Physical Intelligence acaba de entrar en la liga de las start-ups que Silicon Valley observa con la sensación de “esto puede ser enorme”. En apenas dos años, la compañía ya está valorada en 5.600 millones de dólares y ha recaudado más de 1.000 millones, cifras que la colocan entre los proyectos más ambiciosos del sector.
Su promesa suena a ciencia ficción envuelta en hype: “ChatGPT, pero para robots”, como lo define su cofundador Sergey Levine, profesor asociado en UC Berkeley. Más allá del eslogan, la empresa busca construir una inteligencia general capaz de trasladarse al mundo físico.
La sede en San Francisco parece casi un chiste interno. Desde la calle, apenas se distingue por un símbolo pi en la puerta, sin recepción ni el clásico logo gigante que grita “unicornios dentro”. Lo relevante no está en el letrero, sino en lo que ocurre dentro: una estructura austera de hormigón, mesas que sirven tanto para comer como para apilar monitores, cables y piezas de robótica.
Durante la visita, varios brazos robóticos repiten tareas domésticas en un bucle constante de ensayo y error. Uno intenta doblar pantalones negros sin terminar de clavar el gesto, otro lucha por darle la vuelta a una camiseta, mientras un tercero pela un calabacín y deposita las virutas en un recipiente aparte.
Lo que parece trivial para una persona se vuelve complejo para un robot, que no “siente” el objeto ni improvisa. Ese calabacín no es una receta: es un test de generalización. La idea es que el modelo aprenda los movimientos esenciales del pelado y pueda transferir ese conocimiento a otros alimentos no vistos, como una manzana o una patata.
Physical Intelligence no intenta automatizar un caso hiperconcreto, sino desarrollar un modelo fundacional generalista para robótica. El trabajo observado forma parte de un ciclo continuo: se recopilan datos en estaciones de robots dentro de la sede y también en entornos reales, como almacenes y hogares.
El objetivo no es quedarse en la demo, sino exponer al robot a fricción, variabilidad y mundo real, donde todo se complica. Tras entrenar una nueva versión, esta se vuelve a desplegar en el laboratorio y se evalúa con tareas específicas como doblar ropa o pelar alimentos.
El enfoque recuerda al ajuste de sistemas tipo LLM: datos, entrenamiento, prueba e iteración, con la diferencia de que aquí el “prompt” se traduce en movimiento y la latencia se paga en golpes contra la mesa.
El hardware está elegido con intención: nada glamuroso ni premium. Cada brazo cuesta alrededor de 3.500 dólares, incluyendo un amplio margen del proveedor, según Levine. La idea no es esconder limitaciones del software con máquinas caras, sino forzar al modelo a ser realmente inteligente.
Levine afirma que, si fabricaran los brazos internamente, el coste de materiales podría bajar por debajo de 1.000 dólares. El mensaje es claro: una buena inteligencia puede compensar un hardware mediocre, algo impensable para muchos roboticistas hace pocos años.
Como parte de esta filosofía, la empresa utiliza cocinas de prueba en el mismo edificio y en otros espacios, siempre con hardware comercial. Incluso cuentan con una máquina de café espresso sofisticada para entrenar a los robots. Los lattes espumados no son un beneficio para el equipo, sino datos.
Aquí aparece una figura clave: Lachy Groom, de 31 años, ex Stripe y uno de esos perfiles que Silicon Valley financia casi por reflejo. Groom fue inversor ángel durante años y apostó temprano por empresas como Figma, Notion, Ramp o Lattice.
Lo relevante no es su currículum, sino su postura. Physical Intelligence ha levantado más de 1.000 millones de dólares sin presentar un calendario claro de rentabilidad. Es algo inusual, y el propio Groom lo reconoce: resulta extraño que los inversores toleren que el CEO no concrete planes de comercialización.
Entre los inversores figuran Khosla Ventures, Sequoia Capital y Thrive Capital. Groom explica que gran parte del gasto se destina a computación, y que con los términos adecuados podrían levantar aún más capital porque “siempre se puede echar más compute al problema”.
El cofundador Quan Vuong (ex Google DeepMind) explica que la estrategia se basa en el aprendizaje cross-embodiment y en fuentes de datos diversas. La idea es que, si aparece una nueva plataforma de hardware, no sea necesario empezar desde cero: se transfiere lo aprendido y se reduce el coste marginal de añadir autonomía.
El concepto de “cualquier plataforma, cualquier tarea” suena bien en una presentación, pero choca con la realidad de un hardware que se rompe, se retrasa y obliga a pensar en seguridad de forma constante. Groom identifica el hardware como el mayor reto, razón por la que la empresa crece con cautela: hoy cuenta con unos 80 empleados y planea ampliarse lo más despacio posible.
Physical Intelligence no corre sola. Existe una carrera real por construir inteligencia robótica general, similar a la que vivieron los LLM como base para aplicaciones especializadas. En ese contexto, Skild AI (fundada en 2023 en Pittsburgh) ha recaudado 1.400 millones de dólares, está valorada en 14.000 millones y asegura haber ingresado 30 millones en pocos meses.
Su enfoque es distinto. Skild presume del despliegue comercial de su sistema “omni-bodied” Skild Brain y critica a competidores al afirmar que muchos “modelos fundacionales” son en realidad visión-lenguaje disfrazado, sin verdadero sentido común físico.
Aquí aparecen dos filosofías claras: Skild cree en el flywheel de datos que genera vender pronto, mientras que Physical Intelligence apuesta por que comercializar demasiado rápido puede limitar la generalidad del sistema.
Al final de la visita, lo simbólico es que los pantalones siguen mal doblados y la camiseta no se ha dado la vuelta, mientras las virutas del calabacín se acumulan correctamente. Todavía no estamos en el escenario de “robot en tu cocina”, aunque algunos casos ya son lo suficientemente buenos para automatización real en sectores concretos, como logística o alimentación, según Vuong.
La gran pregunta permanece abierta: ¿queremos robots en casa?, ¿cómo se certifica la seguridad?, ¿qué ocurre con mascotas, niños, cuchillos o fuego? Tocará esperar para ver si la apuesta por investigación pura bien capitalizada vence a la de vender rápido para aprender rápido. Lo único indiscutible es que el dinero ya ha votado… y ha votado fuerte.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
