NVIDIA proclama en GTC 2026 el «momento ChatGPT» de los coches autónomos y los robots

En GTC 2026, NVIDIA llevó la conversación sobre physical AI de las demostraciones a un plan de despliegue. La compañía dijo que ha llegado el «momento ChatGPT» para los coches autónomos y mostró cómo pretende escalar la misma pila a robotaxis, robots industriales y gemelos digitales.

Un giro para la industria del automóvil

La tesis central de NVIDIA no puede ser más ambiciosa: la conducción autónoma deja de ser un proyecto de I+D interminable y se convierte en una plataforma comercial. En GTC 2026, la compañía informó de que BYD, Geely, Isuzu y Nissan desarrollan programas L4-ready sobre NVIDIA DRIVE Hyperion, y de que Uber amplía su alianza con NVIDIA para lanzar una flota de robotaxis totalmente controlada por IA en 28 ciudades de cuatro continentes de aquí a 2028. El arranque está previsto en Los Ángeles y el Área de la Bahía de San Francisco en la primera mitad de 2027.

El énfasis no recae solo en la capacidad de cálculo, sino también en la seguridad. NVIDIA promueve Halos OS como arquitectura de seguridad unificada para coches con IA y la vincula con el modelo abierto Alpamayo 1.5, que debe ayudar a los vehículos a resolver escenarios viales raros y complejos. Es un intento de abandonar el esquema anterior, en el que cada equipo resuelve por separado los sensores, la planificación y la validación, para construir en su lugar una pila unificada pensada para la producción en serie.

«La revolución del transporte autónomo ya ha comenzado: es la primera industria robótica de varios billones de dólares», afirmó el director ejecutivo de NVIDIA,

Jensen Huang.

Herramientas para robots

Además del sector del automóvil, NVIDIA amplió la parte robótica de su pila de physical AI. La compañía presentó Cosmos 3 para generar y modelar mundos, Isaac Lab 3.0 para el entrenamiento a gran escala de robots en simulación y GR00T N1.7 como modelo abierto de habilidades robóticas generalistas. En el escenario también anunció un futuro modelo, GR00T N2, que según NVIDIA resuelve tareas nuevas en entornos nuevos con más del doble de éxito que los principales sistemas vision-language-action.

La clave de estos lanzamientos es que NVIDIA ya no vende solo un chip, ni siquiera solo un SDK, sino el camino completo desde el entrenamiento hasta el despliegue. Fabricantes como ABB Robotics, FANUC, KUKA, YASKAWA, Figure, Agility y Boston Dynamics usan Omniverse, Isaac y Jetson para probar primero los robots en gemelos digitales físicamente precisos y luego trasladar los modelos al hardware real. Para la industria, esto reduce el coste de los errores: los experimentos caros salen de la fábrica y pasan a la simulación.

Una apuesta por los datos

Un bloque aparte de anuncios se centra en cómo entrenar physical AI de forma más rápida y barata. NVIDIA presentó el Physical AI Data Factory Blueprint, una arquitectura de referencia abierta que reúne en un solo pipeline la recopilación de datos, la generación sintética, la aumentación y la evaluación de modelos. La lógica es simple: el mundo real ofrece pocos datos, es demasiado caótico y los casos más peligrosos para coches autónomos y robots son precisamente los que se dan raras veces. Por tanto, los datos no solo hay que recopilarlos, sino también producirlos en masa.

Esta capa incluye varios componentes:

• Alpamayo 1.5 para conducción autónoma basada en razonamiento y para escenarios long-tail
• Omniverse NuRec para reconstruir y refinar escenas al entrenar sistemas AV
• Cosmos 3 para generar mundos sintéticos y simular acciones
• Isaac Lab 3.0 y Jetson Thor para pasar del entrenamiento a la ejecución real
• Despliegues en la nube mediante Microsoft Azure y Nebius para escalar la data factory

Esta estrategia explica por qué NVIDIA habla cada vez más de infraestructura y no solo de GPU. Si se impone el enfoque en el que el cómputo se convierte en datos y los datos, en políticas listas para las máquinas, la compañía podrá captar valor en varias capas a la vez: modelos, simulación, orquestación, ordenadores edge y nubes de socios.

Qué significa

NVIDIA intenta afianzarse como proveedor básico de physical AI, como ya hizo en la IA generativa. Si la compañía cumple su plan con Uber, sus socios del automóvil y su pila de robótica, el mercado recibirá no otro escaparate de demos, sino una infraestructura funcional para llevar sistemas autónomos de forma masiva a carreteras, almacenes, fábricas y robótica de servicios.