Por Canuto  

Matter Venture Partners cerró un fondo de USD $450 millones para respaldar empresas de robótica, semiconductores e IA física. Su socio fundador, Haomiao Huang, ve una convergencia de modelos más capaces, computación compacta y necesidad de automatizar, aunque reconoce que la fiabilidad sigue frenando el salto de los robots al hogar y la industria.
***

  • El segundo fondo de Matter creció a USD $450 millones, frente a los USD $300 millones de su primer vehículo, y priorizará startups de tecnología física.
  • Haomiao Huang sostiene que los avances en IA, computación y demanda industrial acercan una nueva etapa para la robótica, pero advierte que los sistemas aún fallan en tareas cotidianas.
  • La tesis también apunta a componentes diseñados para robots y a plataformas versátiles, con posibles usos en fábricas, almacenes y hogares.

Matter apuesta USD $450 millones por la IA física y la nueva generación de robots

El fondo busca empresas capaces de llevar la inteligencia artificial más allá de las pantallas, aunque el sector todavía debe resolver problemas de fiabilidad y componentes.

Matter Venture Partners cerró su segundo fondo con USD $450 millones para invertir en startups de tecnología física, una apuesta que refleja el interés creciente por conectar los avances de inteligencia artificial con máquinas capaces de actuar en el mundo real. La firma de Silicon Valley elevó el tamaño de su nuevo vehículo frente a los USD $300 millones de su primer fondo y planea destinar capital a semiconductores, robótica, IA física, computación cuántica, manufactura avanzada y energía.

Haomiao Huang, socio fundador de Matter, explicó que la firma ve en los robots la posibilidad de llevar al entorno físico parte de la capacidad que los agentes de IA ya exhiben en tareas digitales. En una conversación publicada por Forbes y distribuida por Yahoo Finance, argumentó que los modelos pueden ayudar a mejorar la vida cotidiana y asumir labores que las personas no quieren o no pueden realizar, aunque reconoció que todavía hay una distancia considerable entre esa visión y el desempeño actual de las máquinas.

Un fondo que apunta a la infraestructura física

La tesis de Matter no se limita a financiar fabricantes de robots: también contempla la infraestructura necesaria para que la inteligencia artificial funcione. Huang sostiene que los chips, los centros de datos y las fábricas de semiconductores pueden convertirse en puntos de estrangulamiento, por lo que el hardware es relevante tanto para abastecer los sistemas de IA como para habilitar aplicaciones en la industria y los hogares.

La composición de los socios limitados refleja esa conexión con la cadena de suministro tecnológica. Entre ellos figuran ASML, TSMC, Quanta Computer, Resonac, Nitto Denko, Sojitz, el Development Bank of Japan y Kleiner Perkins, una combinación que reúne empresas industriales y financieras vinculadas con distintos eslabones de la fabricación de chips y la inversión en tecnología.

El tamaño del segundo fondo supera en USD $150 millones al primero, según las cifras divulgadas por la firma, y muestra que Matter busca ampliar su capacidad para respaldar compañías de hardware en etapas tempranas. Sin embargo, el capital por sí solo no resuelve la dificultad central: convertir diseños digitales en productos físicos que funcionen de manera consistente, puedan fabricarse a escala y respondan ante situaciones que sus creadores no anticiparon.

Huang llegó a esta apuesta desde la ingeniería: obtuvo un doctorado en Stanford mientras trabajaba en algunos de los primeros drones cuadricópteros controlables. Esa experiencia ayuda a explicar por qué compara la brecha entre software y objetos tangibles con la falta de una fábrica equivalente a TSMC que pueda reproducir con precisión, una y otra vez, lo diseñado en un entorno digital.

El desafío de fabricar en el mundo real

En el diseño de chips, gran parte del trabajo puede realizarse mediante software y verificarse con simulaciones antes de enviar el diseño a fabricación. Huang usa esa práctica para plantear una comparación: una empresa no esperaría diseñar un cohete exclusivamente en una computadora, lanzarlo una sola vez y confiar en que todo funcione, del mismo modo que un mueble no se vuelve reproducible solo porque exista un modelo digital.

Los modelos de IA y las simulaciones permiten diseñar y probar una variedad creciente de productos antes de construirlos, pero la conversión de esos diseños en objetos reales sigue siendo difícil. Para Huang, una especie de fábrica capaz de replicar de manera fiable lo que se crea en el entorno digital todavía no existe en el mundo físico; la robótica y la IA física podrían ayudar a construir ese puente, aunque la propuesta continúa siendo una meta y no una capacidad disponible de forma generalizada.

La visión de Matter es que los agentes de IA puedan pasar de ejecutar encargos dentro del software a completar tareas con objetos y espacios reales. En una vivienda, eso podría implicar aspirar, limpiar un baño o cocinar; en una operación comercial, descargar un camión, trasladar mercancía y preparar cajas para el envío, siempre que los robots puedan desenvolverse ante cambios de contexto y no solo repetir una rutina controlada.

Ese salto exige que las máquinas resuelvan casos que no siguen el guion previsto, como piezas atascadas en una línea de producción o una pequeña modificación en un proceso. Huang considera que los modelos de IA generalizan mejor que los sistemas tradicionales programados para una secuencia fija, lo que podría reducir la necesidad de reprogramar un robot cada vez que aparece una variación; la capacidad para manejar esas excepciones será decisiva para medir el valor práctico de la tecnología.

Tres factores detrás del renovado interés por la robótica

Huang atribuye el momento actual a la convergencia de tres factores: modelos más capaces, mayor disponibilidad de computación y una demanda creciente de trabajo físico automatizado. Según su planteamiento, los avances de los modelos de lenguaje pueden transferirse al control de robots y ayudarles a interpretar situaciones no previstas, un avance importante frente a máquinas que ejecutan movimientos precisos solo cuando las condiciones permanecen estables.

El segundo factor es la computación que puede instalarse en el propio robot. Huang afirma que hoy es posible colocar en una máquina una capacidad comparable a la de una supercomputadora, aunque todavía resulte costosa, y espera que su precio disminuya mes a mes; contar con procesamiento a bordo podría permitir que los sistemas reaccionen con mayor autonomía en lugar de depender continuamente de instrucciones externas.

El tercer elemento es la demanda de capacidad física para reubicar manufactura y construir centros de datos y plantas de energía que necesita el desarrollo de IA. Huang también apunta al envejecimiento de la fuerza laboral, con Japón como ejemplo, y a la posible escasez de trabajadores para labores manuales en países más ricos; a su juicio, esa combinación puede impulsar la adopción de robots y atraer capital hacia las empresas capaces de responder.

La expectativa no elimina los riesgos de ejecución: que exista una necesidad potencial no significa que los robots disponibles puedan cubrirla a un costo y con una consistencia adecuados. El interés inversionista dependerá de que los modelos, la computación y la demanda se conviertan en productos útiles, un proceso que requiere mejoras en ingeniería y fabricación además de avances en inteligencia artificial.

Humanoides, componentes y límites de fiabilidad

El auge de los humanoides forma parte de ese panorama, con cerca de 400 empresas en todo el mundo trabajando en este tipo de robots, según el recuento citado en el artículo original. Entre las compañías mencionadas figuran UBTech, AgiBot, XPeng, Tesla, Figure, Apptronik y 1X, algunas de las cuales ya aumentan su producción; la cifra describe el tamaño del ecosistema y no implica que todas hayan alcanzado un desempeño comercial equivalente.

Huang propone entender lo humanoide como una capacidad y no como una forma única. En su definición, importan la manipulación fina, la movilidad, la energía y la computación a bordo, además de un cuerpo que pueda operar en espacios diseñados para personas; por eso, las piernas, las ruedas y la altura podrían variar según la tarea, e incluso una estructura de ocho patas podría servir para ciertas aplicaciones.

El socio de Matter compara esa plataforma con una CPU de propósito general: un mismo diseño podría adaptarse a distintas tareas mediante software, en lugar de limitarse a una función industrial concreta. La analogía ayuda a explicar el atractivo de los humanoides, pero también presenta un desafío práctico: una máquina versátil debe demostrar que puede cumplir tareas variadas sin perder precisión, seguridad ni confiabilidad en cada entorno.

La fiabilidad continúa siendo una barrera especialmente visible en el hogar. Huang plantea que un robot con 99% de éxito al guardar platos podría romper uno aproximadamente una vez por semana, una tasa de error que muchas personas no aceptarían de un trabajador doméstico; el ejemplo muestra por qué una demostración convincente no basta y por qué los sistemas deben operar repetidamente sin causar daños ni requerir supervisión constante.

Una oportunidad aún dependiente de piezas prestadas

Para Matter, una de las oportunidades de inversión más importantes podría estar en los componentes, además de los fabricantes de robots. Andrew Kang, director ejecutivo del ETF RoboStrategy, comparte una perspectiva similar sobre ese segmento, aunque también financia a empresas que construyen robots; la tesis parte de que las máquinas actuales suelen integrar piezas concebidas originalmente para otros productos y usos.

Las baterías pueden proceder de líneas diseñadas para portátiles o automóviles, mientras que muchos componentes industriales se crearon para máquinas que repiten un solo movimiento durante años. Huang incluso ha escuchado de un fabricante chino destacado de actuadores que reutilizó una línea de producción concebida originalmente para mesas de mahjong automatizadas, un ejemplo de cómo la industria robótica todavía depende de capacidades desarrolladas para mercados distintos.

Para describir la evolución posible, Huang compara el estado actual de los robots con el camino que llevó de las computadoras centrales a las PC y luego al iPhone. En esa transición, el iPod incorporó discos duros de portátiles y se benefició de baterías de iones de litio y memoria flash, componentes que maduraron a lo largo de varias generaciones antes de que los teléfonos inteligentes pudieran reunirlos en un dispositivo más compacto.

La robótica todavía no ha completado una trayectoria equivalente, aunque algunos fabricantes que integran verticalmente sus operaciones se acercan a ella. Huang describe los humanoides actuales como una versión temprana de los equipos voluminosos que usaban integrantes del club de computación vestible del MIT, antes de que tecnologías de ese tipo pudieran reducirse; su analogía subraya que los robots futuros podrían ser más inteligentes y estar mejor diseñados, pero no establece un calendario garantizado.

Qué podría llegar a fábricas, almacenes y hogares

Huang espera que en cinco años haya robots de propósito general operando a escala en fábricas y almacenes, con diseños más parecidos al Mech de Dexterity que a un humanoide bípedo. La previsión distingue entre la capacidad de realizar diversas tareas y la necesidad de adoptar una apariencia humana: en muchos entornos laborales, una forma distinta podría ser más adecuada si resuelve el trabajo con mayor eficacia.

Para los hogares, el socio fundador imagina algo más parecido a una mascota que resulte útil al menos parte del tiempo. Como padre de dos hijos, dijo que le bastaría con una máquina que recogiera 80% de los juguetes, una expectativa deliberadamente modesta frente a la promesa de un robot doméstico capaz de realizar cualquier tarea; el comentario también ilustra que los primeros productos podrían aportar valor sin alcanzar autonomía completa.

El artículo original también cita una prueba de Figure en 30 hogares, donde los robots entrenados mediante un nuevo programa de datos de trabajadores por encargo tuvieron un rendimiento seis veces mejor en tareas domésticas. La mejora se registró semanas después del inicio del programa, pero ese resultado específico no demuestra que los robots ya puedan desenvolverse de manera fiable en todas las viviendas ni reemplazar a una persona en labores domésticas.

La apuesta de USD $450 millones se dirige, por tanto, a un sector donde conviven ambiciones amplias y limitaciones concretas: los modelos mejoran, la computación se vuelve más accesible y la demanda potencial crece, pero faltan componentes especializados y niveles de fiabilidad apropiados para el uso diario. Para Matter, el capital servirá para respaldar a las empresas que intentan cerrar esa brecha; el éxito dependerá de que conviertan avances parciales en máquinas reproducibles, útiles y seguras.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados