El debut bursátil de Unitree, el mayor fabricante mundial de robots humanoides por ventas, reavivó una discusión incómoda sobre la industria: buena parte de la demanda viene del sector público, los datos de entrenamiento circulan dentro de un circuito relativamente cerrado y varios analistas advierten señales de sobrevaluación. El caso sirve para entender algo más amplio: cómo se construye —y cómo se infla— un modelo de negocio en inteligencia artificial.

Los números del debut

Unitree salió a cotizar en el mercado STAR de la bolsa de Shanghái buscando levantar alrededor de 6.100 millones de yuanes, y sus acciones treparon más de 600% en la jornada de debut, según CNN Business. La empresa entregó más de 5.500 robots humanoides en el último ejercicio, lo que la convierte en la mayor vendedora del mundo en ese segmento.

A diferencia de casi todos sus competidores, Unitree tiene ingresos y ganancias: su facturación se multiplicó más de diez veces en dos años hasta acercarse a los 1.700 millones de yuanes, con una ganancia neta de 278 millones. Ese detalle es relevante porque buena parte del sector opera con valuaciones altísimas y facturación mínima o nula.

El circuito que preocupa a los analistas

El punto que genera debate no es el crecimiento sino de dónde viene. Una parte significativa de la demanda de robots humanoides en China proviene de organismos estatales, universidades y empresas vinculadas al sector público. La compañía acumuló decenas de contratos con entidades gubernamentales y académicas en los últimos años.

Eso configura un circuito con varios tramos que se retroalimentan:

1. Los fabricantes venden robots a organismos públicos y centros de investigación.

2. Esos organismos operan los robots y generan datos de entrenamiento del mundo real, que son el insumo más escaso de la robótica.

3. Esos datos vuelven al ecosistema —vía centros de datos y consorcios sectoriales— y alimentan el desarrollo de la siguiente generación de robots.

4. Los fabricantes mejoran sus productos, muestran capacidades más impresionantes y sostienen la valuación y la siguiente ronda de compras.

El circuito no es ilegítimo: la compra pública para impulsar una industria naciente es una política industrial clásica, y el dato de que más del 40% de las ventas de Unitree viene del exterior indica que hay demanda genuina más allá del Estado. El problema aparece cuando se usa la demanda inducida como prueba de que existe un mercado comercial maduro. Son dos cosas distintas.

La pregunta que todavía no tiene respuesta: ¿para qué sirven?

Los videos de robots haciendo saltos mortales circulan hace años. Los casos de uso económicamente sostenibles, mucho menos. Como planteó CNBC antes del debut, la industria construyó robots capaces de proezas físicas notables sin haber resuelto todavía cómo ganar dinero con ellos de forma masiva.

Las aplicaciones actuales se concentran en investigación, educación, demostraciones y algunas tareas de inspección. La promesa —robots de propósito general trabajando en fábricas y hogares— sigue enfrentando tres obstáculos duros: la manipulación fina de objetos en entornos desordenados, la autonomía energética y el costo por unidad frente a alternativas más simples y específicas. Un brazo robótico fijo resuelve muchas tareas industriales mejor y más barato que un humanoide.

Los datos como el activo real del negocio

Acá está la lectura más interesante para cualquiera que trabaje con datos. En robótica, el cuello de botella no es el hardware ni el algoritmo: es la escasez de datos de interacción física con el mundo real. No existe un equivalente de internet para movimientos, texturas, fuerzas y errores de manipulación.

Eso convierte a cada robot desplegado en un recolector de datos, y a quien controla ese flujo en el actor con más poder de la cadena. Es exactamente el mismo patrón que se vio en los modelos de lenguaje: quien acumuló el corpus más grande construyó la ventaja más difícil de replicar. La diferencia es que los datos físicos no se pueden raspar de la web; hay que generarlos con hardware operando en el mundo.

De ahí que la estrategia de desplegar unidades a gran escala, incluso con márgenes bajos o subsidiados, tenga una lógica que va más allá de la venta: cada unidad en operación alimenta el activo que realmente importa. Un fenómeno paralelo al que se discutió cuando se analizó el reordenamiento del sector alrededor de quién controla los datos de entrenamiento.

¿Es una burbuja? Los argumentos de cada lado

A favor de la tesis de burbuja:

• Valuaciones que descuentan un mercado masivo que todavía no existe.

• Demanda concentrada en el sector público y en investigación, no en clientes comerciales que compran por retorno económico.

• Escasez de casos de uso con retorno demostrable y repetible.

• Un salto de precio del 600% en el debut, que difícilmente refleje un cambio en los fundamentos del negocio en un solo día.

En contra:

• La empresa factura y gana dinero, algo poco común en el sector.

• Una porción sustancial de las ventas es internacional, lo que sugiere demanda real fuera del circuito estatal.

• Las capacidades técnicas mejoran a un ritmo alto y sostenido.

• Existe una cadena de suministro de componentes robótica muy desarrollada que reduce costos de forma continua.

La conclusión más razonable es la incómoda: probablemente haya a la vez una tecnología con futuro real y una valuación adelantada a los fundamentos. Las dos cosas conviven bien; la historia de internet a fines de los noventa es el ejemplo canónico de una revolución auténtica con una burbuja financiera encima.

Qué se lleva de esto alguien que trabaja con datos

• El dato de entrenamiento es infraestructura estratégica. Quien controla su generación controla la cadena de valor. Aplica a robótica, a modelos de lenguaje y a cualquier vertical de IA.

• Cuidado con las métricas de vanidad. Unidades entregadas no es lo mismo que unidades en uso productivo, así como usuarios registrados no es lo mismo que usuarios activos. Distinguir eso es una habilidad analítica central.

• Preguntá siempre quién paga y por qué. Un ingreso que existe porque una política lo impulsa se comporta distinto a uno que existe porque un cliente calculó un retorno.

• Los circuitos cerrados de datos son frágiles. Si los datos de entrenamiento vienen mayormente de entornos controlados, el desempeño en el mundo real puede ser mucho peor de lo que sugieren las demostraciones.

Cursos recomendados de Coderhouse

• Nivel inicial — Curso de Introducción a la Inteligencia Artificial: para entender por qué los datos, y no los modelos, son el cuello de botella de la industria.

• Nivel intermedio — Curso de Data Analytics: leer números de una industria con criterio, distinguir métricas relevantes de métricas decorativas.

• Infraestructura de datos — Curso de Data Engineering: cómo se construyen los pipelines que alimentan sistemas de IA a escala.

• Recorrido completo — Carrera de Data Science, para perfiles que quieran trabajar en el modelado y no solo en el análisis.

Preguntas frecuentes

¿Qué es un robot humanoide y en qué se diferencia de un robot industrial?

Un robot humanoide tiene forma antropomórfica —torso, brazos, piernas— y está pensado para operar en entornos diseñados para personas. Un robot industrial suele ser un brazo fijo optimizado para una tarea específica y repetitiva. El industrial es mucho más eficiente en su tarea; el humanoide apuesta a la versatilidad, que todavía no está resuelta.

¿Por qué China domina este sector?

Por una combinación de política industrial sostenida, una cadena de suministro de componentes muy desarrollada que abarata el hardware, demanda pública que garantiza volumen inicial y acceso a datos de operación a escala. Esa suma es difícil de replicar en otros mercados en el corto plazo.

¿Los robots humanoides van a reemplazar trabajos pronto?

En el corto plazo, poco probable a escala masiva. Los obstáculos técnicos en manipulación fina, autonomía y costo siguen sin resolverse. El desplazamiento laboral por IA está ocurriendo mucho más rápido en tareas de escritorio —procesamiento de documentos, atención de consultas, generación de contenido— que en trabajo físico.

¿Qué señales indicarían que la burbuja se está desinflando?

Tres a mirar: si las ventas al sector comercial privado no crecen en proporción, si aparecen recortes de contratos públicos, y si los márgenes se comprimen por competencia de precios sin que se expanda el mercado. Ninguna de las tres es concluyente por separado, pero juntas dibujan un patrón bastante claro.

¿Conviene formarse en robótica por esta tendencia?

La robótica es un campo con futuro, pero la puerta de entrada más accesible y con más demanda inmediata sigue siendo el análisis y la ingeniería de datos. Son las habilidades que sostienen tanto la robótica como cualquier otra aplicación de IA, y tienen salida laboral en muchos más sectores que uno solo.