Spirit AI cree que la robótica puede acercarse en 2027 a su propio “momento ChatGPT”: un salto en el software capaz de permitir que robots generalistas comprendan instrucciones verbales y ejecuten tareas físicas con mucha menos programación específica. La startup china, valorada en miles de millones y respaldada por inversores tecnológicos e industriales, sostiene que el gran cuello de botella ya no está tanto en conseguir que una máquina camine o manipule objetos, sino en dotarla de un “cerebro” suficientemente general para adaptarse a situaciones nuevas.
La tesis llega después de varios años en los que los humanoides han mejorado de forma espectacular en equilibrio, velocidad y coordinación. Sin embargo, la capacidad de completar tareas útiles de forma autónoma sigue siendo limitada. Un robot puede ejecutar una demostración entrenada con precisión y fracasar cuando cambia la posición de un objeto, aparece una superficie distinta o recibe una instrucción que no ha visto antes. Spirit AI intenta resolver precisamente esa distancia entre laboratorio y mundo real.
El hardware ya impresiona; el software sigue siendo el problema
Los vídeos de robots corriendo, saltando o bailando han creado la impresión de que la robótica generalista está a punto de llegar al mercado masivo. La realidad es más compleja. El movimiento físico puede entrenarse para secuencias concretas, pero una fábrica o una vivienda contienen miles de situaciones no previstas.
Para ser realmente útil, un robot necesita interpretar una orden, comprender el entorno, identificar objetos, planificar movimientos, corregir errores y saber cuándo detenerse. Cada una de esas capacidades exige percepción, razonamiento y control físico.
Spirit AI denomina “Universal Brain” a su enfoque. La empresa intenta desarrollar modelos que puedan trasladarse entre distintos robots y escenarios sin necesidad de programar desde cero cada tarea.
Por qué la compañía habla de un hito comparable a GPT-3
Gao Yang, cofundador y científico jefe de Spirit AI, estima que los modelos de robótica podrían alcanzar hacia mediados de 2027 una fase equivalente a lo que GPT-3 representó para el lenguaje: no una inteligencia perfecta, pero sí un salto suficiente para demostrar capacidades generales y acelerar adopción.
La analogía no implica que los robots se vuelvan autónomos en cualquier situación. El objetivo sería que un sistema pueda recibir instrucciones naturales y completar una gama más amplia de acciones sin un entrenamiento individual para cada una.
Ese avance cambiaría la economía del sector. Hoy, gran parte del coste de desplegar robots está en integración, programación y adaptación. Si el software reduce ese trabajo, el mismo hardware puede utilizarse en más tareas y clientes.
Spirit AI utiliza datos del mundo real en lugar de confiar solo en simulación
Una de las decisiones técnicas más relevantes de la empresa es su apuesta por recopilar grandes cantidades de datos reales. Aproximadamente mil trabajadores participan en la captura de movimientos y tareas mediante dispositivos y sistemas de seguimiento.
El proceso incluye tanto ejecuciones correctas como errores. Spirit AI considera que los fallos contienen información valiosa porque enseñan al modelo qué ocurre cuando una acción sale mal y cómo recuperar el control.
Esta filosofía contrasta con enfoques que dependen fuertemente de simulación. Los entornos virtuales permiten generar datos a gran escala y bajo coste, pero no reproducen perfectamente fricción, deformaciones, objetos blandos o comportamientos impredecibles del mundo físico.
Los “datos sucios” pueden ser una ventaja competitiva
La empresa utiliza la expresión “dirty data” para describir información recogida en condiciones reales, con variabilidad, ruido y errores. Desde una perspectiva tradicional de machine learning, limpiar datos parece deseable. En robótica, demasiada limpieza puede eliminar precisamente la complejidad que el sistema necesita aprender.
Un robot industrial debe funcionar cuando un cable está doblado de manera distinta, una caja llega mal colocada o una persona interrumpe el flujo. Entrenar únicamente con ejemplos perfectos produce modelos frágiles.
La estrategia de Spirit AI consiste en exponer el modelo a distribuciones amplias para mejorar generalización. Si funciona, la calidad y volumen de esos datos pueden convertirse en una barrera difícil de replicar.
CATL sirve como laboratorio industrial real
Spirit AI ya ha desplegado sistemas en líneas de producción de CATL, uno de los mayores fabricantes de baterías del mundo. Allí los robots trabajan con elementos flexibles, como mazos de cables, que históricamente han sido difíciles para automatización rígida.
Según la compañía, algunos sistemas han alcanzado tasas de éxito superiores al 99% en tareas específicas. El dato es importante porque una fábrica exige niveles de fiabilidad muy superiores a una demostración.
Una tasa del 90% puede parecer excelente en un benchmark, pero sería insuficiente si implica que una de cada diez operaciones detiene una línea. La distancia entre investigación y producción se mide precisamente en esos últimos puntos porcentuales.
La colaboración con Bosch amplía la validación
Spirit AI anunció en 2026 una alianza con Bosch para integrar sus modelos con sensores, actuadores y entornos industriales del grupo. El acuerdo busca crear un ciclo entre datos reales, entrenamiento y despliegue.
Para una startup, trabajar con una compañía industrial aporta acceso a escenarios complejos y feedback operativo. Para Bosch, permite evaluar tecnología de inteligencia incorporada sin depender únicamente de desarrollo interno.
Este tipo de colaboración puede acelerar estándares y reducir fragmentación si los modelos consiguen funcionar sobre diferentes plataformas de hardware.
El robot Moz1 demuestra el enfoque comercial
Spirit AI utiliza su propio robot Moz1 como plataforma para validar modelos, aunque la ambición del negocio es más amplia que vender una máquina concreta. La compañía quiere que su software pueda convertirse en una capa común para varios fabricantes.
Ese posicionamiento recuerda a sistemas operativos en informática: el valor puede concentrarse en la plataforma que coordina hardware y aplicaciones.
Si un “cerebro universal” funciona en distintos robots, Spirit AI podría licenciar modelos o servicios sin asumir todo el coste de fabricar cada unidad.
La nueva generación Moz2 amplía el foco hacia servicios
En 2026 la compañía presentó Moz2, orientado a escenarios como retail, hostelería y edificios de oficinas. Este salto fuera de fábrica es relevante porque los entornos comerciales son menos estructurados.
Una línea industrial puede diseñarse alrededor del robot. Una tienda o un hotel contiene personas, objetos cambiantes y tareas con mayor variabilidad. El software necesita interpretar contexto y reaccionar con seguridad.
El éxito en servicios sería una prueba más exigente de generalización que una operación repetitiva en producción.
La robótica china ya no compite solo en hardware barato
China ha construido una cadena de suministro muy competitiva en motores, baterías, sensores, electrónica y fabricación. Esa ventaja redujo el coste de muchos robots y permitió producir prototipos con rapidez.
La siguiente fase busca capturar más valor en software y modelos. Si las empresas chinas dominan también la inteligencia de control, pueden competir en una parte más rentable de la cadena.
BlackHold Capital News analizó recientemente el endurecimiento regulatorio sobre las OPV de robots humanoides en China. Ese contexto obliga a las compañías a demostrar adopción comercial y no limitarse a una narrativa tecnológica.
El sector necesita demostrar que los robots generan retorno
Una fábrica no compra un humanoide porque resulte impresionante. Compara el coste total con salarios, robots industriales tradicionales y otras formas de automatización.
El cálculo incluye precio de compra, mantenimiento, consumo energético, tiempo de parada y vida útil. Si el robot requiere supervisión constante, el retorno se deteriora.
Los modelos generales pueden mejorar esa ecuación porque permiten reutilizar el mismo equipo para varias tareas y reducir costes de programación.
La inteligencia incorporada necesita chips y capacidad de cómputo
Los modelos que controlan robots requieren inferencia rápida y eficiente. Parte del procesamiento puede realizarse en la nube, pero muchas decisiones físicas necesitan latencia mínima y deben ejecutarse localmente.
Eso crea demanda de chips especializados. La expansión del empaquetado avanzado en Asia, abordada por BlackHold Capital News en el proyecto de Taiwán con TSMC como pieza central, forma parte de la infraestructura que sostiene este tipo de IA.
La robótica añade además restricciones de consumo y temperatura. Un robot móvil no puede cargar con servidores enormes; necesita eficiencia.
La batería es otro límite físico
Los humanoides consumen energía para motores, sensores y computación. Aumentar autonomía sin elevar demasiado peso es un reto.
China tiene una ventaja por su liderazgo en fabricación de baterías, pero incluso las mejores celdas actuales obligan a compromisos. Un robot que trabaja horas necesita recarga o intercambio de batería.
En fábricas, ese proceso puede integrarse en turnos. En hogares, el usuario espera una experiencia mucho más sencilla.
Por qué el hogar sigue estando lejos
Spirit AI cree que el despliegue doméstico masivo llegará bastante después que el industrial. Una casa parece simple para una persona, pero contiene una enorme variedad de objetos y comportamientos.
Doblar ropa, recoger una cocina o manipular objetos frágiles exige destreza fina y comprensión contextual. Además, el robot comparte espacio con niños, mascotas y personas que pueden moverse de manera impredecible.
La seguridad necesaria es mucho mayor que en una fábrica aislada mediante barreras.
El control de fuerza será esencial
Un robot humanoide tiene suficiente potencia para causar daños. Spirit AI incorpora sistemas de control de fuerza que limitan movimientos y permiten reaccionar a contacto inesperado.
La seguridad no puede añadirse al final. Debe formar parte del modelo, hardware y protocolos. Un sistema que interpreta mal una instrucción necesita detectar límites físicos antes de ejecutar una acción peligrosa.
Cuanto más autónomos sean los robots, más difícil será verificar cada comportamiento con reglas programadas.
La regulación llegará a medida que aumenten despliegues
Los marcos actuales de maquinaria industrial no fueron diseñados para robots generalistas que aprenden y modifican comportamiento. Reguladores tendrán que definir responsabilidades cuando un sistema autónomo cause daños.
También surgirán cuestiones de privacidad. Un robot doméstico equipado con cámaras y micrófonos puede captar información extremadamente sensible.
Las empresas que construyan seguridad y gobernanza desde el principio pueden obtener ventaja cuando las normas se endurezcan.
Spirit AI ya ha levantado cantidades significativas de capital
En febrero de 2026 la compañía anunció una ronda de 280 millones de dólares para escalar sus modelos y despliegues. Esa financiación se suma a rondas anteriores y coloca a Spirit AI entre las startups mejor capitalizadas del sector.
El dinero se destina a datos, investigación, contratación y fabricación de plataformas de prueba. La recopilación de cientos de miles de horas reales es costosa y requiere una organización operativa grande.
La carrera recuerda a los primeros años de modelos de lenguaje, cuando la escala de datos y cómputo se convirtió en una ventaja central.
La financiación global de IA mantiene la presión competitiva
Las cantidades destinadas a inteligencia artificial son cada vez mayores. Empresas como SoftBank financian inversiones mediante deuda, como mostró la emisión de más de 11.000 millones de dólares vinculada a OpenAI.
La robótica compite por ese mismo capital y talento. Un inversor debe decidir si el próximo gran retorno estará en modelos de lenguaje, chips, energía o sistemas físicos.
La promesa de los robots es atractiva porque amplía el mercado de IA desde tareas digitales a trabajo físico.
El riesgo de una burbuja continúa presente
El entusiasmo puede elevar valoraciones antes de que existan ingresos suficientes. China ya está aplicando más disciplina en las salidas a bolsa del sector.
Spirit AI necesitará demostrar que sus despliegues generan contratos recurrentes y no dependen solo de proyectos piloto o inversión estratégica.
La diferencia entre una empresa de investigación y una compañía rentable aparecerá cuando el mercado mida margen, coste de soporte y repetición de compras.
La productividad industrial es el argumento económico más fuerte
Países con envejecimiento y escasez de trabajadores tienen incentivos claros para automatizar. Un robot capaz de asumir tareas repetitivas puede aumentar producción sin ampliar proporcionalmente plantilla.
La misma lógica aparece en edificios y energía. BlackHold Capital News ha cubierto el uso de IA para reducir consumo energético en edificios. La robótica extiende la automatización desde sistemas digitales a operaciones físicas.
El retorno depende de que el coste total del robot caiga por debajo del valor del trabajo que reemplaza o complementa.
Qué significaría un verdadero “momento ChatGPT”
No bastaría con un vídeo viral. El hito real sería que desarrolladores pudieran dar instrucciones nuevas a un robot y obtener resultados útiles sin reentrenamientos largos.
Ese cambio reduciría drásticamente el coste marginal de añadir tareas. Una misma plataforma podría trabajar en distintas estaciones durante el día.
La adopción podría acelerarse de forma no lineal, igual que ocurrió con aplicaciones de lenguaje cuando los modelos alcanzaron un umbral de utilidad general.
2027 será una prueba, no una fecha garantizada
Las previsiones tecnológicas suelen ser optimistas. Spirit AI puede alcanzar mejoras significativas sin conseguir todavía el nivel de generalización que sugiere la analogía con GPT-3.
La física impone restricciones que no existen en texto. Un error de lenguaje produce una respuesta incorrecta; un error físico puede romper un objeto o lesionar a una persona.
Por eso, cada avance en capacidad tendrá que acompañarse de mayor fiabilidad.
Qué debería observar un inversor
Los benchmarks son útiles, pero los contratos industriales importan más. Crecimiento de despliegues, número de tareas por robot, tasa de fallos y coste de integración serán indicadores clave.
También conviene seguir alianzas con fabricantes de hardware. Si el modelo de Spirit AI empieza a utilizarse en plataformas de terceros, la tesis de “cerebro universal” ganará credibilidad.
La tercera variable será la monetización. Licencias, suscripciones, mantenimiento y servicios pueden producir perfiles de margen muy diferentes.
Una carrera que apenas entra en su fase comercial
La robótica humanoide ya ha demostrado que puede atraer capital y atención. Ahora debe demostrar utilidad económica sostenida.
Spirit AI representa una de las estrategias más interesantes porque apuesta por la inteligencia generalizable en lugar de competir solo en diseño mecánico. Su uso de datos reales, alianzas industriales y financiación elevada le ofrece recursos para intentarlo.
Si 2027 trae un salto comparable al que la empresa anticipa, la conversación dejará de centrarse en qué movimientos puede hacer un robot y pasará a cuánto trabajo útil puede completar sin supervisión.
Fuentes
Las previsiones sobre el avance de los modelos robóticos proceden de la entrevista publicada por Reuters. Los datos sobre financiación, alianzas, producto y estrategia de datos han sido contrastados con la documentación de Spirit AI y su anuncio de la ronda de 280 millones de dólares. Para inversión y tecnología puede consultarse BlackHold Capital, y para crecimiento de startups, BlackHold Startups.
Fotografía: Pavel Danilyuk / Pexels.
