Las tres grandes de Silicon Valley inician una revolución de producción en masa. ¿La inteligencia encarnada de China logrará ocupar la posición C en el escenario global?

Introducción: las acciones predefinidas son el boleto de entrada de hoy, la capacidad de generalización es la entrada a la final de mañana.

Editor｜Jing Cheng

Autor｜Jiang Jing

Al cierre del primer trimestre de 2026, una acción global sincronizada en el mundo tecnológico anuncia oficialmente que la industria de los robots humanoides atraviesa un punto de inflexión histórico.

Las tres grandes empresas de Silicon Valley, Google, Amazon y Tesla, trabajan en paralelo, desde la habilitación tecnológica y la planificación de escenarios hasta la producción en masa, impulsando la transición de los robots humanoides de una exhibición tecnológica a un escenario industrial.

Mientras tanto, China también ha tomado más medidas. El 26 de marzo, el Instituto de Información y Telecomunicaciones de China, en colaboración con más de 40 entidades, publicó el primer estándar industrial en el campo de la inteligencia embodied, sumándose a políticas continuas de apoyo, aceleración en la implementación empresarial y un entusiasmo creciente del capital. China está logrando una transición de seguir el ritmo a competir en igualdad de condiciones, e incluso ha comenzado a desafiar en varios campos a los líderes mundiales.

¿Podrá esta revolución que subverte las reglas comerciales y ecológicas industriales del futuro posicionar a China en el centro?

Impulso global: gigantes de Silicon Valley apuestan por la producción en masa y reconfiguran la productividad futura

Ya nadie considera a los robots humanoides como un concepto de ciencia ficción.

Recientemente, las acciones sincronizadas de las tres grandes en Silicon Valley han dejado claro el paso hacia la era de la producción en masa. Cada movimiento apunta a la reconfiguración de la productividad futura, y la participación de capitales globales y empresas locales mantiene alta la temperatura de esta carrera.

Google ha liderado creando un “cerebro inteligente” para robots, lanzando dos nuevos modelos de IA, Gemini Robotics y Gemini Robotics-ER. El primero permite a los robots entender nuevas situaciones sin entrenamiento específico, y el segundo puede “comprender un mundo complejo y dinámico”, dotando a los robots de capacidades para aplicar en escenarios reales desde el nivel técnico.

Amazon se centra en la implementación en escenarios específicos, adquiriendo en una semana startups de robots humanoides como Fauna Robotics y de robots logísticos como Rivr. Su estrategia no solo busca optimizar la entrega, sino construir una “capilaridad de servicios robotizados” desde las líneas de producción hasta los hogares, creando el sistema de fuerza laboral de próxima generación.

Tesla ha generado mayor atención con su producción en masa. El 25 de marzo, publicó una oferta de empleo para su robot Optimus, afirmando que cambiará la estructura laboral y económica de la manufactura, con el objetivo de lograr una producción en masa lo antes posible. Además, en verano lanzará la primera línea de producción de robots humanoides con una capacidad anual de un millón de unidades, llevando la producción en masa a una etapa sustantiva.

La estrategia en Silicon Valley no termina allí. Las empresas estadounidenses también aceleran su implementación. Ese mismo día, el robot humanoide Figure03, desarrollado por Figure AI, fue instalado en la Casa Blanca, convirtiéndose en el primer robot humanoide fabricado en EE. UU. en la residencia presidencial, con capacidades multilingües y de realizar tareas domésticas de forma autónoma. La financiación de la compañía en los últimos seis meses superó los 1,000 millones de dólares, con gigantes como Nvidia y LG respaldando, evidenciando la fuerte atracción del capital global hacia esta carrera.

El Subdirector del Departamento de Inversiones del Instituto de Desarrollo Urbano de China, Yuan Shuai, afirmó que las acciones de producción en masa de Silicon Valley, junto con la publicación del primer estándar industrial en inteligencia embodied en China, marcan la transición de la investigación tecnológica a una fase dorada de comercialización. La innovación en tecnologías clave sustenta la fabricación a escala, y los estándares industriales definen las normativas técnicas y reducen la competencia desordenada.

Sin embargo, el experto Gao Heng, de la Sociedad de Noticias Tecnológicas de China, advierte con cautela que la industria aún se encuentra en la víspera de la comercialización y en una fase de validación parcial, no en una explosión total. La principal transformación actual consiste en que todas las partes verifican si los robots pueden trabajar continuamente en escenarios reales y si los costos son controlables, más allá de los avances tecnológicos en sí.

La estrategia china: ventajas múltiples que consolidan la posición, pero con deficiencias críticas por resolver

Mientras los gigantes de Silicon Valley impulsan la producción en masa, China no solo sigue el ritmo, sino que ha avanzado previamente. Aprovechando ventajas en estándares, escenarios, mercado y capital, China ha consolidado su posición en la carrera global de la inteligencia embodied. Sin embargo, en comparación con estos líderes, aún existe una brecha en tecnologías y capacidades centrales, que limita el desarrollo industrial.

En cuanto a ventajas, la estrategia china muestra características distintivas y un efecto de liderazgo temprano. Primero, en la dominancia de los estándares: el 26 de marzo, el Instituto de Información y Telecomunicaciones de China, en colaboración con más de 40 entidades, publicó el primer estándar industrial en inteligencia embodied, estableciendo un marco de evaluación unificado y tomando la iniciativa en la definición de normas en las primeras etapas del desarrollo industrial.

Segundo, en la implementación en escenarios reales: China ha llevado la inteligencia embodied más allá de las demostraciones, logrando aplicaciones prácticas en proyectos como robots cuadrúpedos de YuShu en estaciones eléctricas en Zhejiang, en pasajes subterráneos en Hangzhou y en bases petroquímicas en Guangdong, entre otros.

Además, China cuenta con un mercado enorme y un entorno de capital activo. En 2025, más de 140 empresas nacionales de robots completos en inteligencia embodied lanzaron más de 330 modelos de robots humanoides, con un volumen de envío de aproximadamente 17,000 unidades. El mercado de inteligencia embodied y de robots humanoides alcanzó valores de 5,295 millones y 8,239 millones de yuanes, respectivamente.

En el ámbito del capital, YuShu Technology fue aceptada para su oferta pública inicial, convirtiéndose en la primera empresa de robots humanoides en China en cotizar en A-shares. Desde principios de año, la financiación en el sector ha aumentado significativamente, acelerando el proceso de capitalización. Los ingresos por ventas de robots cuadrúpedos y humanoides de YuShu en 2025, de enero a septiembre, crecieron un 182.22% y 6.42 veces respecto al mismo período del año anterior, evidenciando el potencial del mercado.

A pesar del rápido crecimiento, las deficiencias de China en la competencia global también son evidentes.

Varios expertos señalan que la brecha principal entre robots humanoides chinos y extranjeros no radica en la fabricación de hardware, sino en la acumulación de datos, la capacidad de generalización de los modelos y el desarrollo de tecnologías fundamentales. En apariencia, esto se refleja en la falta de flexibilidad en los movimientos y en la capacidad de generalización de los robots.

Yuan Shuai opina que la diferencia aparente en flexibilidad y generalización se debe a raíces en tecnologías básicas, acumulación de datos y conceptos de investigación y desarrollo. Robots como RoboCat de Google logran movimientos flexibles y generalizables gracias a una larga tradición tecnológica, con inversiones continuas en algoritmos de grandes modelos, fusión de sensores y control de dinámica robótica, apoyándose en vastos datos de entrenamiento en múltiples escenarios para que los robots puedan aprender y adaptarse de forma autónoma.

Él señala que los productos nacionales aún se limitan a movimientos predefinidos y reproducción en escenarios fijos. Las principales deficiencias son: primero, la falta de datos de alta calidad y en gran volumen en escenarios reales, lo que limita la capacidad de generalización de los algoritmos; segundo, la dependencia de importaciones en componentes clave como motores servo de alta precisión y sensores de fuerza, restringiendo la precisión de movimiento y percepción.

Gao Heng añade que la verdadera brecha radica en si la capacidad de datos, modelos, ingeniería de sistemas y retroalimentación en escenarios puede integrarse en un ciclo eficiente. Las principales empresas extranjeras buscan crear robots inteligentes que entiendan el entorno y puedan completar tareas de forma autónoma, considerando a los robots como productos de datos que se pueden iterar continuamente. La generalización es una capacidad compuesta; en China, no solo hay retrasos en tecnologías puntuales, sino que la falta de datos y escenarios impide que se forme un ciclo de iteración, por lo que los robots solo ajustan parámetros en tareas específicas y no se vuelven más inteligentes con el uso.

El reconocido escritor financiero y director del Instituto de Influencia de Yaoyuan, Gao Chengyuan, afirma que la brecha principal se centra en la acumulación de datos y la capacidad de generalización de los modelos. En transferencia de aprendizaje de simulación a realidad y en estrategias multitarea, los países extranjeros tienen ventajas claras, gracias a inversiones a largo plazo que han establecido ciclos de datos en múltiples escenarios y capacidades en desarrollo de modelos básicos. En China, todavía predominan movimientos predefinidos, debido a la escasez de datos embodied de alta calidad y a la brecha en potencia de cálculo y desarrollo algorítmico para modelos de gran escala de última generación.

YuShu Technology también admite que las tecnologías clave para la comercialización a gran escala en escenarios industriales y domésticos aún no se han superado, principalmente en la capacidad de los “cerebros” de los grandes modelos embodied y en la durabilidad y precisión de las “manos hábiles”. La mayor dificultad técnica sigue siendo que, a nivel global, los grandes modelos embodied están en etapas tempranas y su capacidad de generalización aún es limitada.

Camino hacia la solución: múltiples vías para mejorar capacidades, equilibrando presente y futuro

Ante la insuficiencia de datos y escenarios, cómo mejorar la flexibilidad y la capacidad de generalización de los movimientos de los robots se ha convertido en el núcleo para que las empresas nacionales puedan avanzar.

Varios expertos, considerando la situación industrial, proponen caminos prácticos y con visión de futuro, enfatizando que las empresas deben equilibrar la implementación a corto plazo y la investigación a largo plazo, usando movimientos predefinidos como boleto de entrada y centrando la innovación en la capacidad de generalización como la principal barrera.

El investigador del Instituto de Ciencias Sociales de Beijing, Wang Peng, sugiere que las empresas nacionales pueden seguir dos caminos: “anclaje en escenarios + reutilización tecnológica”. Por un lado, centrarse en cerrar ciclos de datos en escenarios verticales, comenzando con escenarios estandarizados como soldadura industrial y manipulación de materiales, obteniendo conjuntos de datos exclusivos en pequeñas implementaciones, y entrenando modelos embodied específicos para esos ámbitos; por otro, aprovechar ecosistemas de código abierto y promover la compartición de datos entre empresas mediante estándares industriales publicados por el Instituto de Información y Telecomunicaciones, para entrenar modelos universales en datos operativos en formatos unificados.

Yuan Shuai recomienda caminos múltiples en paralelo: colaborar con instituciones académicas para generar datos virtuales mediante simulación y gemelos digitales, y transferirlos a escenarios reales; abrir interfaces para coordinar con escenarios y realizar pilotos, recopilando datos reales para iterar algoritmos; además, promover la compartición anónima de datos de entrenamiento entre empresas, romper los silos de datos, aumentar la inversión en desarrollo propio de componentes clave y apoyar movimientos hardware que mejoren la movilidad de los robots.

Gao Heng propone cuatro caminos prácticos: primero, obtener datos en escenarios reales, integrando profundamente en fábricas y almacenes para que los robots acumulen datos en flujos de trabajo reales; segundo, priorizar la simulación y cerrar el ciclo en hardware real, entrenando en simulación y ajustando en escenarios reales para reducir costos; tercero, enfocarse en la generalización de tareas específicas como clasificación y manipulación, logrando primero valor comercial; y cuarto, construir un sistema de datos y estándares compartidos en la industria, para resolver problemas de interfaces y evaluación no unificados, y promover la iteración industrial.

Todos los expertos coinciden en que los movimientos predefinidos y la capacidad de generalización son igualmente importantes para el desarrollo empresarial.

Wang Peng afirma que, a corto plazo, los robots con movimientos predefinidos ya cubren la mayoría de las necesidades en escenarios industriales y su costo es menor que el de los robots con mayor capacidad de generalización. Pero a largo plazo, la capacidad de generalización será la principal barrera para que las empresas atraviesen ciclos industriales, ya que con la expansión en servicios domésticos y rescates de emergencia, los robots que puedan adaptarse de forma autónoma al entorno se convertirán en la tendencia principal.

Gao Heng también comparte esta visión: los movimientos predefinidos son el boleto de entrada de hoy, la capacidad de generalización es la entrada a la final de mañana. Para las empresas, no deben abandonar la inversión a largo plazo en generalización solo porque hoy puedan obtener beneficios con movimientos predefinidos; pero tampoco deben centrarse únicamente en la generalización, ignorando los escenarios inmediatos. La estrategia más realista es obtener pedidos primero y entrenar la inteligencia después.

Actualmente, el mercado chino de inteligencia embodied ya representa la mitad del mundial, con aplicaciones en escenarios industriales y de emergencia. La pregunta es: ¿qué escenario será el primero en lograr una comercialización en masa en China?

Gao Chengyuan opina que la manufactura industrial será la primera en lograr una comercialización en masa, especialmente en sectores como fabricación de automóviles, ensamblaje de electrónica 3C y logística de almacenamiento. Para identificar necesidades, es necesario profundizar en la industria, colaborar con principales fabricantes en laboratorios conjuntos, comenzar con la sustitución de procesos específicos y expandirse gradualmente a la automatización de líneas completas. La clave está en establecer un mecanismo de retroalimentación que permita que las necesidades reales de producción impulsen la iteración de hardware y la optimización de algoritmos, en lugar de que la tecnología avance primero y luego busque escenarios.

Para pasar de “competir en paralelo” a “liderar globalmente”, China aún debe superar obstáculos en políticas, tecnología y ecosistema industrial.

Yuan Shuai recomienda fortalecer el apoyo y la inversión en políticas, mejorar la protección de la propiedad intelectual; en tecnología, centrarse en algoritmos de grandes modelos y componentes clave para mejorar la autonomía y generalización de los robots; en el ecosistema industrial, fortalecer la colaboración en la cadena de suministro, acelerar la localización de componentes, profundizar la integración de producción, academia y aplicación, y promover la transferencia de resultados. Además, participar en cooperación internacional y en la definición de estándares globales para aumentar la influencia del sector, con el objetivo final de construir un ecosistema completo de la industria de inteligencia embodied y liderar en el campo.