Cuando la IA comienza a tener cuerpo: ¿será la IA física la próxima línea principal de la tecnología?

Escrito por: Jim, MSX Maitong

Editado por: Frank, MSX Maitong

En los últimos dos años, la IA que opera en los mercados de capital ha sido principalmente el "cerebro" de la IA.

Desde ChatGPT, grandes modelos hasta GPU, HBM, centros de datos, comunicación óptica e infraestructura eléctrica, casi todas las líneas principales se han centrado en cómo hacer que los modelos sean más grandes, más rápidos en el entrenamiento y más baratos en la inferencia.

Sin embargo, estas IA pueden generar texto, imágenes, código y videos, pero la mayoría aún opera en pantallas y en el mundo digital.

Por lo tanto, cuando las capacidades de los grandes modelos y la infraestructura de computación comienzan a madurar, el mercado naturalmente comenzará a cuestionar la siguiente pregunta: ¿podrán estos modelos cada vez más inteligentes salir de la pantalla y entrar en automóviles, fábricas, almacenes, hospitales y el mundo real?

Esta es precisamente la razón por la que la IA física ha comenzado a salir a la luz en la industria.

I. De "pensar" a "actuar", ¿por qué es importante la IA física?

Según la definición de NVIDIA, la IA física es permitir que la IA salga de la pantalla, permitiendo que robots, cámaras, automóviles autónomos y otros sistemas autónomos puedan percibir y entender su entorno, completando razonamientos, decisiones y acciones complejas.

En otras palabras, si la IA generativa resuelve "cómo piensan las máquinas", la IA física intenta resolver cómo actuar correctamente, de manera segura y a bajo costo después de que la máquina ha pensado, permitiendo que la máquina realmente tenga la capacidad de interactuar con el mundo real.

A partir de las declaraciones de Jensen Huang en sus recientes discursos públicos, NVIDIA está reforzando constantemente sus líneas de productos como Isaac, GR00T, Cosmos, Omniverse y Jetson, cuyo objetivo no es simplemente apostar por un solo robot, sino construir una plataforma subyacente que cubra entrenamiento, simulación, inferencia y despliegue para que las máquinas entren en el mundo físico.

Porque la verdadera IA física no es tan simple como conectar un gran modelo en un robot, también necesita entender las relaciones espaciales y las leyes físicas, requiere modelos del mundo, datos de entrenamiento, entornos de simulación, computación en el borde, visión por computadora, sensores y control de movimiento, y completar muchas pruebas de seguridad antes del despliegue.

En el contexto del mercado, la IA física se superpone en gran medida con la "inteligencia encarnada", pero la extensión de la primera es más amplia, incluyendo no solo robots humanoides, sino también vehículos autónomos, robots industriales, drones, fábricas inteligentes, sistemas de almacenamiento, así como espacios inteligentes impulsados por cámaras y sensores.

Por supuesto, la IA física no es un concepto nuevo que ha surgido de repente.

La conducción autónoma, los robots industriales, la visión por computadora y la automatización del almacenamiento han estado en desarrollo durante años; lo que realmente ha cambiado es que los grandes modelos, los modelos del mundo, la tecnología de simulación y la computación en el borde están conectando estas rutas tecnológicas que antes estaban relativamente aisladas.

Muchos robots industriales tradicionales dependen de programas preescritos para ejecutar acciones estándar en entornos relativamente fijos; el objetivo de la IA física es permitir que las máquinas ajusten sus juicios y comportamientos en función de información en tiempo real cuando se enfrentan a diferentes objetos, entornos desconocidos y situaciones imprevistas.

Esto significa que la cadena de suministro de la IA está extendiéndose de "cerebros" a "cuerpos".

En los últimos dos años, el mercado primero reevaluó la GPU, el almacenamiento, los servidores, las redes y la electricidad necesarios para entrenar y operar la IA. A continuación, el capital podría buscar más a fondo aquellos que puedan soportar esta capacidad de computación y convertir la capacidad del modelo en productividad real: robots, automóviles autónomos, drones, equipos de automatización industrial, así como sistemas de visión y sensores que se encuentran en fábricas, almacenes y ciudades.

Por lo tanto, la IA física no es un concepto de un solo punto que se puede igualar fácilmente a "robots humanoides"; lo que realmente abre es toda una cadena industrial que va desde la computación hasta la acción.

II. De la computación a los robots, las cinco capas de la cadena industrial de la IA física

Para facilitar la comprensión, el Instituto de Investigación MSX ha desglosado la cadena industrial de la IA física en cinco etapas clave.

1. Primera capa: Capa de computación

Ya sea para entrenar modelos de robots, construir entornos virtuales o completar inferencias en tiempo real en automóviles y robots, no se puede prescindir de la computación.

Incluye GPU de centros de datos, chips de IA en el borde, plataformas de computación a bordo y procesadores de bajo consumo, y los principales objetivos incluyen:

• NVIDIA (NVDA.M): cubriendo la capacidad de entrenamiento, la plataforma de computación en el borde Jetson, y el ecosistema de desarrollo de robots;
• TSMC (TSM.M): base de fabricación de chips de IA, chips a bordo y chips de computación en el borde;
• Arm (ARM.M): arquitectura de computación de bajo consumo ampliamente utilizada en automóviles, robots y dispositivos inteligentes;
• Qualcomm (QCOM.M): posicionamiento en IA a bordo, inferencia en el borde y terminales inteligentes;
• AMD (AMD.M): beneficiarios potenciales de la capacidad de IA y computación embebida;

La lógica de esta capa es similar a la tendencia de la IA generativa de los últimos dos años, continuando con la lógica de "vender palas"; no importa qué empresa de robots gane al final, la base necesita chips, computación y arquitectura de computación.

2. Segunda capa: Capa de modelos

Esto no es difícil de entender, la IA física no solo necesita modelos de lenguaje, sino también modelos básicos de robots, modelos del mundo, y modelos de visión-lenguaje-acción.

Los modelos de lenguaje pueden entender las instrucciones humanas, los modelos visuales ayudan a las máquinas a reconocer el entorno, y los modelos de acción son responsables de convertir juicios en acciones concretas; el modelo del mundo va un paso más allá, intenta hacer que la IA entienda las relaciones entre objetos, predecir lo que podría suceder a continuación y realizar simulaciones antes de actuar.

Esta capa todavía está impulsada principalmente por grandes empresas tecnológicas y empresas de plataformas, incluyendo NVIDIA, Tesla, Google, y algunas startups de robótica.

En comparación con los grandes modelos de lenguaje, el mayor problema que enfrentan los modelos de robots es la falta de datos; aunque hay una gran cantidad de texto, imágenes y videos en Internet, los datos de operación de robots de alta calidad son escasos, y cómo generar suficientes datos de entrenamiento se convertirá en un umbral clave en el proceso de desarrollo de la IA física.

3. Tercera capa: Capa de simulación

Debido a que el costo de entrenamiento en la realidad es alto, la velocidad es lenta y el riesgo es grande, los robots necesitan aprender primero en un mundo virtual, por lo que los gemelos digitales, los datos sintéticos y los entornos de entrenamiento virtual constituyen una capa muy importante de la IA física.

NVIDIA ha construido una cadena de herramientas bastante completa en esta capa: Omniverse se utiliza para construir gemelos digitales y entornos de simulación, Isaac Sim e Isaac Lab apoyan el entrenamiento, prueba y validación de robots, y Cosmos proporciona modelos del mundo y capacidades de generación de datos.

El valor de esta capa radica en que puede trasladar los costosos, peligrosos y lentos errores de prueba del mundo real a un entorno virtual, permitiendo a los desarrolladores ejecutar simultáneamente una gran cantidad de escenarios, probar diferentes luces, clima, terrenos y eventos imprevistos, y luego desplegar modelos verificados en dispositivos reales.

En última instancia, un robot puede necesitar minutos para entrenar en la realidad, mientras que en un entorno de simulación puede ejecutarse en paralelo miles de veces.

4. Cuarta capa: Capa de percepción

Cuando los robots ingresan al mundo real, el primer paso a menudo no es tener manos flexibles, sino poder "ver" y comprender el entorno que los rodea de manera estable.

Deben reconocer objetos, juzgar distancias, entender cambios en el entorno y completar la localización en espacios complejos; después de hacer un juicio, también necesitan convertir decisiones en acciones reales a través de controladores, motores, brazos robóticos y módulos de articulación.

Esta capa incluye visión por computadora, cámaras, LiDAR, sensores, chips de control, control de movimiento y varios componentes de ejecución:

• Cognex (CGNX.M): sistemas de visión industrial y reconocimiento;
• Ouster (OUST.M): LiDAR y plataformas de percepción;
• Qualcomm, NVIDIA: proporcionan plataformas de computación visual a bordo y en el borde;

Ouster ha integrado la nueva generación de LiDAR digital con NVIDIA Jetson y el ecosistema Isaac, y ha promovido su aplicación en robots industriales, inspección y sistemas autónomos; Cognex continúa desplegando sistemas de visión AI en la detección y automatización de la industria.

En comparación con los robots humanoides, el espacio de imaginación para la visión por computadora y los sensores puede no ser tan grande, pero está más cerca de los pedidos reales y los clientes existentes.

En cuanto a los motores, reductores y módulos de articulación, los objetivos en el mercado de valores son relativamente limitados, y las oportunidades relacionadas se distribuyen más en la automatización industrial, chips de simulación y empresas de componentes especializados.

5. Quinta capa: Capa de aplicación

Como la capa más alta de la cadena industrial, también es la más familiar para el mercado: robots, conducción autónoma, drones y equipos de automatización industrial, con los siguientes objetivos:

• Tesla (TSLA.M): Optimus, FSD y Robotaxi;
• Alphabet (GOOGL.M): posicionamiento en conducción autónoma a través de Waymo;
• Amazon (AMZN.M): robots de almacenamiento, automatización logística y Zoox;
• Teradyne (TER.M): robots colaborativos y robots móviles;
• AeroVironment (AVAV.M), Kratos (KTOS.M), Ondas (ONDS.M): drones y sistemas no tripulados;
• Palantir (PLTR.M): plataforma de software que conecta datos, decisiones y dispositivos no tripulados;

Entre ellos, Palantir no es un fabricante de robots, sino que se inclina más hacia la plataforma de software que conecta datos, decisiones y dispositivos no tripulados; Uber podría convertirse en la entrada de tráfico para que diferentes flotas de Robotaxi obtengan usuarios, programen pedidos y completen transacciones, ambos pertenecen a direcciones de beneficio indirecto.

Esta es también la parte donde la IA física puede generar la mayor elasticidad; una vez que un robot, Robotaxi o dron entra en producción a gran escala, el mercado rápidamente ajustará sus ingresos y espacio de valoración.

Pero al mismo tiempo, la capa de aplicación es también la más competitiva y la más difícil de realizar.

III. ¿Quién ganará primero: vender palas o construir robots?

Desde la secuencia de realización de la industria, los ingresos y beneficios incrementales que trae la IA física no necesariamente aparecerán primero en los robots humanoides más futuristas.

Más bien, el camino más probable es vender primero plataformas subyacentes, luego entrar en escenarios cerrados; primero resolver tareas estandarizadas, luego desafiar mundos abiertos, en resumen, la certeza de "vender palas" sigue siendo la más alta.

Por lo tanto, si se dice que los mayores beneficiarios de la primera fase de la IA generativa son NVIDIA, el desarrollo temprano de la IA física aún será difícil de evitar a NVIDIA. No importa si al final es Tesla, Amazon o alguna startup de robótica la que gane, todas necesitarán entrenamiento de modelos, pruebas de simulación, inferencia en tiempo real y despliegue en el borde.

La ventaja de NVIDIA no es solo la GPU, sino que está integrando chips, modelos, software de simulación y plataformas de computación en el borde en un sistema de desarrollo completo, lo que también significa que no necesita producir cada robot, solo necesita que cada vez más robots utilicen su capacidad de computación y ecosistema de software.

Desde esta perspectiva, la dirección de beneficio más clara en la primera fase de la IA física podría seguir siendo "vender palas" proporcionando computación, simulación, chips y herramientas de desarrollo; pero "una ruta de beneficio clara" no significa que el precio de las acciones no tenga riesgos, si el mercado ya ha anticipado las expectativas de crecimiento, si el ecosistema de software puede formar ingresos sostenibles, y si los competidores pueden ofrecer alternativas, aún necesita ser observado.

A continuación, las fábricas y almacenes podrían cerrar más rápidamente el ciclo comercial, es decir, los escenarios donde la IA física ingresará primero a los informes financieros probablemente aparecerán en los campos de fabricación, almacenamiento y logística.

Estos escenarios son relativamente cerrados, las rutas y tareas son más estandarizadas, y las empresas pueden calcular más fácilmente el retorno de la inversión: una vez que se invierte un robot, se puede cuantificar directamente cuánto trabajo se puede reducir, cuánta eficiencia se puede mejorar y cuántas pérdidas se pueden reducir.

Amazon ya ha utilizado robots a gran escala en su red de almacenamiento y ha optimizado la programación y rutas entre dispositivos a través de modelos de IA; Universal Robots y MiR de Teradyne cubren respectivamente brazos robóticos colaborativos y robots móviles autónomos, ya han ingresado a entornos de producción reales en fabricación, logística y semiconductores.

La característica común de estas empresas es que no solo muestran qué acciones pueden realizar los robots, sino que ya han comenzado a introducir robots en fábricas y almacenes para resolver problemas de producción reales. En comparación, permitir que los robots ingresen a los hogares para cocinar, limpiar y cuidar ancianos enfrenta entornos más complejos y responsabilidades de seguridad, lo que podría alargar significativamente el ciclo de comercialización.

Finalmente, los robots humanoides sin duda tienen la mayor imaginación de mercado; teóricamente, pueden ingresar a fábricas, almacenes, hospitales y hogares ya diseñados por humanos, utilizando directamente las carreteras, herramientas y mesas de trabajo existentes.

Tesla Optimus se ha convertido en una de las direcciones más seguidas en el mercado de la IA física, pero esto no significa que la comercialización a gran escala ya haya llegado; para los robots humanoides, lo que realmente necesita ser observado no es si los movimientos en la conferencia de lanzamiento son fluidos, sino si el costo por unidad, el tiempo de trabajo continuo y el valor que crea pueden cubrir los costos de adquisición y mantenimiento.

En comparación, los Robotaxi ya están en una posición más avanzada. Los automóviles autónomos son esencialmente "IA física sobre ruedas"; los vehículos perciben el entorno a través de cámaras, radares y LiDAR, el modelo hace juicios y luego el automóvil completa la acción real.

Tesla, Waymo y Zoox representan respectivamente la integración de hardware y software del vehículo, el sistema de conducción autónoma y la ruta de Robotaxi dedicada; Uber intenta convertirse en la entrada de conexión entre diferentes flotas de conducción autónoma y pasajeros; Waymo ha comenzado a promover la operación completamente autónoma del sexto sistema de conducción autónoma, y su último modelo equipado con este sistema ha completado más de 20 millones de viajes completamente autónomos, lo que indica que Robotaxi está claramente por delante en la validación comercial en comparación con los robots humanoides generales.

Además, los drones y los robots de defensa son más fáciles de obtener validación de pedidos. Después de todo, los clientes de defensa tienen una demanda más clara de sistemas autónomos de bajo costo y equipos anti-drones, como AeroVironment y Kratos, cuyas operaciones de sistemas autónomos y no tripulados ya han mostrado crecimiento en ingresos y pedidos; Ondas también ha estado obteniendo continuamente pedidos para sistemas de defensa autónomos, drones de patrulla y sistemas de defensa autónoma.

Sin embargo, estas pequeñas empresas suelen estar acompañadas de una mayor concentración de proyectos, riesgos de financiamiento y ejecución.

Por lo tanto, para juzgar si una empresa de IA física merece un seguimiento continuo, aún se debe volver a tres preguntas:

• ¿Es un enlace central en la cadena industrial que es difícil de reemplazar?
• ¿Tiene clientes reales, pedidos y escenarios de aplicación?
• ¿Puede el progreso tecnológico reflejarse finalmente en ingresos, beneficios y flujo de caja?

Para concluir

La IA física no se materializará de la noche a la mañana.

Desde la perspectiva de las reglas de la industria, es más probable que avance a lo largo de un camino que va de la certeza a la alta elasticidad: primero la computación, la simulación y las plataformas en el borde, luego almacenes, fábricas y robots especializados, y finalmente Robotaxi, drones y robots humanoides generales.

Y lo que realmente determinará cuán lejos puede llegar esta línea principal no son cuántas acciones completan los robots en las conferencias de lanzamiento, sino si pueden ingresar a fábricas, almacenes, carreteras y negocios reales, y crear un valor que pueda ser verificado por informes financieros.

Cuando esto suceda, la IA se habrá trasladado verdaderamente de la pantalla a la realidad.