La ola estadounidense de la IA física y qué significa para una fábrica española

Entre 2025 y 2026 la conversación sobre inteligencia artificial se desplazó de la pantalla a la máquina. Este análisis ordena qué está ocurriendo en Estados Unidos con la IA física, con fuente y fecha en cada dato, separa lo que ya está demostrado en una planta real de lo que todavía es anuncio, lo contrasta con las cifras europeas y españolas y con el calendario normativo que aplica aquí, y termina en lo único accionable para una pyme industrial: qué decisiones tienen sentido en los próximos doce meses y cuáles no.

Qué está pasando en Estados Unidos

Conviene fijar el término antes de leer las cifras. La IA física es la que percibe, razona y actúa sobre el mundo real. En una fábrica empieza por capturar bien el dato de los equipos que ya existen. El glosario oficial de NVIDIA (consultado en septiembre de 2026) lo formula desde el lado del sistema: percibir, entender, razonar y ejecutar u orquestar acciones complejas en el mundo físico. Es la misma idea vista desde dos alturas distintas, y la diferencia entre ambas explica buena parte de lo que sigue.

La ola estadounidense no es un solo sector. Son cuatro capas que avanzan a velocidades distintas y que conviene no mezclar al leer un titular:

• Cómputo y modelos del mundo. Un modelo del mundo es un modelo que aprende la dinámica del entorno: dado un estado y una acción, cuál es el siguiente estado y qué se espera observar. El artículo de NVIDIA que acompaña a la plataforma Cosmos (arXiv 2501.03575, 7 de enero de 2025) define un modelo fundacional del mundo como un modelo del mundo de propósito general que puede afinarse para convertirse en modelos del mundo a medida. La plataforma se presentó en el CES del 6 de enero de 2025 y su tercera generación, Cosmos 3, se anunció en el GTC de Taipéi el 31 de mayo de 2026, con arquitectura de mezcla de transformadores y pesos de las variantes Super y Nano publicados en Hugging Face bajo licencia OpenMDW-1.1 (NVIDIA Newsroom).
• Modelos de política. Una política es la función que convierte lo que el sistema percibe en la acción que ejecuta. Aquí compiten laboratorios que entrenan políticas generalistas: Physical Intelligence, con una cadencia pública de modelos que va de pi-0 en octubre de 2024 a pi-0.7 el 16 de abril de 2026 (blog de la compañía, consultado en septiembre de 2026); Skild AI, cuyo cofundador y consejero delegado, Deepak Pathak, afirma que su modelo puede controlar robots con los que no fue entrenado (The Robot Report, 15 de enero de 2026); y Google DeepMind, que separó la acción del razonamiento en Gemini Robotics 1.5 y ER 1.5 (25 de septiembre de 2025) y añadió control de cuerpo completo y una variante que corre en el propio equipo en Gemini Robotics 2 (30 de julio de 2026).
• Integradores de hardware. Figure AI, Agility Robotics, Boston Dynamics y Tesla. Es la capa más visible y la que concentra el capital, y también donde la distancia entre demostración y despliegue es mayor.
• Usuarios industriales. BMW, Amazon y Foxconn en Estados Unidos, Siemens en Europa. Es la capa que decide si algo de esto sale del laboratorio, porque es la única que aporta el contexto real: variabilidad de material, tolerancias, turnos y responsabilidad sobre la seguridad de las personas.

NVIDIA es además el punto de encuentro de las cuatro capas. Presentó Isaac GR00T N1 en el GTC del 18 de marzo de 2025 como modelo fundacional abierto para humanoides, junto al motor de física abierto Newton y con socios como Google DeepMind, Boston Dynamics, 1X, Agility, NEURA e Intrinsic (NVIDIA Newsroom). En marzo de 2026 su consejero delegado, Jensen Huang, sostuvo que la IA física ya ha llegado y que toda empresa industrial acabará siendo también una empresa de robótica (NVIDIA Newsroom, 16 de marzo de 2026). Y el 31 de mayo de 2026 la compañía publicó un diseño de referencia abierto de robot humanoide para investigación académica, que combina chasis Unitree H2 Plus, manos Sharpa Wave y cómputo Jetson AGX Thor T5000, con disponibilidad prevista a través de Unitree a finales de 2026 y usuarios como Ai2, ETH Zurich, el Stanford Robotics Center y UC San Diego.

El capital acompaña. Cuatro operaciones bastan para dar el orden de magnitud, y las cuatro son públicas:

Esas cifras se leen mejor con un contraste. Agility Robotics es hoy el único fabricante de humanoides con cuentas públicas, por su salida a bolsa: declaró 1,8 millones de dólares de ingresos netos y 140 millones de dólares de pérdida operativa en 2025, con más de 65.000 horas de operación de Digit en nueve instalaciones de clientes y más de 300 millones de dólares en pedidos plurianuales de la versión 5 (The Robot Report, 7 de septiembre de 2026). La distancia entre valoración e ingreso real del sector es, por tanto, de varios órdenes de magnitud. En el otro extremo del horizonte, Morgan Stanley Research titula su análisis del mercado de robots humanoides con una cifra de 5 billones de dólares en 2050, cinco millones de millones en la nomenclatura española (informe fechado el 29 de abril de 2025). Una previsión a veinticinco años vista no es una base de presupuesto: es una señal de a dónde apunta el capital.

Lo demostrado y lo anunciado

La confusión más cara al seguir esta ola es tratar como equivalentes un despliegue documentado en una línea activa, una prueba de concepto de dos semanas y un anuncio sin calendario. La tabla siguiente separa las tres cosas actor por actor. Todas las cifras de horas, piezas y tasas de éxito proceden de los propios proveedores o de los usuarios, y ninguna está auditada por un tercero independiente.

Tres lecturas se sostienen sobre esa tabla. La primera: las tareas demostradas son de logística interna y de carga y descarga, no de proceso. Desapilar contenedores, secuenciar piezas para entrega en orden o cargar chapa en un utillaje son trabajos de tolerancia milimétrica y ciclo de segundos, no de décimas. La segunda: el horizonte temporal de la prueba es corto. Diez meses en una línea activa es el despliegue más largo documentado en la tabla, y lo declara el proveedor. La tercera: quien despliega ya tenía la planta instrumentada antes de que llegara el robot. Ese es el punto que interesa a una fábrica española, y es el que ordena el resto del análisis.

Por qué la conversación pasó del software a la máquina

No es un cambio de humor del mercado. Hay tres razones técnicas encadenadas, y conviene entenderlas porque determinan qué de todo esto es transferible a una planta.

Primera: la arquitectura se transfirió. En 2023, el trabajo RT-2 de Google DeepMind (arXiv 2307.15818, 28 de julio de 2023) definió el modelo visión-lenguaje-acción, es decir, una política que toma imágenes y una instrucción en lenguaje natural y emite directamente acciones de bajo nivel, expresando las acciones como tokens de texto e incorporándolas al conjunto de entrenamiento. Eso permitió reutilizar en robótica los mismos modelos preentrenados de visión y lenguaje que ya funcionaban en pantalla. A partir de ahí, la familia crece: pi-0.5 de Physical Intelligence generaliza a mundo abierto mediante entrenamiento conjunto sobre tareas heterogéneas (arXiv 2504.16054, 22 de abril de 2025) y GR00T N1 de NVIDIA adopta una arquitectura de doble sistema entrenada con una mezcla heterogénea de trayectorias de robot real, vídeo humano y datos sintéticos (arXiv 2503.14734, 18 de marzo de 2025).

Segunda: la física impuso su propia arquitectura. El doble sistema no es una elección estética, es una consecuencia de la latencia. Figure describe Helix como una política visión-lenguaje-acción unificada en la que el sistema reactivo corre a 200 hercios y el razonamiento semántico a entre 7 y 9 hercios, entrenada con unas 500 horas de teleoperación (Figure AI, 20 de febrero de 2025). Traducido a tiempos: el lazo reactivo decide cada 5 milisegundos y la capa que entiende la escena revisa el plan cada 110 a 140 milisegundos aproximadamente. Ese reparto es reconocible en cualquier planta. Los tiempos de ciclo habituales de la comunicación industrial periódica van de 10 milisegundos a 0,5 milisegundos, según el documento técnico de 5G-ACIA y ZVEI sobre integración de redes Ethernet industriales con redes 5G (noviembre de 2019). Es decir, el lazo reactivo de un humanoide vive en el mismo rango temporal que el bucle de control de una máquina, y el razonamiento vive dos órdenes de magnitud por encima. Un sistema que pretenda cerrar el lazo rápido a través de una plataforma remota no falla por ancho de banda: falla por la variabilidad del retardo.

Tercera: el dato dejó de ser un muro y pasó a ser el trabajo. Open X-Embodiment (arXiv 2310.08864, 13 de octubre de 2023) agregó datos de 22 robots distintos recogidos por 21 instituciones, con 527 habilidades demostradas, y mostró transferencia positiva entre morfologías. Teleoperación significa aquí trayectorias reales de robots guiados por personas, registradas con lo que se observó y lo que se hizo en cada instante. Ese par de observación y acción es exactamente lo que un histórico de planta convencional no tiene: hay variables de proceso, pero no un registro de qué intervino un operador ni de qué resultó. Con dato puramente observacional se puede aprender qué suele pasar, no qué pasa si intervengo.

Queda un límite que ninguna de las tres razones resuelve, y que es la razón por la que estas demostraciones tardan en escalar. La brecha entre simulación y realidad se define en la literatura como las abstracciones y aproximaciones que introducen inevitablemente discrepancias entre el entorno simulado y el real (arXiv 2510.20808, 23 de octubre de 2025, publicado en el Annual Review of Control, Robotics, and Autonomous Systems de 2026). No es solo un problema de apariencia visual: la fricción, las inercias, las holguras, la deformación del contacto y el retardo de los sensores pesan más. La técnica canónica para cruzarla, la aleatorización de dominio, consiste en entrenar sobre imágenes simuladas variando la renderización para que transfieran a imágenes reales (Tobin y otros, arXiv 1703.06907, 20 de marzo de 2017). Funciona cuando la realidad cae dentro de la familia de parámetros entrenada, y para centrar esa familia hace falta dato medido de la máquina real. Un simulador fotorrealista con la fricción equivocada sigue fallando.

El contraste europeo y español

El punto de partida importa más que la velocidad. En 2024 se instalaron 542.000 robots industriales en el mundo y el parque operativo alcanzó 4.664.000 unidades, según la International Federation of Robotics (World Robotics 2025, 25 de septiembre de 2025). El reparto es desigual: Asia concentró el 74 % de las nuevas instalaciones, Europa el 16 % y América el 9 %. Europa cayó un 8 % hasta 85.006 unidades, y Alemania, primer mercado del continente, un 5 % hasta 26.982.

España instaló 5.086 robots industriales en 2024, un 1 % más, y adelantó a Francia como tercer mercado europeo por detrás de Alemania y de Italia, que registró 8.783 unidades (IFR y VDMA Services, resumen ejecutivo de World Robotics 2025, septiembre de 2025). La densidad media mundial en manufactura fue de 177 robots por cada 10.000 empleados, con Asia en 204, Europa en 148 y América en 131 (mismo resumen). En el extremo alto, Corea del Sur registra 1.220 robots por cada 10.000 empleados, seguida de Singapur con 818, Alemania con 449, Japón con 446 y Estados Unidos con 307 (IFR, 8 de abril de 2026). El resumen ejecutivo no publica la densidad española en ese mismo desglose, así que aquí no se da una cifra para España: darla sin fuente sería inventarla.

La adopción de inteligencia artificial dibuja un mapa parecido. El 20,0 % de las empresas de la Unión Europea con diez o más empleados usaba IA en 2025, frente al 13,5 % de 2024, con Dinamarca en el 42,0 %, Finlandia en el 37,8 % y Suecia en el 35,0 %, y con Rumanía en el 5,2 % en el extremo bajo (Eurostat, 11 de diciembre de 2025). El dato español viene de otra fuente: el INE sitúa en el 21,1 % las empresas de diez o más empleados que usan IA (22 de octubre de 2025) y la Fundación Cotec precisa que la industria se queda en el 17,5 % (misma fecha). Es decir, la industria adopta menos IA que la media de la economía.

El dato que más ordena la decisión, sin embargo, es otro. Según Metalindustria (22 de mayo de 2026), que recoge el III Barómetro de la digitalización y automatización industrial en España presentado en Advanced Factories 2026, solo el 3,3 % de las fábricas se declara totalmente digitalizada, y el mismo barómetro sitúa en el 22,4 % las plantas con integración completa de sus sistemas. Con ese punto de partida, la pregunta relevante para una planta española no es si comprar un humanoide: es si el dato de las máquinas que ya tiene sale del equipo con hora, unidad y contexto. Hay movimiento organizado en esa dirección: el ecosistema español de robótica humanoide e IA física se agrupó en la asociación ÁNIMA, impulsada por AFM Cluster y AER Automation, que en conjunto representan más de mil empresas (Automática e Instrumentación, 4 de septiembre de 2026).

El marco regulatorio propio y sus fechas

Una fábrica europea no compite en el mismo marco que una estadounidense, y eso cambia el calendario de inversión. Cuatro fechas gobiernan la planificación:

El AI Act entró en vigor el 1 de agosto de 2024 y despliega sus obligaciones por tramos: las disposiciones generales y las prohibiciones desde el 2 de febrero de 2025, las reglas de IA de propósito general y de gobernanza desde el 2 de agosto de 2025, y nuevas prohibiciones sobre contenido sintético desde el 2 de diciembre de 2026 (Comisión Europea, AI Act Service Desk, consultado en septiembre de 2026). Los plazos de alto riesgo se retrasaron con el paquete Digital Omnibus, y una lectura jurídica de despacho sostiene además que la IA embebida en productos cubiertos por el Reglamento de Máquinas quedaría ampliamente exenta de las obligaciones del AI Act (Gibson Dunn, 27 de mayo de 2026). Esa afirmación no está confirmada en fuente oficial y no debería fundamentar una decisión de compra.

En cuanto al Reglamento de Máquinas (UE) 2023/1230, adoptado el 14 de junio de 2023, existe una propuesta sectorial de aplazar requisitos, pero la posición de febrero de 2026 retiró la petición referida a las disposiciones sobre inteligencia artificial y se limita a ciberseguridad, y la propia fuente considera poco probable el aplazamiento (IBF Solutions, actualizado el 19 de marzo de 2026). La conclusión operativa es planificar con el 20 de enero de 2027 como fecha firme.

A eso se suman las normas técnicas que ya están publicadas y que definen cómo se demuestra la seguridad y la interoperabilidad de todo lo anterior. ISO 10218-1:2025 e ISO 10218-2:2025 sustituyeron en febrero de 2025 a las ediciones de 2011 de los requisitos de seguridad de robots industriales, la primera dirigida al fabricante del robot y la segunda al integrador de la célula (ISO). La revisión absorbe el contenido de la especificación técnica ISO/TS 15066, que definía los cuatro modos de operación colaborativa y los límites biomecánicos por parte del cuerpo (The Robot Report, 18 de febrero de 2025). Para la interoperabilidad, la especificación complementaria OPC 40010-1, versión 1.02, cubre la integración vertical de sistemas de dispositivos de movimiento con los sistemas de gestión de producción (OPC Foundation, publicación del 8 de septiembre de 2025). Para el tiempo, IEEE 1588-2019 define la sincronización precisa de relojes en sistemas de medida y control, y el perfil de red sensible al tiempo para automatización industrial IEC/IEEE 60802 se publicó el 29 de junio de 2026 (IEEE 802.1). Y para ciberseguridad, la serie ISA/IEC 62443 fija los requisitos de los sistemas de automatización y control industrial, con la edición 2.0 de IEC 62443-2-1, de agosto de 2024, dedicada al programa de seguridad del propietario del activo (IEC).

Qué se puede copiar y qué no

La pregunta útil no es si una pyme industrial puede hacer lo que hace Figure. Es qué parte del método sobrevive al cambio de escala. Lo que sí se puede copiar, y además es barato:

• Registrar el par de observación y acción. Lo que hace valioso el dato de teleoperación no es el volumen, es que cada instante lleva qué se observó, qué se hizo y qué resultó. Una planta puede empezar hoy a registrar cada intervención (cambio de consigna, ajuste, parada forzada) junto al estado que la motivó y al efecto medido después. Sin ese registro no hay forma de aprender de la propia planta.
• La disciplina de la marca de tiempo. Sincronizar relojes y medir la desviación es la condición para poder ordenar causalmente los eventos entre equipos distintos, que es lo que permite responder qué se disparó primero cuando una cascada de fallo dura menos de un segundo.
• La separación en dos velocidades. Lo que Helix resuelve con dos sistemas, una planta lo resuelve decidiendo dónde vive cada decisión: el lazo determinista en el armario, la supervisión en el edge, la optimización de turno en la plataforma y el entrenamiento en la nube, nunca en el camino crítico de una decisión rápida.
• La evaluación sobre casos no vistos. La prueba de un sistema aprendido no es la demostración, es su rendimiento sobre un conjunto de casos reservado que no estaba en el entrenamiento, con una envolvente de seguridad que no dependa del modelo. Ese protocolo se puede exigir a cualquier proveedor, en cualquier proyecto y a cualquier escala.
• Calibrar la simulación con dato real. Si se construye un gemelo o se simula una línea, sus parámetros deben identificarse con dato medido y sincronizado de la máquina. Sin eso, la brecha resultante se atribuye al simulador cuando es un problema de identificación.

Y lo que no se puede copiar, con el dato que lo explica:

• La escala de capital. Una ronda de 1.400 millones de dólares o una valoración de 39.000 millones no se replican con un plan de inversión industrial. Copiar el gasto sin la tesis de retorno es la vía más rápida a un piloto abandonado.
• El volumen de datos de demostración. Unas 500 horas de teleoperación para una sola familia de tareas, o la agregación de 22 robots y 21 instituciones de Open X-Embodiment, no están al alcance de una planta. La ventaja de una pyme no es el volumen: es la especificidad de su proceso y la posibilidad de acotar mucho la tarea.
• La tolerancia a la pérdida. 140 millones de dólares de pérdida operativa en un año (The Robot Report, 7 de septiembre de 2026) es una forma de financiar aprendizaje que una empresa industrial no tiene. Cada peldaño debe pagarse a sí mismo.
• La integración vertical. BMW puede crear un centro de competencia propio de IA física en producción y Amazon puede pilotar en una instalación y desplegar en más de 300. Una pyme no puede amortizar una capacidad interna así, y por eso su decisión es de compra y de gobierno del dato, no de desarrollo.

Qué decidir en los próximos doce meses

Seis decisiones que tienen sentido tomar ahora, todas verificables y ninguna dependiente de que la ola de humanoides madure:

1. Nombrar un propietario del dato y escribir el diccionario de señales. Con activo, unidad, rango, frecuencia y calidad por señal, y cambios versionados con fecha. La causa más común de que un histórico de tres años no sirva no es técnica: es que alguien renombró o reescaló un tag y no quedó registrado.
2. Sincronizar los relojes y medir la desviación. Decenas de milisegundos bastan para OEE, energía y análisis de turno; el milisegundo o mejor hace falta para ordenar causalmente eventos entre equipos, y ahí es donde entra IEEE 1588-2019.
3. Cambiar sondeo por captura por evento donde se cuentan paradas. Una microparada de ocho segundos desaparece por completo si el estado de máquina se sondea cada treinta, y con ella la mayor pérdida de disponibilidad de muchas líneas.
4. Escribir una definición única de OEE. Del tiempo planificado, de la velocidad nominal por producto y de qué cuenta como rechazo. Sin ella, el indicador no es discutible, es opinable, y las reuniones se van en negociar el denominador.
5. Cerrar un solo bucle supervisado y medirlo. Una acción acotada, con titular identificado, camino de reversión probado, edad máxima declarada del dato que la justifica y efecto medido contra una línea base. Uno bien hecho enseña más que cinco a medias.
6. Meter el calendario normativo en el plan de inversión. El 20 de enero de 2027 del Reglamento de Máquinas y el 2 de agosto de 2028 de la IA embebida en producto regulado son fechas de diseño, no de cumplimiento a posteriori.

Y cinco decisiones que no conviene tomar todavía:

• Comprar un humanoide para una planta que aún apunta las paradas en papel.El sistema necesita dato con hora y contexto para funcionar y para que alguien detecte que se degrada. Sin eso, el piloto funciona en la demostración y muere en producción sin diagnóstico.
• Presupuestar sobre una previsión de mercado a 2050. Sirve para entender hacia dónde va el capital, no para dimensionar una inversión de 2027.
• Cerrar un lazo de milisegundos a través de una plataforma remota. Con ciclos industriales de 10 a 0,5 milisegundos (5G-ACIA y ZVEI, noviembre de 2019), el problema no es el ancho de banda sino la varianza del retardo, y el síntoma se atribuye erróneamente al algoritmo.
• Sustituir el parque de máquinas para tener equipos compatibles con IA. El parque existente ya percibe y ya actúa. Lo que falta es sacar el dato con los protocolos que ya habla.
• Firmar un piloto sin criterio de éxito escrito. Sin conjunto de casos reservado, sin línea base declarada y sin condición de parada, el piloto no se puede suspender ni renovar con criterio.

La escalera como instrumento de decisión

La escalera de la IA física ordena todo lo anterior en cinco niveles definidos por lo que la planta puede hacer con su dato, no por la tecnología que compra. Sirve para dos cosas: situar la planta hoy y saber qué hay que resolver antes de invertir en el peldaño siguiente.

Leída contra la ola americana, la escalera dice algo concreto. Todo lo que se demuestra en el nivel 4 consume lo que producen los tres anteriores: el nivel 1 produce percepción fiable con hora y contexto, el nivel 2 produce la verdad de referencia contra la que evaluar, y el nivel 3 produce los pares de acción y efecto sin los cuales no se puede corregir un modelo ni detectar que se está degradando. Por eso el salto directo del nivel 2 al nivel 4 es el modo de fallo más caro que se observa en proyectos industriales: la demostración funciona y el despliegue no, y sin registro de acción y efecto no hay manera de saber por qué.

Captia cubre los niveles 1 a 3: la captura del dato de los equipos existentes con Captia Connect, los indicadores y alertas en tiempo real con Captia.ai, y el bucle cerrado con supervisión mediante reglas, workflows, Energy y Service. El nivel 4 es estado del arte del sector y esta pieza lo describe como tal, en tercera persona. Los cimientos, en cambio, se pagan solos: la base sobre la que se sostiene el único resultado propio que publicamos, más del 30 % de ahorro energético en empresas electrointensivas, es exactamente el dato conectado y contextualizado del nivel 1.

Preguntas frecuentes

Para profundizar en el marco completo, la guía de referencia es qué es la IA física industrial y por qué empieza por los datos, y la arquitectura sobre la que se construyen los niveles 1 a 3 está descrita en la plataforma de datos industriales. Si quieres situar tu planta en la escalera con tus propios equipos, cuéntanos qué tienes instalado.