Durante años la evolución de la tecnología se midió en gigabytes, núcleos y memorias gráficas cada vez más potentes. Para el consumidor, una nueva GPU significaba mejores gráficos, más velocidad y experiencias más inmersivas en videojuegos, diseño o creación de contenido. Sin embargo, en el CES 2026, Nvidia propuso un cambio hacia la próxima gran actualización ya no será solo de hardware, sino de inteligencia.
En su presentación magistral, Jensen Huang, CEO de Nvidia, planteó que la inteligencia artificial está entrando en una etapa comparable al impacto que tuvieron las memorias gráficas modernas en la computación visual. Así como las GPU transformaron la forma en que vemos, jugamos y creamos, la IA física promete cambiar la manera en que las máquinas entienden y se mueven en el mundo real hoy en día la industria nos demostró que ya no se trata únicamente de más potencia, sino de sistemas capaces de razonar, anticipar y actuar con un nivel de “sentido común” que hasta ahora solo existía en los humanos.
A diferencia de la IA generativa o conversacional que procesa lenguaje, texto o imágenes, la IA física debe entender principios básicos que los humanos damos por sentados, como la gravedad, la fricción, la causalidad o la permanencia de los objetos. Este salto, según Nvidia, marcará un antes y un después en la evolución de la tecnología inteligente.
IA física: el reto de enseñar sentido común a las máquinas
Uno de los ejes centrales de la presentación de Jensen Huang fue explicar por qué la IA física representa un desafío tan complejo. El CEO de Nvidia subrayó que conceptos elementales para un niño pequeño siguen siendo desconocidos para la mayoría de los sistemas de inteligencia artificial actuales.
“Lo siguiente es la IA física. Este es un ámbito sobre el que me has visto hablar durante varios años. De hecho, llevamos ocho años trabajando en esto. La pregunta es: ¿cómo pasas de algo inteligente dentro de una computadora que interactúa contigo mediante pantallas y altavoces, a algo que pueda interactuar con el mundo?”, señaló Huang durante su intervención.
El ejecutivo detalló que para lograrlo, las máquinas deben adquirir un entendimiento profundo del entorno físico, esto implica comprender que los objetos no desaparecen cuando no se ven, que una fuerza genera una reacción o que un objeto pesado necesita más tiempo para detenerse que uno ligero.
“Es decir, que entienda el sentido común de cómo funciona el mundo. Permanencia de los objetos: si miro hacia otro lado y luego vuelvo a mirar, ese objeto sigue ahí. Causalidad: si lo empujo, se cae. Entiende la fricción y la gravedad. Entiende la inercia… Estas ideas son sentido común incluso para un niño pequeño, pero para la IA son totalmente desconocidas”, explicó.
Simulación y datos sintéticos: la clave para entrenar la IA del mundo real
Otro punto clave del discurso fue la limitación de los datos reales para entrenar sistemas de IA física. A diferencia del lenguaje o las imágenes, los datos del mundo físico son costosos, lentos de recopilar y prácticamente infinitos en variaciones. Ante este reto, Nvidia apuesta de forma decidida por la simulación y los datos sintéticos.
Huang destacó que una IA no puede saber si está actuando correctamente si no es capaz de simular las consecuencias de sus acciones. “¿Cómo sabe una IA que las acciones que realiza son correctas si no puede simular la respuesta del mundo físico? La respuesta de sus acciones es crucial para simular. Si no, no hay forma de evaluarlo”, afirmó.
Bajo esta lógica, Nvidia presentó NVIDIA Cosmos, un modelo fundacional de mundo abierto diseñado específicamente para IA física. Cosmos fue preentrenado con videos a escala de internet, datos reales de conducción, información de robótica y simulación 3D, con el objetivo de ofrecer una representación unificada del mundo físico.
Según Huang, Cosmos es capaz de alinear lenguaje, imágenes, entornos 3D y acciones, lo que permite a la IA generar, razonar y predecir trayectorias dentro de escenarios complejos.
El “momento ChatGPT” de la robótica está cada vez más cerca
Jensen Huang afirmó que el sector de la robótica está a punto de vivir un punto de inflexión similar al que experimentó la IA generativa con la llegada de ChatGPT. Sin embargo, aclaró que el camino es más desafiante, ya que el mundo físico es impredecible por naturaleza.
Para acelerar este avance, Nvidia anunció nuevas herramientas y plataformas orientadas a la robótica y los sistemas autónomos. Entre ellas destaca Alpamayo, una familia de modelos y herramientas de código abierto para conducción autónoma, así como Cosmos Reason 2, Jetson T4000 y un marco de simulación abierto que facilita la evaluación segura de IA física antes de su despliegue en entornos reales.
Estas soluciones se integran con plataformas como Isaac Lab Arena, que permite entrenar robots en escenarios virtuales altamente realistas. De esta forma, las máquinas pueden “aprender” en simulación antes de interactuar con personas, vehículos o infraestructura crítica.
Ali Kani, vicepresidente de automoción de Nvidia, enfatizó que esta visión asegurará que la IA física y la robótica terminarán convirtiéndose en el segmento más grande de la electrónica de consumo. Según el directivo, “todo lo que se mueva será, en última instancia, totalmente autónomo, impulsado por IA física”.
Nvidia y la industria tecnológica rumbo a 2026
Para 2026, analistas del sector estiman que el mercado global de robótica e IA física superará los cientos de miles de millones de dólares, impulsado por sectores como manufactura, logística, automotriz, salud y ciudades inteligentes.
Nvidia, que en 2025 se consolidó como una de las empresas más valiosas del mundo, busca posicionarse como el proveedor clave de infraestructura, modelos y plataformas para esta nueva etapa no solo centrándose en hardware, sino en crear un ecosistema completo que combine simulación, software, datos sintéticos y modelos fundacionales.
“Debemos crear un sistema que permita a las IAs aprender el sentido común del mundo físico, aprender sus leyes, pero también aprender de los datos”, afirmó el CEO, enfatizando que la simulación será la base para evaluar y perfeccionar el comportamiento de estas inteligencias.
