IA Física: cuando la inteligencia artificial sale de la pantalla

Berlín, 21 de octubre: la IA quiere un cuerpo

Durante años hemos conocido a la inteligencia artificial a través de una pantalla: un chat que responde, una imagen que se genera, un texto que se resume. El 21 de octubre de 2026, en el Tempodrom de Berlín, Jensen Huang, fundador y CEO de NVIDIA, dedicó una parte central de su keynote de GTC Berlín a una idea que cambia ese marco: la IA Física.

El evento reunió más de 100 sesiones sobre IA agéntica, robótica, modelos abiertos, computación acelerada e IA Física, según el blog oficial de NVIDIA. Y cuando Huang llegó a este tema, lo presentó sin rodeos:

«Esa es realmente la próxima ola de la IA». — Jensen Huang, durante su keynote en GTC Berlín 2026

En este artículo te explico qué es la IA Física, cómo se construye, dónde ya se está usando y por qué en OUTSIDE la estamos siguiendo de cerca.

¿Qué es la IA Física?

La IA Física es inteligencia artificial que percibe el mundo real, razona sobre él y actúa dentro de él. Como explica Turing Post en un análisis publicado en Hugging Face, se trata de sistemas equipados con sensores para percibir su entorno y actuadores para interactuar con él y modificarlo. Robots, vehículos autónomos y máquinas industriales inteligentes son sus ejemplos más visibles.

El concepto no nació en Berlín. NVIDIA lo puso en el centro de su discurso en CES 2025, en enero de ese año. Según reportó IoT World Today, Huang trazó entonces una línea evolutiva: primero vino la IA de percepción, capaz de entender imágenes, palabras y sonidos; luego la IA generativa, que crea texto, imágenes y sonido; y ahora llega la era de la IA Física:

«IA que puede percibir, razonar, planificar y actuar». — Jensen Huang, CES 2025

La diferencia con la IA generativa se entiende mejor en cuatro aspectos. La IA generativa recibe texto, imágenes o audio; la IA Física recibe datos de sensores como cámaras, radares, lidar u ondas de radio. La primera produce contenido digital; la segunda, acciones en el mundo real: moverse, agarrar, ajustar. Una necesita entender el lenguaje y los patrones visuales; la otra, la gravedad, la fricción, el espacio y la relación entre causa y efecto.

Y luego está el costo de equivocarse. Cuando una IA generativa falla, el resultado es una respuesta equivocada. Cuando falla una IA Física, puede haber un golpe, una caída o un riesgo para las personas. Por eso construirla es mucho más difícil que construir un chatbot.

El gran reto: los datos del mundo real

Un modelo de lenguaje aprende leyendo enormes cantidades de texto. Un robot no puede aprender a caminar leyendo. Necesita experiencia física, y conseguirla en el mundo real es riesgoso, caro y lento. Por eso la IA Física se había quedado atrás frente a otras áreas de la inteligencia artificial.

La respuesta de la industria son los modelos fundacionales del mundo, conocidos en inglés como world foundation models o WFM. Son modelos entrenados para predecir cómo cambia un entorno físico: si ven una pelota rodando y alguien la empuja, predicen hacia dónde se moverá. En la práctica funcionan como una réplica digital del mundo donde la IA puede practicar sin romper nada.

NVIDIA presentó su plataforma de este tipo, Cosmos, en enero de 2025. Así lo explicó Huang, en palabras recogidas por R&D World:

«Imaginen un modelo de lenguaje que, en lugar de procesar texto, procesa su entorno». — Jensen Huang, enero de 2025

Para lograrlo, el modelo debe entender la gravedad, la fricción, las relaciones espaciales, la causa y el efecto, y que un objeto sigue existiendo aunque salga de la vista. Cosmos se entrenó con material proveniente de unos 20 millones de horas de video. En Berlín, NVIDIA lo volvió a presentar entre sus modelos abiertos, junto a GR00T para robots humanoides y Alpamayo para vehículos autónomos.

Un dato honesto: los propios análisis técnicos reconocen que estos simuladores todavía fallan. Objetos que desaparecen o se deforman y movimientos que ignoran la gravedad son errores documentados.

Cómo se construye: tres computadoras

NVIDIA resume la receta de la IA Física en tres computadoras, cada una con un papel distinto. Huang ya la había planteado en CES 2025 para los vehículos autónomos, y en Berlín la extendió a todo tipo de robots:

1. Entrenar. Una supercomputadora en la nube o en un centro de datos entrena el modelo de IA.
2. Practicar en un gemelo digital. El modelo aprende sus habilidades dentro de una simulación del mundo real (en el caso de NVIDIA, Omniverse), donde puede fallar miles de veces sin consecuencias.
3. Ejecutar en el mundo real. El conocimiento validado se instala en la computadora del propio robot o vehículo, que además integra los sistemas de seguridad.

El mejor ejemplo de Berlín fue el Microduck, un pequeño robot de Hugging Face. Según el blog oficial de NVIDIA, un agente de IA diseñó una pista de obstáculos, simuló el robot en Isaac Sim, envió el entrenamiento a la nube y evaluó lo aprendido en una computadora RTX Spark antes de pasarlo al robot físico. Al final, cuatro Microducks subieron al escenario a sentarse, pararse y hasta "tomar una siesta" cuando Huang se los pidió.

Dónde ya se está aplicando

La IA Física no es solo robots humanoides. En Berlín, NVIDIA mostró cuatro frentes donde ya trabaja con socios concretos, todos confirmados en su blog oficial del keynote.

Telecomunicaciones. Una antena celular también puede ser IA Física: percibe su entorno mediante ondas de radio y actúa dirigiendo la señal hacia cada usuario, una técnica conocida como beamforming. Tras casi ocho años de trabajo, NVIDIA hizo su primera llamada comercial en la red de T-Mobile junto con Nokia.

Radioterapia adaptativa. Con imágenes y sensores en tiempo real, el sistema ajusta el haz de radiación mientras el paciente se mueve. NVIDIA lo desarrolla junto con Siemens Healthineers.

Vehículos autónomos. Cámaras, radares y lidar permiten que el vehículo conduzca y frene por sí mismo. Volvo Cars adoptará la plataforma Hyperion de NVIDIA, y Volkswagen, JLR, Volvo y Mercedes-Benz tendrán vehículos compatibles.

Robots humanoides. Con visión y sensores en todo el cuerpo, se mueven y manipulan objetos. El más reciente es el Agile ONE SN, un humanoide de referencia con 31 grados de libertad, previsto para el próximo año.

El caso médico es quizá el más ilustrativo, porque muestra que la IA Física no siempre camina o maneja. Huang lo describió así:

«El tumor está cambiando de forma. El cuerpo cambia mientras estás en terapia». — Jensen Huang, GTC Berlín 2026

El sistema debe percibir esos cambios, ubicar el tumor con precisión y redirigir la radiación en consecuencia.

Sobre los humanoides, el argumento de NVIDIA es de estandarización: celulares y computadoras avanzaron rápido porque una configuración común generó volumen, y el volumen aceleró la mejora. Para Huang, la forma humana no es perfecta para todo, pero sirve para muchas tareas en un mundo construido para personas. El Agile ONE SN busca reducir el tiempo de preparación de los investigadores de semanas a días, y empresas como Agility Robotics, Figure, KUKA y NEURA Robotics ya construyen sobre la misma plataforma.

Lo que todavía falta

La IA Física avanza rápido, pero sigue siendo una tecnología en construcción. Según Business Insider, la demo de los Microducks fue encantadora pero no del todo obediente: cuando Huang les pidió "tomar una siesta", uno siguió caminando; después, solo dos parecieron dar la voltereta que se les pidió, y otro se tropezó antes de levantarse.

Es un recordatorio útil. Que un robot aprenda en simulación no garantiza que se comporte igual frente a un público, con otra luz, otro piso y otras distracciones. Esa brecha entre el gemelo digital y el mundo real es justamente el problema que la industria intenta cerrar.

Por qué en OUTSIDE nos interesa la IA Física

En OUTSIDE vemos la IA Física como el punto donde se juntan las tecnologías con las que ya trabajamos: IoT, inteligencia artificial, sistemas agénticos y desarrollo de software y hardware. Si se mira con calma, la receta de la IA Física es la misma que la del IoT, con un paso más: sensores que perciben, un sistema que razona y actuadores que responden. Lo nuevo es que ese sistema ya no solo reporta datos; ahora puede aprender, decidir y actuar.

Por eso esta tecnología conversa con cada una de nuestras divisiones:

• IoT Hub SV. Nuestra comunidad abierta para impulsar el perfil salvadoreño en tecnologías emergentes. La IA Física es la evolución natural del IoT, y queremos que el talento salvadoreño la aprenda, la experimente y la construya, no que solo la consuma.
• OUTSIDE for Health. El caso de la radioterapia adaptativa muestra que la IA Física también llega a la medicina. Nuestra apuesta es que la tecnología libere a los médicos para enfocarse en sus pacientes.
• MORPHOS. Los gemelos digitales que hoy entrenan robots son la misma herramienta que permite simular y optimizar procesos de construcción y desarrollo sostenible.
• Beyond the Box. NVIDIA insiste en que una pequeña empresa podrá enseñarle una tarea a un robot mostrándosela, sin un equipo de robótica. Ese es el tipo de tecnología que queremos acercar a las PYMES y al sector público.

Hay un mensaje sobre este tema que nos parece especialmente relevante para El Salvador. Huang lo resumió en Berlín: para ser parte de la economía de la IA, no basta con consumirla; hay que producirla. La demo del Microduck lo ilustra: un robot pequeño, de una startup pequeña, entrenado en la nube y evaluado en una computadora portátil antes de salir al escenario.

No necesitamos construir humanoides mañana. Pero sí queremos que, cuando la IA Física llegue a nuestras fábricas, hospitales, obras y calles, en El Salvador haya personas y empresas preparadas para diseñarla, adaptarla y ponerla a trabajar. En eso estamos en OUTSIDE.