Anthropic y el primer IPO de la Physical AI

La búsqueda de capital de Anthropic llega en un momento en que Unitree , la empresa china que ha convertido a los robots humanoides y cuadrúpedos en protagonistas de la nueva industria tecnológica, ya cotiza en la Bolsa de Shanghái desde el 19 de agosto de 2026. Esa coincidencia plantea una pregunta que va mucho más allá de las valuaciones bursátiles: ¿quién capturará el valor económico cuando la inteligencia artificial deje solamente de generar respuestas y comience a operar máquinas, laboratorios y fábricas? Anthropic , creadora de Claude , presentó un registro confidencial ante la Securities and Exchange Commission (SEC) de Estados Unidos el 1 de junio de 2026, con el objetivo de hacer una oferta pública inicial. La cotización en Nasdaq y el símbolo bursátil aún no han sido confirmados oficialmente. Pero lo verdaderamente interesante no es solamente que Anthropic busque capital en los mercados públicos. Es la dirección hacia la que apunta parte de su estrategia de crecimiento: llevar la inteligencia artificial del universo digital al mundo físico. Y aquí conviene recordar algo que frecuentemente se pierde entre los titulares financieros: no se trata únicamente de alcanzar una valuación espectacular el día del IPO. El verdadero desafío consiste en sostener, justificar y acrecentar el valor de la acción mediante ingresos, productividad y ventajas competitivas duraderas. Una empresa puede deslumbrar a los inversionistas durante su debut bursátil. Otra cosa muy distinta es demostrar, trimestre tras trimestre, que su tecnología genera beneficios económicos reales. Eso es precisamente lo que vuelve tan interesante el encuentro, todavía indirecto, entre Unitree y Anthropic . Una fabrica los fierros, conectados por poderosos motores controlados por electrones inyectados por no menos potentes baterías y planeados por GPUs embebidas. La otra quiere proporcionar una parte de la inteligencia capaz de ponerlos a trabajar. Jensen Huang , fundador y director ejecutivo de NVIDIA , lleva varios años anticipando esta transición. En 2025 presentó una visión de la evolución de la inteligencia artificial: primero sistemas capaces de percibir, después modelos generativos, posteriormente agentes que razonan y utilizan herramientas, y finalmente sistemas capaces de comprender e interactuar con el mundo físico. En su presentación de GTC 2025, NVIDIA sintetizó esa secuencia de manera contundente: la inteligencia artificial agéntica ya está aquí; la inteligencia artificial física es la siguiente etapa. La diferencia es enorme. Una inteligencia artificial generativa puede escribir un procedimiento para calibrar una máquina. Un agente puede consultar manuales, diseñar un plan y ejecutar programas. Pero la Physical AI debe ir mucho más lejos: interpretar sensores, reconocer las condiciones del entorno, anticipar consecuencias físicas y conseguir que un sistema mecánico realice una tarea con seguridad y precisión. En otras palabras, debe enfrentarse ante algo que los modelos de lenguaje (aunque ChatGPT-6 lo intenta todos los días) no pueden resolver únicamente con LLMs: la gravedad, la fricción, la inercia, las tolerancias mecánicas, el desgaste y las perturbaciones del mundo real, como lo que son los impactos y colisiones. NVIDIA ha contribuido a construir esa frontera mediante plataformas de cómputo acelerado, simulación, modelos fundacionales del mundo físico y herramientas como Isaac Sim y Cosmos . Su apuesta consiste en permitir que los robots aprendan, al menos parcialmente, en entornos virtuales antes de enfrentarse a las consecuencias de sus decisiones en una fábrica o una calle. Conviene precisar un dato sobre NVIDIA . El 2 de septiembre de 2026 acordó adquirir Hugging Face por unos 12,930 millones de dólares. La operación todavía no se ha cerrado: se espera que concluya en el primer semestre de 2027, sujeta a aprobaciones regulatorias. Si se concreta, se integraría por diseño, finalmente una parte importante de las herramientas abiertas de modelos y datos que hoy usamos muchos desarrolladores de robótica. Pero entre una simulación impresionante y una instalación industrial rentable existe una distancia considerable. Y esa distancia se llama ingeniería. Durante mi más reciente visita a China tuve oportunidad de observar de cerca el entusiasmo alrededor de Unitree y constatar cómo el avance de la manufactura robótica china resulta extraordinaria: motores, actuadores, reductores, sensores y sistemas mecánicos cada vez más sofisticados se integran en máquinas cuyo costo comienza a hacer imaginable una adopción mucho más amplia. Sin embargo, el verdadero reto ya no consiste solamente en construir un humanoide capaz de caminar, bailar o ejecutar movimientos espectaculares. La pregunta que inevitablemente aparece es: ¿qué trabajo productivo realizará mañana por la mañana y cuánto valor económico generará? Un robot que camina demuestra capacidad tecnológica. Un robot que inspecciona equipos, reduce desperdicios, manipula materiales, automatiza experimentos o incrementa la disponibilidad de una línea de producción demuestra capacidad económica. Ahí es donde Anthropic identifica una oportunidad. Su iniciativa Model Hardware Standard ( MHS ), presentada como una tecnología en vista previa de investigación, propone interfaces estandarizadas para que agentes de inteligencia artificial puedan descubrir, supervisar y operar dispositivos físicos programables, como microscopios, manipuladores de líquidos y brazos robóticos. Entre los socios de la vista previa figuran AWS , Automata , Danaher , Doosan Robotics , MBF Bioscience y QIAGEN . Anthropic planea publicar la especificación como código abierto después de pruebas de seguridad. La ambición es significativa: que una inteligencia artificial pueda coordinar instrumentos de laboratorio, brazos robóticos y equipos industriales sin que cada nueva combinación de máquinas requiera desarrollar desde cero toda su integración. Pero conviene distinguir dos niveles tecnológicos. Una cosa es coordinar dispositivos mediante interfaces de alto nivel y otra, bastante más compleja, es aprender políticas de movimiento, controlar impactos y contactos, resolver manipulaciones diestras o garantizar estabilidad dinámica. Son problemas distintos, aunque profundamente complementarios. Anthropic no necesita resolver inmediatamente toda la robótica humanoide para encontrar un mercado enorme. Le bastaría con conseguir que millones de máquinas existentes pudieran utilizarse de manera más flexible, inteligente y productiva. Esa es una propuesta de valor mucho más concreta que prometer una inteligencia artificial general capaz de hacerlo absolutamente todo. Desde hace décadas, quienes trabajamos en robótica sabemos que la inteligencia de una máquina no reside exclusivamente en sus algoritmos. Un robot es un sistema electromecánico gobernado por ecuaciones diferenciales, restricciones geométricas, fuerzas, torques y fenómenos de contacto. Sus movimientos dependen de modelos cinemáticos y dinámicos que, por sofisticados que sean, nunca representan perfectamente el mundo real. Los gemelos digitales permiten construir representaciones virtuales de estos sistemas. Mediante simulación, modelos de dinámica directa e inversa, identificación de parámetros y aprendizaje por refuerzo, podemos entrenar comportamientos y evaluar escenarios que resultarían demasiado costosos o peligrosos de reproducir físicamente. Los modelos fundacionales del mundo físico amplían estas posibilidades al incorporar aprendizaje a partir de imágenes, videos, sensores y experiencias simuladas. Sin embargo, un modelo entrenado en simulación no equivale automáticamente a una solución industrial. Todavía hay que integrar cámaras, actuadores, controladores, comunicaciones, mecanismos de seguridad, sistemas de supervisión y procedimientos operativos. Hay que resolver latencias, calibraciones, incertidumbres y fallas. Hay que asegurar que las decisiones de alto nivel puedan traducirse en acciones físicamente realizables. Y, sobre todo, hay que demostrar que todo esto reduce costos, incrementa productividad o genera ingresos. Aquí aparece una oportunidad empresarial que considero extraordinaria: la integración de inteligencia artificial con sistemas físicos puede convertirse en uno de los mercados de servicios de ingeniería más importantes de los próximos años. No todas las empresas necesitarán diseñar un humanoide. Muchas necesitarán conectar inteligentemente los equipos que ya tienen. Las ofertas públicas iniciales relacionadas con inteligencia artificial y robótica permiten observar cómo los mercados han ido financiando diferentes eslabones de esta transformación. En 1999, NVIDIA salió a bolsa como una empresa especializada en procesadores gráficos. Pocos, sobre todo los que ya hacíamos animaciones 3D, intuíamos entonces que aquellas arquitecturas de cómputo terminarían convirtiéndose en infraestructura fundamental para entrenar y ejecutar inteligencia artificial. Mobileye , pionera en visión computacional para vehículos, realizó su primera oferta pública en 2014, fue adquirida por Intel en 2017 y regresó a Nasdaq en octubre de 2022. Su trayectoria refleja cómo la percepción artificial comenzó a transformarse en un negocio ligado a sistemas físicos de gran escala. En 2024, Serve Robotics comenzó a cotizar en Nasdaq bajo el símbolo SERV , apostando por robots autónomos de reparto. Su propuesta acercó al mercado bursátil un caso concreto de inteligencia física aplicada a servicios urbanos. En marzo de 2025, CoreWeave debutó en Nasdaq con un precio de colocación de 40 dólares por acción, mostrando el interés del mercado por la infraestructura especializada que necesitan los grandes modelos de inteligencia artificial. El 19 de agosto de 2026, Unitree debutó en la Bolsa de Shanghái con una propuesta centrada en plataformas robóticas, actuadores y manufactura avanzada. Sus acciones subieron con fuerza en la primera sesión y después cayeron cerca de 45% desde su máximo, lo que muestra que el precio bursátil todavía no mide la productividad de sus máquinas. Anthropic , como venimos discutiendo, inició formalmente su proceso de salida a bolsa con un registro confidencial ante la SEC . Vistas en conjunto, estas operaciones cuentan una historia fascinante. Primero, el capital financió los componentes computacionales. Después, los sistemas de percepción y autonomía. Más adelante, la infraestructura masiva para entrenar modelos. Ahora empieza a cobrar protagonismo la conexión entre inteligencia, máquinas y productividad. No todas estas empresas pertenecen al mismo mercado ni compiten directamente. Pero todas participan, desde distintos niveles, en la construcción de una nueva economía —que me disculpe Trump— y que ha sido denominada Inteligencia Artificial Industrial . Y esa evolución obliga a preguntarnos qué empresas capturarán el mayor valor de esta robótica computacional: ¿las que fabrican los procesadores? ¿Las que desarrollan los modelos? ¿Las que construyen los robots? ¿O las que consiguen integrar todos esos componentes en procesos productivos rentables? Durante años, buena parte de la conversación sobre inteligencia artificial ha girado alrededor de la llamada AGI , o inteligencia artificial general: sistemas capaces de desempeñar una amplia variedad de tareas intelectuales con capacidades comparables o superiores a las humanas. La AGI sigue siendo un concepto ambicioso, discutido y difícil de delimitar técnicamente. En contraste, la estrategia de Anthropic para interactuar con dispositivos físicos permite plantear objetivos más concretos y verificables. No hace falta construir una inteligencia universal para conseguir que un agente supervise una máquina de medición, coordine varios brazos robóticos montados en plataformas móviles o automatice una secuencia experimental. Tampoco es indispensable que un robot razone como un ser humano para incrementar la productividad de una línea industrial. Basta, aunque no sea sencillo, con que el sistema interprete correctamente su entorno, ejecute las acciones apropiadas, respete restricciones de seguridad y produzca resultados medibles. Esto no significa que Anthropic —supongo yo— haya abandonado sus aspiraciones relacionadas con sistemas de inteligencia más generales. Significa que sus desarrollos para el mundo físico ofrecen una ruta comercial más inmediata, con aplicaciones que pueden medirse mediante productividad, disponibilidad, calidad y costos. Por supuesto, las promesas también traen riesgos. Un error de un agente que redacta un documento puede corregirse. Un error involuntario de un agente que opera maquinaria industrial puede destruir equipos, contaminar experimentos o provocar accidentes, simplemente si uno de sus sensores deja de funcionar o si algún evento se suscita sin que el robot lo perciba. La seguridad funcional, la trazabilidad, la responsabilidad legal y la supervisión humana serán tan importantes como la capacidad de razonamiento del modelo. Mi impresión es que estamos planteando equivocadamente la competencia si suponemos que necesariamente debe existir un solo ganador. NVIDIA ha construido una posición extraordinaria proporcionando la infraestructura computacional y muchas de las herramientas que hacen posible esta nueva generación tecnológica. Unitree representa el avance de la manufactura robótica: máquinas cada vez más accesibles, con capacidades mecánicas que hace pocos años parecían reservadas a laboratorios especializados. Anthropic intenta llevar parte de la inteligencia de los grandes modelos hacia la coordinación de equipos y procesos físicos. Pero hay un cuarto protagonista, frecuentemente menos visible, que podría capturar una proporción considerable del valor económico: las empresas de ingeniería capaces de convertir estas tecnologías en productividad verificable. Porque un fabricante puede vender un robot, una empresa de modelos puede vender inteligencia y un proveedor de infraestructura puede vender capacidad de cómputo. Sin embargo, alguien tiene que conseguir que todo funcione en una planta, con trabajadores, materiales, tiempos de ciclo, restricciones presupuestales y compromisos de producción. Ese alguien deberá conocer inteligencia artificial, robótica, control, simulación, sistemas embebidos, comunicaciones industriales y, especialmente, los problemas económicos de sus clientes. Nuestra cercanía con los grandes mercados industriales, la presencia de cadenas manufactureras internacionales y la experiencia acumulada en ingeniería pueden permitirnos desarrollar empresas que no se limiten a importar robots o contratar servicios de inteligencia artificial. Podemos construir soluciones propias, integrar tecnologías internacionales y desarrollar capacidades exportables en automatización inteligente. La pregunta estratégica para nuestras universidades, inversionistas y emprendedores no debería ser solamente cómo fabricar el siguiente robot humanoide. También debería ser cómo crear empresas capaces de transformar miles de procesos industriales mediante la integración de robots, sensores, simulación e inteligencia artificial. Porque el éxito de la Physical AI no se medirá únicamente por la cantidad de humanoides vendidos ni por el tamaño de los modelos que los controlen. Se medirá por su contribución a la productividad, por los costos que reduzca, por los nuevos servicios que haga posibles y por los negocios sostenibles que consiga crear. En definitiva, el IPO de Anthropic , junto con la llegada de Unitree a los mercados públicos, no solamente anuncia una nueva etapa para la inteligencia artificial. Abre una nueva era para el emprendimiento tecnológico: aquella en la que el valor ya no estará únicamente en fabricar los fierros ni en desarrollar los algoritmos, sino en la ingeniería que consiga unirlos para producir resultados económicos reales. Y en esa carrera, el ganador no será necesariamente quien tenga el robot más espectacular o el modelo más grande. Será quien consiga ponerlos a trabajar de manera efectiva.