Todo el mundo quiere saber cuál será el próximo gran tema.
Tuve la suerte de estar posicionado en el superciclo de la óptica antes que la mayoría, y eso cambió mi vida.
¿Y si pudiéramos encontrar el próximo tema de esa magnitud y posicionarnos temprano?
Creo que podemos.
Y de eso trata este informe.
Después de indagar a fondo en esto, creo que este es el tema.
Así que en este informe voy a exponer el tema, por qué es invertible ahora, dónde es invertible, todas las capas + la cadena de suministro, y cuál es mi plan de aquí en adelante.
Óptica / Fotónica sigue siendo mi tema principal, que cubriré en profundidad en esta página.
Pero hay oportunidades ahí fuera esperándonos.
Y este tema que voy a presentar aquí se convertirá con el tiempo en el segundo universo de cobertura principal en mi Substack.
Todavía estamos a tiempo y podemos posicionarnos.
Analicemos la mejor forma de hacerlo.
IA Física
Gran parte de mi cartera ha estado en Infraestructura de IA durante el último año. Lo cual, obviamente, ha sido genial.
Ahora quiero cada vez más que el dinero nuevo que tengo se gaste en nuevas oportunidades dentro del tema de la IA Física.
Todas las empresas de infraestructura en las que invierto permiten este nuevo tema.
Mi objetivo con este informe es presentar este tema de una manera muy digerible para que todos partamos de una base sólida.
Cuando pienso en IA Física, pienso en el punto en el que las máquinas se vuelven inteligentes.
Así que hablamos de visión, movimiento, reconocimiento, fuerza, seguridad, retroalimentación. Solo por nombrar algunas de las características de algunos productos finales.
El flujo es: ver el mundo (a través de cámaras y/o sensores), entender esa información, decidir qué acciones tienen sentido, generar movimiento o algún tipo de respuesta, y luego verificar qué pasó y ajustar.
El bucle de retroalimentación es una pieza crítica. La máquina tiene que aprender del resultado, y esto es un gran diferenciador de las máquinas «no inteligentes» que solo repiten el mismo movimiento preprogramado.
Mientras lees esta publicación, quiero que tomes notas a medida que avanzas. Cuando leas sobre un área que creas que podría ser invertible, detente y escríbela. Intenta crear una rama de las diferentes formas en que crees que esta capa podría ser invertible. No empresas, solo diferentes formas de monetizar, ya sea con un producto o un servicio. Una vez que termines, continúa leyendo. Repite el proceso.
El Cambio
De la pantalla al mundo real.
Una gran parte del caso de uso de la IA hoy en día se encuentra en la IA Generativa con texto, imagen, código, video, investigación, análisis, etc. Prácticamente todos los que leen esto la han usado, si no es que la usan a diario. ChatGPT, Claude, Gemini, etc.
La siguiente ola que ya estamos viendo es la Agéntica, donde la IA comienza a ejecutar tareas en lugar de solo dar respuestas. Así que un agente puede buscar archivos, actualizar hojas de cálculo, redactar correos electrónicos, trabajar en tu agenda, etc. Pasamos de «responder» a «hacer», pero solo en el ámbito digital.
Luego está la IA Física, donde tienes el control de algo en el mundo real. En lugar de decirle a un operador de máquina qué salió mal, puede ajustar la máquina directamente.
Creo que el ejemplo visual al que la mayoría recurre cuando escucha sobre IA Física es un humanoide. Acabamos de ver a Figure hacer una comparación en vivo lado a lado de un humanoide y un humano clasificando paquetes.
Pero, en mi opinión, esa es una de las formas menos prácticas de IA Física hoy en día. Lo real son los drones, brazos robóticos, tractores autónomos, sistemas de almacén, sistemas quirúrgicos, sistemas de defensa, etc.
La idea más profunda es que la IA se está acercando al trabajo.
Relacionándolo: la IA Generativa ayuda con el conocimiento, la Agéntica ayuda con la oficina/software, y la Física ayuda con… bueno… el trabajo físico. Menos mal que nos lo pusieron fácil.
Entonces, ¿cuál es el TAM aquí? ¿Cuánto dinero hay realmente en la IA Física?
La respuesta es: «Sí».
Todo. Todo.
Vale, pero en serio, la economía física es masiva.
Hablamos de granjas, almacenes, minas, hospitales, sistemas de defensa, redes de transporte, infraestructura energética, construcción. Lo que sea.
Por Qué Esto Es Difícil
Vamos a aterrizar este informe en el realismo.
Cuando aislamos la IA dentro de una pantalla, es mucho más fácil de gestionar. Los errores no son tan críticos. Las correcciones son fáciles. El entorno está relativamente controlado.
Al llegar al mundo real, todo se vuelve complicado.
La colocación de objetos es impredecible. Los humanos somos caóticos (sin ánimo de ofender). Hay factores ambientales como la lluvia y el viento. La luz dentro de un almacén puede variar.
Así que estos sistemas tienen que ENTENDER la incertidumbre. De nuevo, esta es la parte de «inteligencia». Estos sistemas necesitan funcionar incluso cuando los objetos se mueven de forma impredecible, los sensores se ensucian, la iluminación cambia, las personas se cruzan en su camino, etc.
Luego está el aspecto de seguridad. Sí, hay preocupaciones de seguridad con el software, especialmente si dejamos que los agentes campen a sus anchas en una empresa, pero aquí hablamos de seguridad física. El inventario puede dañarse, los humanos pueden lesionarse, el equipo puede romperse.
Así que estos sistemas tienen que ser precisos, fiables, rápidos y seguros al mismo tiempo.
Creo que la precisión, la fiabilidad y la seguridad son sentido común.
La rapidez puede sorprender a algunos. Pero piénsalo. El ejemplo más claro es la conducción autónoma. Si un humano se cruza delante de un coche de forma impredecible, tiene que reaccionar casi al instante para evitar una catástrofe. Debe haber una latencia mínima. Aquí es donde entra la IA en el Edge, ya que no puedes esperar a un servidor en la nube en esos tiempos de respuesta.
Luego está la coordinación entre partes. El cerebro solo no es suficiente. Necesitamos sensores para ver, chips para procesar información, software para tomar decisiones, motores para moverse, sistemas de energía para entregar potencia, sistemas de control para mantener la precisión y sistemas de seguridad para evitar malos resultados.
Suena a cadena de suministro… ¿verdad?
Bien. Bien.
Así que cuando vemos demostraciones, el despliegue real podría verse muy diferente y estar más lejos. Una cosa es que una máquina funcione de forma aislada. Otra muy diferente es que esté desplegada todos los días en entornos reales. Así que, además de todo lo que acabamos de decir que estas máquinas deben poder hacer, también deben ser duraderas y perdurar.
Si todo esto suena como una hazaña importante… bien.
Lo es.
Y ahí es donde reside la oportunidad.
Porque las empresas que PUEDEN hacerlo. Y PUEDEN escalar. Están posicionadas para ganar dinero de verdad.
El Bucle Central
Prácticamente todos los sistemas de los que hablamos aquí tienen que pasar por un ciclo similar.
1 - Ver el mundo
2 - Entender lo que está pasando
3 - Decidir qué hacer
4 - Verificar los resultados
5 - Mejorar
Tomemos un ejemplo práctico.
Un robot de almacén.
Primero tiene que ver el pasillo. Puede usar cámara, lidar, sensores de profundidad u otros sensores para entender dónde están los estantes, dónde están las cajas y dónde se mueven otros robots o personas.
Luego necesita tomar eso y entenderlo. Necesita entender que un objeto es una caja, otro es un humano, etc. Necesita entender distancia, velocidad, dirección y riesgo.
Luego viene la decisión. ¿Debería seguir moviéndose? ¿Reducir la velocidad? ¿Girar a la izquierda? Aquí es donde la percepción comienza a convertirse en acción.
El siguiente paso es el movimiento. Los motores giran, los brazos robóticos se ajustan, el gripper se cierra. Sea lo que sea. Ahora estamos en lo físico.
Luego verifica el resultado. ¿Llegó al estante correcto? ¿Agarró el objeto correcto? Este es un paso crucial porque el mundo real es impredecible.
Por último, mejora. Usa la retroalimentación de lo que sucedió para tomar una mejor decisión la próxima vez. Así es básicamente como funcionamos los humanos también. Quizás aprende que un objeto determinado es más difícil de agarrar o que cierta ruta se congestiona a cierta hora.
Este bucle de retroalimentación es lo que diferencia la IA Física de la automatización básica. La automatización antigua es un conjunto de instrucciones fijas. La IA Física se adapta, observa, reacciona y ajusta.
Todos estos pasos son la razón por la que la pila invertible es tan grande. Hablamos de sensores, chips, software, motores, energía, controles, sistemas de seguridad, datos. Un cuerpo robótico solo es inútil sin el bucle.
La Pila Invertible
Ahora podemos pasar a aspectos más específicos sobre lo que contiene cada capa.
Todavía no nos adentramos en empresas. Necesitamos sentar las bases.
Me gusta la idea de comparar la IA Física con una persona. No en el aspecto humanoide/estético, sino en las funciones y los sentidos.
Los humanos necesitan un cerebro, ojos, músculos, nervios, energía, equilibrio, memoria y práctica. Un sistema de IA Física necesita la versión mecánica de todas esas cosas de una forma u otra.
El robot/máquina literal que ves es solo una parte del sistema. Lo que hay detrás de la máquina es mucho más grande y profundo. Y ahí es donde realmente reside la exposición a empresas públicas.
Incluso antes de que comience la pila, tenemos el entrenamiento. Antes de que una máquina pueda trabajar en el mundo real, la IA tiene que aprender. Así que necesitamos datos, modelos, ejemplos de cómo se ven las acciones correctas. Puede entrenarse con datos del mundo real, datos sintéticos, datos de simulación o demostraciones humanas. Es como un nuevo empleado que aprende a hacer un trabajo antes de empezar.
Luego viene la simulación. Aquí es donde la máquina practica en un mundo virtual. Así que un robot de almacén puede practicar moviéndose por pasillos digitales. Un dron puede practicar volando por un campo de batalla digital, etc. Esto es importante porque la práctica en el mundo real es cara, más lenta y a veces arriesgada.
Luego viene la percepción.
Para leer el resto de este informe, haz clic aquí:
Ahí profundizo en el resto de las capas invertibles, hacia dónde veo que se dirige este tema y cómo será mi proceso.
Junto con Óptica, la IA Física es ahora el segundo tema principal que cubro en profundidad.
Construcción completa de cartera
Desglose de todas las capas
Presentación de empresas específicas
Cobertura de resultados, etc.
