La estrategia de Serve: de robot repartidor a plataforma de Physical AI

Serve Robotics, conocida por su flota de robots autónomos de acera que reparten comidas en ciudades estadounidenses, anunció la semana pasada el lanzamiento de Physical AI Services, una nueva línea de negocio destinada a transformar a la empresa en proveedora de tecnología para otras compañías que desarrollan robots. El movimiento marca una transición de fase en un mercado que pasa de prototipos a infraestructura de escala.

De la operación a la plataforma

Serve no inventó esta estrategia de la nada. Desde 2021, cuando fue separada de la adquisición de Postmates por parte de Uber, la empresa construyó una flota de casi 2.000 robots de reparto operando en 44 ciudades de 14 estados, con ingresos trimestrales que saltaron de US$176.000 en el primer trimestre de 2024 a US$3,2 millones en el segundo trimestre de 2026. En enero de 2026, adquirió Diligent Robotics, fabricante del Moxi — un robot de reparto hospitalario que ya completó más de 1,25 millones de entregas en más de 25 hospitales.

Pero los robots repartiendo comida en Los Angeles o transportando medicamentos en hospitales no sostienen un negocio de miles de millones. La física es simple: por cada dólar gastado en repartos, Serve necesita mantener operadores humanos monitoreando, cargando y manteniendo una flota distribuida físicamente. Es un modelo con márgenes bajos y complejidad logística creciente.

Physical AI Services representa el salto: licenciar la tecnología que Serve construyó para operar sus propios robots. Tres productos lanzados simultáneamente.

Serve Link: conectividad para robots

El primer producto, Serve Link, conecta robots en el campo a sistemas de inteligencia artificial ejecutados en data centers. En lugar de empaquetar computación pesada dentro de cada robot — lo que implica costo elevado de hardware, consumo energético y limitaciones de autonomía — Serve propone delegar el procesamiento de inteligencia offline a la nube, donde modelos más potentes pueden ejecutarse sin comprometer la batería o el peso del dispositivo.

El CEO y cofundador Ali Kashani describió el problema con franqueza: "Cualquier aplicación robótica necesita conectar los robots a alguna inteligencia offline, sea para recolectar datos, manejar excepciones o realizar tareas complejas. Es la pieza de conectividad que necesita ser de alto rendimiento. Necesitas poder gestionar redes realmente poco fiables y aún así mantener conexión confiable, y eso es lo que resolvemos".

La analogía con la AWS no es solo retórica. Así como Amazon descubrió que necesitaba servidores escalables para ejecutar su propia tienda online antes de alquilar capacidad a otras empresas, Serve descubrió que necesitaba conectividad robusta para operar 2.000 robots en el mundo real antes de ofrecer el mismo servicio a terceros.

Datos como producto

El segundo producto es una herramienta de curación de datos que ayuda a las empresas a encontrar casos extremos (edge cases) en los volúmas masivos de datos reales que un robot recolecta. En lugar de revisar manualmente horas de video y LiDAR, el algoritmo identifica automáticamente situaciones raras — un peatón cruzando fuera de la zona peatonal, un vehículo parado en medio de la calle, condiciones climáticas adversas — y las etiqueta para reentrenamiento de los modelos.

El tercer producto es un catálogo de datos de modelos fundamentales basado en las experiencias reales de los robots de acera de Serve. Es la mayor colección pública de datos de robots operando en entornos humanos no controlados: aceras, intersecciones, parques, centros comerciales. Empresas que entrenan modelos de visión computacional o navegación autónoma pueden usar estos datos como base de entrenamiento.

Por qué importa

El mercado de Physical AI — la intersección entre inteligencia artificial y objetos físicos que perciben, razonan y actúan en el mundo real — fue valorado en US$450 mil millones para 2030 por la propia Serve en su presentación a inversores. Pero la distribución de valor en este mercado aún está por definirse. ¿Quién será la NVIDIA de este ecosistema? ¿Quién será la Amazon Web Services?

La respuesta, aparentemente, puede ser una empresa que empezó haciendo robots de acera. Bedrock Robotics, una startup desarrollando sistemas autónomos para equipos de construcción, ya es cliente de Physical AI Services. T-Mobile también anunció una alianza para llevar computación de IA más cerca de los robots, simultáneamente con los resultados del tercer trimestre.

La estrategia de Serve es ambiciosa porque coloca a la empresa en competencia directa con gigantes establecidos. NVIDIA con su stack Isaac, Amazon con sus servicios de robótica logística, Google con ROS (Robot Operating System). Pero Serve tiene una ventaja que ninguna de esas empresas posee: opera la mayor flota comercial de robots autónomos de acera en Estados Unidos, y cada día de esa operación genera datos que ninguna simulación puede reproducir con fidelidad.

El riesgo es real. Serve aún no alcanzó rentabilidad consistente — los ingresos de Q2 FY2026 fueron de US$3,2 millones, lo que es crecimiento expresivo pero en escala aún pequeña. La competencia en Physical AI incluye empresas con décadas de experiencia en robótica industrial y recursos infinitos. El mercado aún no probó que empresas externas confiarán sus operaciones robóticas a una startup que nació repartiendo pizza.

Pero la lección de plataformas anteriores es clara: la AWS nació de una necesidad interna de Amazon.com, no como un producto pensado desde fuera hacia dentro. El modelo de negocio de SaaS y licenciamiento de autonomía que Serve anuncia como horizonte a largo plazo podría generar márgenes de 50% o más en recurring revenue, muy superiores a los márgenes de delivery. Si la tecnología funciona — y los datos de Diligent, con 15 veces más velocidad de percepción en el Moxi 2.0, sugieren que sí — Serve podría estar construyendo la capa de infraestructura sobre la cual la próxima generación de robots será construida.

Fuentes: TechCrunch, Serve Robotics Investor Deck, Serve Robotics Q3 2026 Earnings

✓ Fuentes independientes cruzadas y verificadas antes de la publicación