La apuesta de $47 mil millones que aún no ha explotado
En algo más de seis meses en 2026, startups de "IA física" captaron 47.400 millones de dólares en inversión de capital riesgo — casi cuatro veces la cifra invertida en el segundo semestre de 2025. El número suena aplastante, pero Amulya Vishwanath ofrece una explicación más sencilla para por qué el sector aún no ha vivido su momento de inflexión: la robótica no está cerca de su "momento ChatGPT". Dice que el sector todavía está en la era de los "LEGOs".
Vishwanath pasó siete años liderando el marketing de productos de las plataformas de robótica de NVIDIA antes de fundar Techable VC, una firma de venture early-stage enfocada en IA física, ciencia de materiales y ciencias de la vida. El lunes pasado (13/10), en una entrevista al podcast Equity de TechCrunch, expuso un argumento incómodo para el hype actual: a pesar de los miles de millones invertidos, los bloques básicos — actuadores, manos robóticas, software de control, normas de seguridad — todavía se están reconstruyendo pieza por pieza.
La comparación con el lanzamiento del ChatGPT no es casual. En noviembre de 2022, un chatbot sorprendió al mundo no por ser técnicamente perfecto, sino por ser legible: cualquier persona, incluso sin formación técnica, podía conversar con él y quedar impresionada. En robótica, todavía no existe esa legibilidad. Un brazo robótico que dobla piezas en una línea de producción funciona, pero no es algo que un lego entendería de entrada. Un robot humanoide que camina en laboratorio parece impresionante hasta intentar agarrar una manzana.
El debate: modelo general vs. piezas especializadas
La tesis de Vishwanath no existe en el vacío. En el mismo episodio del Equity, el CEO de General Intuition, Pim de Witte, presentó la visión opuesta: un único modelo fundamental general haría obsoleta la mayor parte del trabajo especializado en robótica. General Intuition, fundada en 2014 y lanzada públicamente en 2025, fue valorada en 2.300 millones de dólares en Series A y entrena modelos con miles de millones de clips de gameplay para que agentes de IA aprendan a percibir, predecir y actuar en entornos virtuales y físicos.
Es la misma apuesta que hizo triunfar a los LLMs: en lugar de construir docenas de sistemas especializados para cada tarea, entrenar un único modelo capaz de hacer todo. El problema —y aquí entra la experiencia práctica de Vishwanath dentro de NVIDIA— es que la robótica involucra materia. Un modelo de lenguaje puede generar un ensayo perfecto sin preocuparse nunca por la fuerza de cizalladura de un actuador hidráulico. Un modelo de visión computacional puede clasificar imágenes sin nunca lidiar con la fricción de una garra que intenta sostener un objeto deformable.
Vishwanath describe la industria como estando en una "era de los LEGOs", donde cada componente necesita ser desarrollado, probado e integrado individualmente. Actuadores más baratos. Manos robóticas con mejor propiocepción. Software que une percepción y acción sin latencia prohibitiva. Normas de seguridad que definan lo que un robot puede y no puede hacer cerca de seres humanos. Ninguno de esos bloques está listo.
Qué dicen los números
La matemática de la inversión es inequívoca. Según datos de Crunchbase citados por la Wall Street Journal, los 47.400 millones de dólares del primer semestre de 2026 incluyeron un único round de Waymo — 16.000 millones de dólares en la Series D a una valoración de 126.000 millones — que representó cerca de un tercio del total. Incluso sin él, el ritmo todavía duplicó el del mismo periodo de 2025. En 2025, la inversión global en robótica e "IA física" llegó a 26.000 millones de dólares, contra 4.200 millones en 2019, según PitchBook.
Pero los números esconden otro detalle: la mayoría de esos dólares va a empresas que ya están operando, no a startups experimentales. Waymo, Anduril (5.000 millones de dólares Series D), SpaceX (IPO de 75.000 millones) — todas son empresas maduras. La apuesta de Vishwanath con Techable VC, en cambio, es en stage muy anterior: actuadores, sensores, certificación. Startups que no van a generar titulares el primer año, pero sin las cuales el "momento ChatGPT" de la robótica es solo un slide de pitch deck.
La brecha que separa el laboratorio del mundo real
Vin Patel, en análisis independiente, señala que la distinción crucial entre estos dos lados del debate no es técnica, sino de fiabilidad. Lo que impide que un robot salga del laboratorio y vaya al almacén no es la capacidad bruta — es la falla. Sistemas de lenguaje ya consiguen confianza del usuario porque un modelo bien contenido con guardrails produce resultados consistentes. La robótica, en cambio, maneja consecuencias físicas irreversibles. Un error no puede deshacerse con "repetir prompt".
Aquí es donde el "aún" del título de Vishwanath importa. No dice que la robótica nunca va a tener su momento ChatGPT. Dice que todavía no pasó. Y que la apuesta por un modelo general como catalizador es, al menos, prematura — porque ignora décadas de trabajo en hardware que simplemente no tienen equivalente en el mundo del software.
Lo que sigue no es una carrera de modelos. Es una maratón de piezas.
Fuentes: TechCrunch, Value Add VC, Vin Patel
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
