✨︎ Resumen (TL;DR):
- Las empresas chinas de robótica entrenan máquinas con ejemplos humanos, sensores y simulaciones para que aprendan tareas y se adapten a otros entornos.
- La inteligencia encarnada captó 93,500 millones de yuanes en el primer semestre de 2026, mediante 322 operaciones de financiación.
- Las pruebas van desde una tasa de inserción superior al 99% en una operación industrial hasta un 62% de éxito promedio en ocho tareas nuevas.
Las empresas chinas de robótica están usando inteligencia artificial para que sus máquinas aprendan tareas y se adapten a distintos entornos, en lugar de programar cada movimiento por separado. La apuesta atrajo 93,500 millones de yuanes durante el primer semestre de 2026, según ITjuzi, pero el reto central sigue siendo convertir demostraciones y pruebas controladas en trabajo confiable fuera de ellas.
La inteligencia encarnada es un enfoque de inteligencia artificial que conecta modelos con máquinas capaces de percibir su entorno y actuar en él. En vez de programar cada movimiento para cada trabajo, los desarrolladores intentan que los robots aprendan de ejemplos humanos, sensores y simulaciones.
ITjuzi registró 322 operaciones de financiación en China durante los primeros seis meses de 2026. El cálculo equivale aproximadamente a 13,000 millones de dólares, de acuerdo con Reuters, y cubre inversión de capital antes de la salida a bolsa.
La firma excluye las ofertas públicas iniciales, las ampliaciones de capital privadas posteriores a la cotización y las fusiones y adquisiciones. La cifra tampoco mide ventas de robots ni ingresos de las empresas.
Los datos humanos no bastan por sí solos
Para actuar en el mundo físico, una máquina necesita datos sobre cómo cambian los objetos cuando los agarra, mueve o conecta. Esas interacciones no se aprenden solo con texto: algunas empresas graban a personas mientras trabajan, otras usan sensores y otras crean entornos simulados.
Robbyant, la unidad de robótica de Ant Group, dijo a Reuters que entrenó un modelo con 160,000 horas de material, incluidas 50,000 horas de movimientos de robots guiados por personas.
La compañía describe LingBot-VLA 2.0 como compatible con 20 configuraciones de robots. La meta es que una misma IA pueda funcionar en máquinas distintas.
El tamaño del conjunto de datos no resuelve todo. Yang Qian, cofundadora de X Square, dijo a Reuters que la calidad de los ejemplos importa más que reunir cantidades masivas. Las simulaciones permiten generar experiencias, aunque no reproducen perfectamente las interacciones físicas.
Una tarea repetitiva no prueba aprendizaje general
En una fábrica de baterías de CATL en Zhongzhou, los robots Moz de Spirit AI conectan cables flexibles durante las pruebas de paquetes de baterías. CATL comunicó a Reuters una tasa de inserción superior al 99%; Spirit AI también reporta ese resultado.
Ese porcentaje corresponde a una operación concreta y procede de las empresas involucradas. No describe el desempeño de los robots en otras tareas.
Una investigación preliminar ofrece otra medida. Un equipo de X Square Robot, el Instituto de Tecnología de Pekín y la Universidad de Tsinghua probó el sistema HOST en una plataforma de dos brazos robóticos.
Tras mostrarle un video humano por tarea, los investigadores reportaron un 62% de éxito promedio al comparar ocho tareas nuevas, con 20 intentos por tarea. El modelo tenía entrenamiento previo, pero no se ajustó de nuevo para cada tarea.
Las cifras de CATL y HOST no son comparables directamente: miden tareas, sistemas y condiciones diferentes. Tampoco demuestran por sí solas que un robot pueda pasar de una fábrica a una casa y trabajar con la misma fiabilidad.
La automatización todavía conserva revisiones humanas
Robbyant dijo a Reuters que sus robots ya gestionan pedidos en dos farmacias de Shanghái. En esos establecimientos, el personal revisa los medicamentos antes de que se despachen.
El caso muestra una incorporación de la automatización dentro de un proceso que mantiene una comprobación humana. No implica que el robot sustituya todas las revisiones antes de entregar un pedido.
Enviar más robots no garantiza desplegarlos fácil
China cuenta con una base industrial que facilita las pruebas junto a fabricantes y clientes. Smart Analytics Global estimó que las empresas chinas concentraron más del 97% de los envíos mundiales de robots humanoides durante el primer semestre de 2026.
Esa proporción mide unidades enviadas, no cuántos robots trabajan de forma autónoma.
El acceso a capacidad de cómputo es otro límite. Reuters señala que los controles estadounidenses a la exportación restringieron el acceso de China a chips avanzados de Nvidia.
Las empresas buscan reducir la potencia necesaria mediante modelos más eficientes y simulaciones, mientras los fabricantes locales desarrollan alternativas. Todavía no está claro cuánto podrán compensar la escasez.
La inversión privada tampoco garantiza un camino despejado hacia la bolsa. The Information informó en septiembre que el regulador chino había elevado de manera informal el umbral para las empresas de robots humanoides que buscan cotizar. Reuters indicó que no pudo verificar ese reporte de forma independiente.
Georg Stieler, consultor de robótica, distingue entre una demostración capaz de resolver tareas desconocidas y un producto en el que un cliente pueda confiar. Sobre ese segundo paso, dijo a Reuters: “Añadiría años, no meses”.
Las métricas disponibles siguen describiendo niveles distintos de capacidad: una operación industrial con una tasa superior al 99% y una prueba de 62% de éxito promedio en tareas nuevas. El siguiente reto consiste en demostrar que ese desempeño se mantiene cuando cambian la tarea, la máquina o el entorno.
