La carrera por los robots humanoides sumó un nuevo capítulo con una promesa ambiciosa. 1X prepara el lanzamiento de Neo, un robot doméstico de US$ 20.000 que busca llegar al mercado con autonomía real, actualizaciones remotas y un modelo de inteligencia artificial entrenado con datos propios. El desafío apunta de lleno contra gigantes como Google DeepMind, NVIDIA, Figure, Unitree y una larga lista de compañías chinas que aceleran en el mismo terreno.
La compañía que dirige Bernt Børnich no quiere vender solo una máquina. Su apuesta consiste en desplegar 20.000 robots humanoides ya reservados, obtener datos de su uso cotidiano y usar esa información para entrenar modelos más capaces. En esa lógica, cada unidad de Neo funciona como producto y, al mismo tiempo, como fuente de aprendizaje para la siguiente versión de la IA.
El paso más reciente fue la creación del Laboratorio de Modelos Mundiales de 1X. Para liderarlo, la empresa incorporó a Sam Sinha, investigador fundador de Luma AI, una startup reconocida por sus avances en generación de video. El objetivo del nuevo equipo es acelerar el desarrollo de robots con mayor autonomía, capaces de interpretar órdenes, actuar en casas reales y colaborar con otros equipos.
Para el CEO de 1X, la robótica no puede quedar como una capa menor agregada sobre modelos entrenados con texto, imágenes o videos de internet. El robot necesita aprender con datos que provienen del cuerpo, del movimiento, de la fuerza y de la interacción física con objetos.
Ese punto marca una diferencia con buena parte de la industria. Muchas empresas de robótica humanoide parten de modelos grandes, entrenados con información disponible en la web, y luego los adaptan con demostraciones de robots. Sinha cuestiona esa lógica. Sin embargo, para el ejecutivo, el entrenamiento debe tomar desde el inicio los datos más relevantes para que el robot actúe en el mundo real.
Índice de temas
El dato que vuelve más humano a Neo
La apuesta de 1X parte de una convicción. Si un robot se parece más a una persona, puede aprovechar mejor la enorme cantidad de videos humanos que existen en internet. Ese material sirve para que el modelo entienda gestos, posiciones, trayectorias y formas de resolver tareas. La transferencia hacia el cuerpo mecánico resulta más útil si la distancia física entre humano y robot se reduce.
Por eso Neo utiliza tendones en lugar de engranajes tradicionales y una mano con 22 grados de libertad. La mano no solo debe cerrar o abrir los dedos. También debe calcular presión, fuerza, contacto y delicadeza, como ocurre al tomar una botella sin romperla ni dejarla caer.
Sinha explicó que una cámara no alcanza para registrar ese nivel de detalle. El sistema necesita datos visuales en tiempo real, información propioceptiva sobre la posición de las articulaciones y mediciones de fuerza en las manos. Esa combinación le permite al modelo saber qué ocurrió antes, durante y después de cada acción.
En lugar de depender solo de simulaciones o videos humanos, 1X busca que Neo acumule experiencia directa en espacios reales.
Ese circuito puede convertirse en una ventaja competitiva. Más robots en casas y entornos cotidianos significan más datos. Más datos permiten modelos más precisos. Modelos más precisos habilitan nuevas tareas. Y ese avance puede elevar el valor del producto, acelerar las ventas y multiplicar la información disponible para entrenar la siguiente generación.
Una fábrica que también funciona como laboratorio
1X fabrica Neo en Hayward, California, y controla una parte importante del proceso productivo. Ese control le permite cambiar piezas, ajustar diseños y probar mejoras con rapidez. Børnich asegura que la compañía puede pasar de cambios relevantes en CAD a un robot terminado en apenas cuatro semanas.
La estrategia replica una lógica de software aplicada al hardware. En lugar de producir grandes tandas con pocas modificaciones, 1X trabaja con lotes rápidos, recibe datos del desempeño y corrige el diseño. Esa velocidad resulta vital en una industria donde cada mejora física puede desbloquear nuevas capacidades del modelo de IA.
La competencia aparece por todos lados. Google DeepMind, Physical Intelligence y NVIDIA ya trabajan sobre modelos fundacionales para robots. Figure impulsa Helix. Apptronik colabora con DeepMind. En China, Unitree, UBTech, Agibot y decenas de compañías desarrollan sus propias plataformas humanoides con una escala industrial difícil de igualar.
Børnich reconoce esa presión y sostiene que la única forma de competir contra la escala china es controlar la fabricación y acelerar la iteración. La diferencia de 1X, según la compañía, está en unir un cuerpo parecido al humano, datos de fuerza, información de acción y consecuencia, y un modelo mundial entrenado para actuar, no solo para interpretar imágenes o texto.
El precio de la primera ola
El robot doméstico de US$ 20.000 llegará con una promesa fuerte, aunque la empresa busca moderar las expectativas. La primera etapa estará dirigida a usuarios tempranos, dispuestos a convivir con mejoras graduales durante 2026 y comienzos de 2027.
El CEO planteó que en 2027 Neo pasará de ser útil a convertirse en algo que realmente le gustaría tener. Ese salto dependerá de las actualizaciones de software y de la información que recopilen las primeras unidades. El hardware, según 1X, podrá recibir nuevas capacidades de manera remota a medida que avance la IA.
La promesa central es que el robot comprado en una primera etapa no quede congelado en sus capacidades iniciales. Si el modelo mejora, Neo debería hacer más tareas con el mismo cuerpo. Y si alguna pieza física necesita cambios, Børnich aseguró que la empresa también hará esos ajustes.
La jugada tiene riesgo. Un robot doméstico de US$ 20.000 debe demostrar utilidad real para justificar su precio. Al mismo tiempo, las primeras unidades cumplen una función estratégica. No representan solo ventas. También son nodos de captura de datos en casas, rutinas y situaciones que ningún laboratorio puede recrear por completo.
Los próximos 18 meses pondrán a prueba la tesis de 1X. La compañía deberá demostrar si puede convertir sus robots en una red de aprendizaje permanente y si esa ventaja alcanza para competir contra Google, NVIDIA y toda China en la carrera por la inteligencia artificial general aplicada a cuerpos humanoides.
