Nvidia presentó GR00T 2 y nuevas herramientas de simulación para entrenar robots en tareas manuales, desde manipular cables hasta ensamblar objetos. La novedad amplía el horizonte de la compañía más allá de los chips, aunque todavía no se traduce en ingresos robóticos divulgados y llega mientras los márgenes enfrentan presión.
***

• En una prueba con el robot Dexter, GR00T 2 completó al menos una vez 40 de 50 tareas inéditas; tras cinco demostraciones por tarea, Nvidia reportó 95% de éxito promedio en 50 tareas seleccionadas.
• Isaac Lab 3.0 simula objetos blandos y, en la prueba AlphaNIST, entrenó una política para 20 tareas con más de 98% de éxito.
• Nvidia anticipa menores márgenes brutos en el corto plazo, mientras la robótica sigue siendo una apuesta de largo plazo sin ingresos específicos divulgados.

Nvidia lleva la inteligencia artificial a los robots, pero el mercado aún espera resultados

Nvidia presentó nuevos modelos y herramientas para robots capaces de realizar tareas manuales, una expansión de su apuesta por la inteligencia artificial que busca llevar los avances de los centros de datos a fábricas y otros entornos de trabajo. GR00T 2 y la actualización Isaac Lab 3.0 fueron anunciados el 9 de noviembre durante la Conference on Robot Learning, celebrada esa semana en Austin, Texas. La presentación de Nvidia en CoRL incluyó el modelo y las herramientas de simulación, que apuntan a robots más hábiles para manipular objetos.

Para quienes siguen las acciones NVDA, la pregunta es si la robótica puede convertirse en un nuevo motor de crecimiento o si, por ahora, funciona sobre todo como una promesa de largo plazo. La compañía no divulgó ingresos procedentes de ese negocio y, al mismo tiempo, enfrenta presión sobre sus márgenes brutos, pese al fuerte aumento de las ventas de chips para centros de datos.

GR00T 2 apunta a tareas que requieren manos

La robótica ha avanzado durante años en habilidades de locomoción, como caminar, rodar y saltar, pero muchas aplicaciones industriales dependen de una destreza distinta: coordinar manos y herramientas para conectar cables, alinear engranajes o manipular piezas pequeñas. Nvidia presentó GR00T 2 como un modelo de acción de propósito abierto construido sobre su plataforma Cosmos, diseñado para interpretar imágenes de las cámaras del robot y decidir cómo moverlo durante los segundos siguientes.

En una prueba con Dexter, el robot de Nvidia, el modelo afrontó 50 tareas para las que no había recibido entrenamiento previo y completó al menos una vez 40 de ellas. El éxito alcanzó 40% al considerar todos los intentos, y la mayoría de los fallos se debió a pasos que exigían mayor precisión; la diferencia muestra que superar una tarea ocasionalmente no equivale a ejecutarla de forma fiable en cada intento.

El rendimiento mejoró cuando el modelo recibió demostraciones de cada actividad: con una sola, promedió 71% de éxito, y con cinco llegó a 95% en 50 tareas seleccionadas. El documento técnico de Nvidia advierte que las tareas de la prueba se eligieron entre aquellas que el sistema aprende bien, una precisión importante para interpretar las cifras sin asumir que se aplican automáticamente a cualquier labor industrial.

En una evaluación distinta, descrita por RD World, GR00T 2 promedió 68,6% de éxito en siete tareas con manos robóticas diestras. Estos resultados corresponden a pruebas específicas y no demuestran por sí solos que el sistema pueda completar con la misma eficacia cualquier trabajo industrial.

Una de las pruebas consistió en ensamblar un auto de juguete mediante 24 pasos; el sistema también puede aprender a partir de demostraciones humanas y transferir habilidades entre distintos cuerpos robóticos, una capacidad que podría reducir la necesidad de entrenar desde cero cada diseño.

Simulación para entrenar antes de llegar a la fábrica

Antes de que un robot opere en una planta, puede practicar en una réplica virtual del entorno, donde los equipos ajustan sus movimientos sin depender de pruebas físicas constantes. Nvidia sostiene que sus herramientas permiten entrenar miles de robots virtuales en paralelo, y la versión Isaac Lab 3.0 incorpora modelos de objetos blandos, como cables y telas, para acercar la simulación a las dificultades de manipulación del mundo real.

La compañía afirmó que Isaac Lab 3.0 alcanzó hasta 2,5 veces la velocidad de entrenamiento de la versión anterior. La mejora importa porque el tiempo de cómputo y la precisión con que se representan los objetos pueden condicionar cuánto cuesta preparar un sistema robótico; aun así, que una habilidad funcione en una simulación no demuestra por sí solo que el robot vaya a repetirla con la misma eficacia en una fábrica.

Un caso presentado por Nvidia fue AlphaNIST, una prueba en un tablero de ensamblaje con piezas de escala milimétrica. Una sola política aprendió las 20 tareas y superó 98% de éxito durante el entrenamiento, frente a 81% de políticas independientes, mientras utilizó alrededor de 39 veces menos tiempo de GPU; esos resultados comparan el método dentro de la prueba y no constituyen una medida de productividad industrial general.

La empresa también señaló que varias compañías están explorando estas herramientas en contextos concretos. MicroAGI utiliza GR00T 2 para cambiar cables Ethernet con un brazo robótico, Foxconn lo aplica a la automatización de fábricas que producen servidores y Siemens evalúa posibles usos industriales, aunque la información publicada no detalla contratos, volúmenes comerciales ni ingresos asociados a esas iniciativas.

La oportunidad robótica frente al negocio de centros de datos

El nuevo anuncio llega en un momento de crecimiento excepcional para Nvidia, cuya capitalización de mercado superaba los USD $4 billones. En el segundo trimestre fiscal de 2027, terminado el 26 de julio, la compañía reportó ingresos de USD $96.200 millones, un alza de 18% frente al trimestre previo. Las ventas de centros de datos alcanzaron USD $89.000 millones.

Nvidia relacionó esa demanda con las inversiones de los grandes proveedores de servicios en la nube: los cinco principales hiperescaladores podrían destinar USD $800.000 millones a gastos de capital durante 2026 y USD $1,3 billones en 2027. La empresa también sostiene que aumenta el valor de los sistemas que vende por cada gigavatio de capacidad, con una oportunidad de ingresos que Colette Kress, directora financiera, cifró en unos USD $18.000 millones para Hopper y USD $40.000 millones para Vera Rubin.

Kress espera que los ingresos crezcan alrededor de 70% en el año fiscal 2028, aunque reconoció que existen obstáculos relacionados con el suministro. Nvidia informó además que Vera Rubin está en producción a gran escala, según las declaraciones recogidas en el análisis de Barchart, que presentó la robótica como una posible extensión del negocio principal y no como una fuente de ventas que ya compita con los centros de datos.

La compañía también viene impulsando públicamente la robótica humanoide. En GTC Berlín, el 21 de octubre, Jensen Huang la describió como una industria próxima y posiblemente muy grande, y dijo que un robot de referencia llamado Agile ONE llegaría en el primer trimestre del año siguiente; durante el evento también se mostró a Microduck, un robot pequeño que caminó tras aprender habilidades en la nube y mediante un gemelo digital.

Márgenes, financiación y expectativas de los inversores

El crecimiento de ingresos no elimina las presiones sobre la rentabilidad: Nvidia reportó un margen bruto de 75% en el segundo trimestre fiscal y Kress anticipó una reducción a 74% en el tercero, atribuida a los precios de la memoria. La directora financiera espera que el margen toque fondo entre 71% y 72% en el cuarto trimestre y se estabilice entre 72% y 73% durante el año fiscal 2028, un horizonte que los inversores deberán contrastar con la expansión de las ventas.

Otro foco de atención es la inversión de casi USD $50.000 millones de Nvidia en laboratorios de inteligencia artificial de frontera. Kress reconoció que algunos podrían calificar ese esquema como financiación circular y sostuvo que los laboratorios respaldados por el balance de Nvidia podrían impulsar aproximadamente una cuarta parte del negocio del próximo año; la declaración plantea una cuestión sobre la relación entre el financiamiento a clientes y la demanda que luego se refleja en las ventas.

Kress también señaló que las previsiones no incluyen ingresos de computación de centros de datos en China. En cuanto a la robótica, la empresa no comunicó cifras de ingresos en su anuncio ni en la llamada de resultados, de modo que el avance técnico todavía no permite determinar qué contribución económica tendrá; la brecha entre demostraciones prometedoras y una actividad comercial cuantificada sigue siendo central para valorar esta apuesta.

La encuesta de analistas recogida en el artículo de Barchart registraba 52 especialistas que cubrían NVDA: 48 recomendaban compra fuerte, tres compra moderada y uno venta fuerte. El precio objetivo promedio era de USD $327, frente a una cotización de USD $179 en el momento referido por la publicación, mientras la acción aparecía con una variación de -3,12%; esas referencias reflejan una fotografía del mercado y no garantizan rendimientos futuros.

El argumento favorable combina el crecimiento de los centros de datos, la demanda de infraestructura para inteligencia artificial y la posibilidad de que Nvidia venda herramientas para entrenar robots en distintos sectores. La cautela se apoya en la contracción prevista de márgenes, la exposición a inversiones de laboratorios financiados por la propia empresa y la falta de ingresos divulgados para robótica; por ahora, GR00T 2 amplía el horizonte tecnológico de Nvidia, pero no sustituye la necesidad de seguir sus resultados financieros.

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