Cinco claves de Nvidia en el CES 2026
Huang presentó a la IA como infraestructura básica de la economía digital, comparable con la electricidad o internet, y describió cómo Nvidia busca llevarla desde los centros de datos hasta fábricas, vehículos, robots y dispositivos personales.
En el escenario principal del CES 2026, el director general de Nvidia, Jensen Huang, afirmó que la inteligencia artificial ya no se limita a generar texto, imágenes o código. La nueva frontera —sostuvo— es la IA física, aquella capaz de razonar, percibir y actuar directamente sobre el mundo real.
La keynote más que anunciar chips o mejoras incrementales, Huang presentó a la IA como infraestructura básica de la economía digital, comparable con la electricidad o internet, y describió cómo Nvidia busca llevarla desde los centros de datos hasta fábricas, vehículos, robots y dispositivos personales.
Claves
IA física como nuevo paradigma: la IA deja de ser solo generativa y comienza a actuar sobre el mundo real.
Cosmos y la simulación masiva: entrenar robots y sistemas autónomos en entornos virtuales realistas.
Alpamayo y la explicabilidad: vehículos autónomos que razonan y explican sus decisiones.
Rubin, la próxima arquitectura: más potencia a menor costo para democratizar la IA avanzada.
IA local y agentes físicos: asistentes que operan en tiempo real, más cerca del usuario y menos dependientes de la nube.
De la IA generativa a la IA que actúa
Huang ordenó la evolución de la inteligencia artificial en tres etapas: percepción, generación y IA física. Esta última integra modelos de razonamiento con sensores, simulación y capacidad de acción, permitiendo que máquinas y sistemas autónomos comprendan contextos complejos y respondan en tiempo real.
En la práctica, esta visión se traduce en robots más autónomos, vehículos capaces de explicar sus decisiones y fábricas inteligentes entrenadas en entornos simulados antes de operar en el mundo real. La demostración más clara fue Cosmos, una plataforma de simulación masiva que permite entrenar robots y sistemas autónomos en escenarios hiperrealistas sin depender exclusivamente de datos físicos, acelerando tiempos y reduciendo riesgos.
Alpamayo: razonamiento para la conducción autónoma
Uno de los anuncios clave fue Alpamayo, una familia de modelos orientados a mejorar la toma de decisiones en vehículos autónomos. A diferencia de los sistemas reactivos tradicionales, Alpamayo busca que los autos comprendan el contexto completo: tráfico, peatones, clima y escenarios de riesgo.
El énfasis no está solo en la precisión, sino en la explicabilidad. Según Huang, la capacidad de que un sistema autónomo explique por qué toma una decisión es esencial para generar confianza pública y regulatoria. Nvidia también adelantó que abrirá parte de los datos de entrenamiento, con la intención de fomentar colaboración global en este campo.
Rubin: el hardware que viene después de Blackwell
En hardware, la compañía presentó Rubin, su próxima arquitectura de cómputo, sucesora de Blackwell y bautizada en honor a la astrónoma Vera Rubin. Diseñada para reducir costos y aumentar el rendimiento, Rubin promete tokens de IA a una décima parte del costo actual, ampliando el acceso a capacidades avanzadas de entrenamiento e inferencia.
La apuesta es clara: abaratar y acelerar el desarrollo de modelos para que la innovación no quede restringida a unos cuantos gigantes tecnológicos.
IA local y agentes físicos
La visión de Nvidia también baja al plano personal. Huang mostró un agente de IA ejecutándose de forma local en la computadora de escritorio DGX Spark, integrado con un pequeño robot, Reachy Mini, capaz de interactuar con su entorno en tiempo real. La demostración ilustró cómo los modelos abiertos y la ejecución local pueden convertir a la IA en un asistente físico cercano al usuario, sin depender siempre de la nube.
“Lo que hoy parece trivial habría sido absolutamente inimaginable hace apenas un par de años”, dijo Huang, subrayando la velocidad del cambio tecnológico.
IA como infraestructura económica
Más allá de los anuncios, el mensaje político-económico fue contundente: la próxima etapa de la IA se medirá por su impacto en problemas reales. Nvidia trabaja con industrias como manufactura, energía, transporte y salud para optimizar cadenas de suministro, reducir desperdicios, mejorar diagnósticos médicos y acelerar la investigación científica.
En palabras de Huang, las economías que inviertan temprano en esta infraestructura serán las que lideren la productividad y el crecimiento de la próxima década.
FOTO: YouTube
*Este artículo fue elaborado con ayuda de la inteligencia artificial, curado y editado por periodistas de Simalco.
Leer más
.png)
