Estoy emocionado, no lo voy a ocultar, hablemos de que hay momentos en tecnología donde uno siente que está viendo una demo bonita, y hay otros donde se empieza a sospechar que lo que está uno viendo puede llevarnos a un panorama desolador tipo Terminator 2, o que en terminos menos fatalistas, SÍ puede cambiar la forma en la que funcionan fábricas, hospitales, aeropuertos, tiendas, almacenes y ciudades completas. La robótica con IA está entrando en esa segunda categoría. No porque mañana vayamos a tener humanoides en la milicia o sirviendo café en cada esquina de Latinoamérica, sino porque la idea de máquinas que perciben, razonan y actúan ya dejó de sentirse como presentación futurista y empieza a verse como una plataforma real.
En una de las sesiones de Advancing AI 2026, AMD planteó que la siguiente gran ola después de la IA generativa será la Physical AI, es decir, llevar la inteligencia artificial al mundo físico, donde convive con humanos, objetos, sensores, movimiento, riesgos, latencia y consecuencias reales. La diferencia es enorme: en un chatbot, una mala respuesta puede ser molesta; en robótica, una mala decisión puede mover un brazo mecánico, detener una línea de producción, abrir una válvula, mover una carga o fallar en un entorno donde hay personas cerca, aquí es donde AMD ya presenta esta apuesta bajo la familia Kria AI Solutions, con la idea de extender sus capacidades históricas en cómputo adaptable, FPGAs y sistemas embebidos desde el “cuerpo” del robot hacia el “cerebro” del robot. Oficialmente, AMD describe Kria AI como una solución para la siguiente era de robótica autónoma, combinando control en tiempo real por CPU, inferencia rápida por GPU y NPU, memoria unificada y módulos listos para producción.
Qué está cambiando con Physical AI
| Antes | Ahora |
|---|---|
| Automatización determinística | Sistemas que perciben, razonan y actúan |
| Robots programados para tareas fijas | Robots capaces de adaptarse al entorno |
| Sensores como entrada simple | Sensor fusion como base de percepción |
| PLCs y control rígido | Control en tiempo real combinado con IA |
| IA encerrada en pantalla o nube | IA operando en máquinas físicas |
| Demos robóticas aisladas | Plataformas abiertas para pasar a producción |
| Hardware separado por piezas | CPU, GPU, NPU, FPGA y software trabajando juntos |
La parte que más asombra no es ver un robot en una exposición. Eso ya lo hemos visto muchas veces. Lo interesante es que AMD está intentando construir el ecosistema completo que permite que ese robot pase de “demo de booth” a producto desplegable. En la sesión se habló de brazos robóticos, robots industriales, robots móviles, humanoides, robot dogs y máquinas autónomas, pero el mensaje de fondo fue más amplio: Physical AI no es un robot con cara simpática, es cualquier sistema capaz de sentir, percibir, decidir y actuar en el mundo real, ese flujo tiene tres etapas. Primero, sense: sensores, cámaras, LiDAR, redes determinísticas, adquisición de imagen, entradas industriales y fusión de datos. Después, perceive / reason: interpretar el entorno, reconocer objetos, entender movimiento, planear acciones y ejecutar modelos de IA. Finalmente, act: mover motores, servos, actuadores, válvulas o brazos, siempre bajo requisitos de seguridad, latencia y control. En una computadora normal, un retraso puede ser molesto; en un robot industrial, un retraso puede ser peligroso.
Por eso AMD insiste tanto en el cómputo heterogéneo. La robótica moderna no se resuelve con una sola pieza. Necesita CPU para control y orquestación, GPU para percepción y razonamiento, NPU para inferencia eficiente de baja latencia, FPGA para sensor fusion y tareas determinísticas, y software capaz de unir todo sin convertir el proyecto en una pesadilla de integración. En la página oficial de Kria AI, AMD lista el SOM con Ryzen AI Embedded X100, formato COM-HPC, CPU para orquestación agéntica y control en tiempo real, GPU para percepción y razonamiento, NPU para IA de baja latencia y memoria unificada.
Aquí es donde uno entiende por qué AMD habla de “robot brain”. Un robot no necesita solamente músculo; necesita percepción, memoria, decisión, control, seguridad y contexto. El “cerebro” no es una IA generativa montada encima de una máquina vieja. Es una arquitectura donde el modelo de IA tiene que convivir con sistemas de control que no pueden fallar.
AMD Kria AI como “cerebro” del robot
| Bloque | Función en robótica | Lectura DD |
|---|---|---|
| CPU Zen 5 | Control, coordinación, lógica general y agentes | El robot necesita cerebro general, no solo aceleración |
| GPU RDNA 3.5 | Percepción, razonamiento visual e inferencia paralela | Ver y entender el entorno cuesta cómputo |
| NPU XDNA 2 | Inferencia eficiente y de baja latencia | Ideal para IA siempre activa |
| FPGA / carrier card | Sensor fusion, entradas industriales y control determinístico | La parte que une mundo físico con cómputo |
| Memoria unificada | Reduce copias entre CPU, GPU y NPU | Menos movimiento de datos, más eficiencia |
| ROS 2 | Middleware robótico estándar | Base práctica para desarrolladores |
| ROCm | Stack abierto de aceleración AMD | La apuesta contra lock-in propietario |
| COM-HPC | Formato abierto para el SOM | Facilita integración por socios y ODMs |
La pieza central del anuncio es la AMD Kria AI Robotics Developer Platform, que AMD presenta como una plataforma abierta e integrada para robótica autónoma. Según AMD, la plataforma cubre desde robots de fábrica y AMRs hasta manipuladores móviles y humanoides, y busca llevar diseños de concepto a prototipo en días. Combina un Kria AI SOM con una carrier card con FPGA e interfaces de sensores y comunicación, además de la AMD Robotics Software Suite basada en ROCm y ROS 2.
Eso es importante porque la robótica no muere por falta de ideas; muchas veces muere por integración. Tienes el modelo, pero no el sensor correcto. Tienes el sensor, pero no el middleware. Tienes el robot, pero no el control determinístico. Tienes la demo, pero no el hardware de producción. Tienes el hardware, pero no una ruta de mantenimiento a diez años. Y de pronto el “robot inteligente” se convierte en una mesa llena de cables, drivers y promesas rotas.
AMD intenta atacar justo ese dolor con una plataforma que pueda estar en el escritorio de un desarrollador, pero también escalar hacia módulos productivos mediante ODMs y socios. En la sesión se insistió en que la compañía busca evitar el lock-in, usar estándares abiertos y permitir que los clientes diseñen carrier cards propias, elijan configuraciones distintas de cómputo y tomen referencias de hardware y software para llegar más rápido al mercado.
La parte técnica no es menor. AMD habla de hasta 8,000 decisiones por segundo en control, una cifra basada en un loop de 125 microsegundos con controlador Bosch Rexroth sobre X100 Series, además de razonamiento VLA por debajo de 100 ms en pruebas específicas. También presume hasta 234 agentes concurrentes, y ventajas frente a NVIDIA Jetson Thor en resultados de tiempo real, agentes concurrentes y capacidad de CPU. Pero aquí hay que leer con cuidado: las propias notas de AMD aclaran que varias de estas cifras se basan en benchmarks comisionados o pruebas específicas, por lo que deben validarse en casos reales antes de convertirlas en verdad universal.
Lo que AMD presume y cómo leerlo
| Métrica / punto | Dato AMD | Lectura DD |
|---|---|---|
| Decisiones de control | Hasta 8,000 por segundo | Promesa fuerte para control en tiempo real |
| Latencia de control | 125 microsegundos | Relevante para sistemas determinísticos |
| Agentes concurrentes | Hasta 234 | Apunta a robótica agéntica local |
| Comparativa tiempo real | Hasta 3.4x vs Jetson Thor | Benchmark comisionado por AMD; requiere validación real |
| Capacidad CPU libre | Hasta 1.6x más | Útil para margen de sistema y tareas simultáneas |
| Desarrollo | Concepto a prototipo en días | Atractivo si el stack realmente reduce integración |
| Hardware | SOM + carrier card + FPGA | Ruta más clara de prototipo a producción |
| Software | ROCm + ROS 2 + Robotics Software Suite | La clave será que no duela usarlo |
Lo sorprendente, sin embargo, no es solo la cifra. Es el tipo de problema que se vuelve posible. Un brazo robótico tradicional puede ejecutar un movimiento predefinido aunque algo haya salido mal, a menos que el sistema de seguridad lo detenga. Un sistema con Physical AI puede ver que no tomó la pieza, identificar que el objeto está fuera de posición, detenerse, corregir, llamar una alerta o pasar a otro plan. Eso cambia por completo la conversación en manufactura, logística, retail, inspección, seguridad industrial y servicios.
Y aquí es donde entra la pregunta importante para Latinoamérica: ¿cómo implementamos esto sin quedarnos solo viendo la demo desde lejos? Porque el riesgo para la región es claro. Podemos emocionarnos con humanoides, perros robóticos y brazos autónomos, pero si no hay integradores, talento, sensores, casos de uso, presupuesto, mantenimiento y pilotos bien diseñados, Physical AI se queda como show importado. Bonito para video, inútil para la planta.
La primera respuesta es bajar la ambición al problema correcto. LATAM no debería empezar preguntando “¿cuándo tendremos humanoides?”. Debería preguntar: ¿qué proceso físico me cuesta dinero, tiempo, riesgo o desperdicio? En México puede ser control de calidad en manufactura automotriz, electrónica o alimentos. En Brasil puede ser automatización industrial, logística y agroindustria. En Chile y Perú puede ser minería, inspección y seguridad en entornos remotos. En Colombia puede ser logística, puertos, retail y servicios. En toda la región puede haber casos de visión computacional para merma, seguridad laboral, mantenimiento predictivo, inventarios, inspección visual y automatización de tareas repetitivas.
La segunda respuesta es entender que Physical AI no siempre se verá como un robot humanoide. Muchas veces será una cámara, una caja embebida, sensores industriales, un brazo mecánico más listo, un AMR en almacén, un sistema de inspección, una línea de producción que se detiene antes de romper algo o una tienda que detecta patrones de robo hormiga sin depender de un humano mirando 20 cámaras a la vez. Ese tipo de IA física puede llegar mucho antes que el robot “de película”.
Cómo implementar Physical AI en LATAM sin morir en el demo
| Paso | Qué hacer | Ejemplo práctico |
|---|---|---|
| 1. Elegir dolor real | No empezar por “quiero un robot”, sino por un problema medible | Merma, accidentes, defectos, tiempos muertos |
| 2. Capturar datos | Instalar sensores, cámaras y registro operativo confiable | Video de línea, temperatura, vibración, inventario |
| 3. Prototipar en pequeño | Usar kits o plataformas de desarrollo antes de rediseñar planta | Piloto en una línea, una bodega o una tienda |
| 4. Integrar IT + OT | Unir software, red, seguridad industrial y operación | IA conectada a PLCs, ERP, cámaras y alertas |
| 5. Medir ROI | Validar ahorro, calidad, seguridad o productividad | Menos defectos, menos paros, menos pérdidas |
| 6. Escalar por módulos | Repetir el caso en más líneas o sedes | De una planta piloto a operación nacional |
| 7. Formar talento | Capacitar operadores, ingenieros e integradores | ROS 2, visión, sensores, edge AI, mantenimiento |
| 8. Pensar ciclo de vida | Soporte, refacciones, actualizaciones y seguridad | Robótica industrial no vive de ciclos de un año |
La tercera respuesta es ecosistema. AMD también anunció la AMD Robotics Partner Network, pensada para reunir hardware, software, sensores, middleware, simulación, validación, integradores y fabricantes sobre plataformas AMD. La compañía dice que sus socios pueden construir soluciones para control en tiempo real, sensor fusion, edge AI, visión, middleware robótico y despliegue en AMRs, robots industriales, brazos robóticos, humanoides, robots de servicio y máquinas autónomas.
Para LATAM, esa parte es quizá más importante que el chip. La mayoría de las empresas no tiene un equipo interno capaz de armar un stack de robótica desde cero. Necesitan integradores que hablen tanto con IT como con OT, que entiendan sensores industriales, seguridad, redes, PLCs, ROS 2, modelos de IA, mantenimiento y retorno de inversión. Sin ese canal especializado, el hardware llega, pero no se convierte en solución.
También hay una ventaja interesante para la región: los despliegues embebidos no pueden vivir con ciclos de vida cortos. En industrial, un cliente no quiere rediseñar su robot cada dos años porque cambió la moda del procesador. AMD señala que Ryzen AI Embedded X100 está pensado para sistemas de Physical AI y edge en tiempo real, con CPU x86, gráficos integrados, NPU, memoria unificada y características de ciclo de vida embebido; además, habla de disponibilidad de hasta 10 años y operación 24/7 en rangos industriales de temperatura.
Eso importa muchísimo en LATAM, donde muchas empresas compran menos por moda y más por supervivencia operativa. Si una solución de robótica va a entrar en una planta, bodega o entorno remoto, tiene que durar, tener soporte, poder repararse y no depender de una cadena frágil de componentes imposibles de reemplazar.
La lectura DD es que AMD está tocando una fibra correcta: la IA física no será solo una extensión de la IA generativa. Va a exigir otra disciplina. Aquí importan el firmware, la electricidad, el calor, las cámaras, los sensores, el polvo, la vibración, las normas de seguridad, la red, la latencia, el mantenimiento, la capacitación de operadores y el miedo legítimo de una empresa a detener una línea de producción por una actualización mal probada.
Lo que viene emociona, sí. Ver robots que entienden el entorno, brazos que se adaptan, máquinas que combinan percepción y decisión, y plataformas que prometen pasar de prototipo a producción en días es genuinamente impresionante. Pero en Latinoamérica la conversación debe ser menos “wow, un robot” y más “¿qué problema real vamos a resolver primero?”. Porque si el primer caso de uso no genera valor, el robot se vuelve juguete caro. Si el primer caso de uso reduce merma, evita accidentes, baja tiempos muertos o mejora calidad, entonces Physical AI deja de ser futuro y se convierte en negocio.
AMD Kria AI es de esos anuncios que sí obligan a levantar la ceja, porque apunta a una transición enorme: la IA saliendo de la pantalla y entrando al mundo físico. No estamos hablando solo de prompts, sino de cámaras, motores, sensores, actuadores, fábricas, almacenes y robots que deben actuar con seguridad. Para LATAM, la oportunidad existe, especialmente en manufactura, logística, minería, agro, retail y salud. Pero no se va a implementar por magia ni por comprar una caja de desarrollo. Harán falta integradores, universidades, canales especializados, pilotos pequeños, datos bien capturados y empresas que empiecen por problemas concretos. La robótica que viene puede ser impresionante, pero la región necesita aprender a implementarla antes de que solo seamos espectadores de la siguiente revolución industrial.
Comentarios
Aún no hay comentarios. ¡Sé el primero en comentar!