La gran apuesta de NVIDIA en physical AI: robots humanoides, robotaxis y la seguridad como base

NVIDIA ha sido retratada predominantemente como proveedora de chips para centros de datos de IA. Sin embargo, la empresa está haciendo una segunda apuesta, tal vez aún más ambiciosa: la physical AI, la idea de que los sistemas de inteligencia artificial no solo deben procesar lenguaje o generar imágenes, sino actuar en el mundo físico con seguridad, coordinación y autonomía. En 2026, este concepto ha salido de los laboratorios académicos y entrado en fábricas, almacenes y la infraestructura de vehículos autónomos, con NVIDIA posicionándose como la columna vertebral de esta revolución.

¿Qué es la physical AI?

El término physical AI fue acuñado por la propia NVIDIA para describir sistemas de inteligencia artificial que perciben, razonan y actúan en el mundo real — a diferencia de los modelos de lenguaje convencionales que operan exclusivamente en el espacio de texto y tokens. Un robot humanoide que navega por un almacén, un vehículo autónomo que interpreta semáforos en tiempo real, o un brazo robótico que inspecciona defectos en una línea de producción son ejemplos de physical AI. La diferencia fundamental es que estos sistemas no pueden simplemente "pensar" hasta encontrar la respuesta correcta: interactúan con un entorno físico impredecible y las consecuencias de los errores son tangibles — y muchas veces peligrosas.

Lo que distingue la estrategia de NVIDIA es que no se limita a vender hardware para estas aplicaciones. Está construyendo, capa por capa, una plataforma completa de software y hardware que permite a cualquier empresa integrar IA en su producto físico, desde el entrenamiento hasta la seguridad operacional.

Halos for Robotics: la respuesta a la pregunta "cómo no lastimar a nadie"

El hito más reciente de esta estrategia fue el anuncio del NVIDIA Halos for Robotics, un sistema de seguridad de stack completo diseñado específicamente para robots y máquinas autónomas. Anunciado oficialmente en junio de 2026, Halos for Robotics extiende la misma arquitectura de seguridad que NVIDIA ya había construido para vehículos autónomos — un esfuerzo que sumó más de 18.600 años-ingeniería de desarrollo — al dominio de la robótica industrial y los humanoides.

La propuesta es directa: en lugar de cada fabricante de robots necesitar reinventar su sistema de seguridad desde cero, NVIDIA ofrece una plataforma unificada que conecta hardware de computación AI, software del sistema operativo, datos de sensores y aplicaciones de seguridad. La plataforma se organiza en tres capas:

1. Seguridad de plataforma: el módulo NVIDIA IGX Thor, que combina rendimiento AI industrial (hasta 2.070 TFLOPs en FP4) con una Safety Island dedicada físicamente aislada, con hasta 12.000 DMIPs, su propio subsistema de I/O, energía y relojes.

2. Seguridad del sistema operativo: el Halos OS, con Halos Core responsable de las funciones operativas de seguridad, y aplicaciones de seguridad construidas con el Outside-In Safety Blueprint, que extiende la percepción del robot usando cámaras externas y agentes de IA para controlar dinámicamente el comportamiento de la máquina.

3. Certificación del ecosistema: el Halos AI Systems Inspection Lab, el primer programa de inspección acreditado por el ANSI National Accreditation Board (ANAB) para seguridad de IA funcional en physical AI, con 43 miembros del ecosistema (16 de vehículos autónomos, 23 de robótica) y certificación por organismos como TÜV Rheinland, UL Solutions y SGS.

Agility Robotics fue la primera empresa en adoptar Halos for Robotics en su robot humanoide Digit. El Digit opera en almacenes para clientes como Amazon, GXO, Schaeffler y Toyota Motor Manufacturing Canada. El objetivo es que, antes de cualquier certificación final, el sistema sea sometido a estándares rigurosos como la IEC 61508, ISO 13849 y ISO/IEC TR 5469 — y que el Inspection Lab de NVIDIA sirva como puente confiable entre el prototipo y la certificación.

Por qué la seguridad es el verdadero cuello de botella de la physical AI

Durante años, el cuello de botella de la robótica industrial fue posicionado como la capacidad de percepción: cuántos más sensores y mayor poder de procesamiento, mejor el robot "ve" el entorno. Pero los datos recientes muestran que el verdadero desafío está en el otro extremo: la toma de decisiones en situaciones de riesgo. Un brazo industrial que falla al identificar un defecto genera desperdicio; un humanoide que falla al detectar la presencia humana genera lesión.

El enfoque de NVIDIA parte de una premisa que ya ha sido ampliamente probada en la industria automotriz. Halos fue inicialmente desarrollado para vehículos autónomos — un dominio donde la tolerancia a fallos es absolutamente crítica. Los autos operan a 120 km/h en condiciones variables. Los robots humanoides, en cambio, operan en entornos dinámicos con personas a su alrededor, en espacios muchas veces no estructurados. Extender esta arquitectura de seguridad de un dominio a otro es una ventaja estructural significativa: NVIDIA no está comenzando desde cero, sino reutilizando años de ingeniería de seguridad en un contexto nuevo.

El ecosistema Cosmos y el papel de los modelos de mundo

Halos no existe aislado. Forma parte de una plataforma más amplia centrada en los modelos de fundación del mundo de NVIDIA, llamados Cosmos. Los modelos Cosmos permiten a los desarrolladores crear simulaciones fotorrealistas de entornos físicos — una fábrica entera, una carretera con tráfico complejo, un almacén con múltiples robots operando simultáneamente — y entrenar los sistemas de IA en ese entorno virtual antes de cualquier despliegue real.

En julio de 2026, NVIDIA anunció la expansión de la Coalición Cosmos a Japón, agregando empresas como FANUC, Kawasaki Heavy Industries, Fujitsu, Sony, SoftBank y Honda R&D. La propuesta es crear modelos de mundo abiertos que entiendan y predigan la dinámica física real — movimiento, colisiones, deformaciones — y que puedan usarse para generar datos sintéticos de entrenamiento para robots y vehículos autónomos. La idea no es solo simular el mundo, sino aprenderlo.

Alpamayo 2, anunciado en mayo de 2026, es un modelo de 34 mil millones de parámetros diseñado específicamente para robotáxis. A diferencia de los modelos de navegación tradicionales que mapean percepción a acción de forma directa, Alpamayo 2 es un modelo de razonamiento basado en lenguaje visual (VLA — Vision Language Action). Esto significa que el sistema no solo reacciona a estímulos visuales, sino que puede formular hipótesis sobre la escena, explicar sus decisiones y manejar casos extremos que nunca aparecieron en el entrenamiento.

Qué significa esto para el futuro de la industria

Lo que NVIDIA está construyendo es, en la práctica, la infraestructura de seguridad y simulación que la physical AI necesita para salir de los protótipos y entrar en operación industrial a escala. La analogía más cercana sería la relación entre CUDA y el entrenamiento de IA en data centers: NVIDIA no solo vende un chip, sino que proporciona el ecosistema completo que permite a otros desarrolladores construir sus productos sobre su plataforma.

Si la physical AI se vuelve tan ubicua como la IA generativa en texto e imágenes, NVIDIA ocupará la posición exacta que ocupa hoy en el entrenamiento de LLMs: la empresa que detenta la herramienta, el modelo, la simulación y la certificación. Halos for Robotics es la pieza más reciente de este rompecabezas, y demuestra que la estrategia de NVIDIA entiende algo fundamental: la physical AI no será escalada por rendimiento, sino por confianza.

La pregunta es si esa confianza — medida en TFLOPs, años-ingeniería de seguridad y certificaciones internacionales — será suficiente para sostener una categoría entera de hardware y software que aún necesita demostrar que puede operar en el mundo real sin incidentes graves.

Fuentes: Ars Technica, NVIDIA Newsroom, GlobeNewswire

✓ Fuentes independientes cruzadas y verificadas antes de la publicación