen total: la distribución ha cambiado. En 2026, los inversores ya no están repartiendo apuestas pequeñas entre decenas de startups. Están invirtiendo miles de millones en los tres o cuatro jugadores que creen que dominarán el mercado.
La revolución de los foundation models
La diferencia entre la primera y la segunda oleada de vehículos autónomos no es solo numérica — es cualitativa. En la primera generación (la llamada "AV 1.0"), las empresas necesitaban cientos de ingenieros, toneladas de datos etiquetados y meses para volver a entrenar y volver a implementar nuevos modelos. El paradigma era modular: percepción separada de planificación separada de control, cada uno requiriendo calibración manual y reglas codificadas a mano.
"Durante mucho tiempo, las empresas de AV intentaban ir de lo que era AV 1.0 a AV 2.0, que es algo así como el grial — una arquitectura end-to-end para vehículos autónomos", declaró Puneeth Meruva, socio de Trucks VC, a TechCrunch. "Creo que los foundation models ahora ofrecen una arquitectura técnica que hace posibles esos sistemas end-to-end."
Los foundation models — redes neuronales entrenadas en conjuntos de datos masivos para generalizar entre tareas — son particularmente hábiles para generalizar entre diferentes entornos y escenarios de conducción, lo que potencialmente hace que los vehículos autónomos sean más baratos y rápidos de implementar. La llegada de modelos open source potentes como el Alpamayo de Nvidia y los modelos vision-language-action de propósito general de Qwen ha simplificado aún más el trabajo de las startups.
Este salto tecnológico tiene un efecto práctico inmediato: la barrera de entrada se ha derrumbado. Según Meruva, Trucks VC ha visto consistentemente startups desplegando vehículos en cuestión de meses, con menos de 1 millón de dólares recaudados. Y aunque no quiso nombrar, la firma ya ha invertido en varias de ellas.
Esto se puede comparar con lo que sucedió en el sector de la inteligencia artificial conversacional. En 2020, construir un chatbot decente requería equipos de ingeniería y meses de entrenamiento. En 2024, con LLMs ampliamente disponibles, cualquier startup podía tener un producto funcional en semanas. Los foundation models para AVs están creando el mismo efecto disruptivo — pero en un dominio físico — y las consecuencias son tan profundas porque tocan una industria que se había estancado.
Los números que explican el mercado
El mapa de financiación de 2026 revela patrones claros. Los robótaxis dominan en valor: Waymo recaudó 16.000 millones de dólares en febrero, elevando su valoración a aproximadamente 126.000 millones de dólares. Solo esa ronda consumió tres cuartas partes de todo el capital invertido en vehículos autónomos en el primer semestre del año. Alphabet (la matriz de Waymo) financia la operación, y la empresa ha acumulado más de 127 millones de kilómetros totalmente autónomos, triplicado sus viajes en 2025 y reportado muchos menos accidentes graves que los conductores humanos — justificando la confianza de los inversores.
En el segmento de camiones autónomos, la financiación es más fragmentada pero consistente: Kodiak AI recaudó 100 millones de dólares en mayo, Einride recaudó 113 millones en febrero, DeepWay recaudó más de 310 millones en una ronda pre-IPO, y Gatik cerró 200 millones en agosto. La combinación de estas cifras muestra que el transporte autónomo es la segunda mayor frente de inversión, aunque cada ronda es menor que las de robótaxi.
El segmento de software de conducción autónoma ("plataformas AI-first") también destaca. Wayve recaudó 60 millones en abril y ya ha superado la marca de 1.000 millones de dólares en financiación con pocas rondas. Waabi, que construye un "conductor AI end-to-end" para autopistas canadienses, recaudó aproximadamente 750 millones de dólares en una ronda de crecimiento. Estas empresas no construyen flotas — venden inteligencia de conducción, lo que las posiciona de forma diferente a las compañías que operan sus propios vehículos.
En el panorama más amplio de startups, EmergeFolio rastreó 16 rondas significativas entre enero y agosto de 2026, incluyendo Also (150 millones en entrega autónoma), Moove (250 millones en infraestructura de flotas), QCraft (100 millones en autonomía Nivel 4 en China) y Autonomous A2Z (27,4 millones en shuttles autónomos en Corea del Sur). La distribución geográfica es reveladora: América del Norte concentra aproximadamente el 80% del capital, pero la región Asia-Pacífico — y China en particular — lidera en número de acuerdos y está desplegando más rápido.
Por qué 2026 es diferente de 2016
En la primera oleada, el sector sufría de un problema fundamental: cada startup tenía que resolver todo desde cero. Construir un sistema de percepción, predecir el comportamiento de los peatones, tomar decisiones en tiempo real — todo esto requería ingeniería personalizada y datos etiquetados manualmente. La escalabilidad estaba limitada por el costo humano.
En la segunda oleada, los foundation models han absorbido la mayor parte de este trabajo pesado. En lugar de entrenar un modelo específico para un tipo de vehículo, una región y un conjunto de sensores, las startups ahora usan modelos que generalizan — y ajustan el fine-tuning para el dominio específico. Esto reduce drásticamente el tiempo de desarrollo y el costo de despliegue.
El resultado es que, en 2026, ya no es necesario ser Waymo o Tesla para tener una oportunidad. "En 2022, nadie creería a una pequeña startup si los fundadores decían que iban a enfrentar a Waymo y ganar", dijo Meruva. "En 2026, eso ha cambiado."
Por supuesto, el despliegue a escala nacional aún requiere capital masivo y uptime consistente — el estándar que compañías como Waymo ya han alcanzado. Pero la viabilidad en etapas tempranas ha vuelto, y los fundadores están creando más empresas hoy que en la era más optimista de una década atrás. Lo que antes era imposible — un pequeño equipo construyendo un sistema de conducción autónomo competitivo — ahora es el punto de partida.
La pregunta que queda: cuando la barrera técnica finalmente se derrumbó, ¿qué separará a las startups que sobrevivan de las que simplemente recaudaron dinero y desaparecieron? La respuesta probablemente estará en quién pueda primero escalar sin comprometer la seguridad — y en quién pueda aplicar modelos de lenguaje generalizados a un problema tan antiguo como las carreteras, pero que aún resiste una solución definitiva.
Fuentes: TechCrunch, Trucks VC, EmergeFolio
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
