NVIDIA lleva la IA “física” al volante: Rubin y Alpamayo prometen autos que razonan

Resumen

NVIDIA aprovechó el CES 2026 para presentar Rubin, una nueva plataforma extremo a extremo de computación de alto rendimiento, y Alpamayo, una familia abierta de modelos de IA diseñada para que los vehículos autónomos “razonen” como humanos en situaciones complejas. Mientras Rubin aporta la potencia de cálculo para escalar esta “IA física”, Alpamayo combina modelos de visión‑lenguaje‑acción, simulación y grandes conjuntos de datos abiertos para acelerar el desarrollo de conducción de nivel 4. La apuesta, ya apoyada por fabricantes como Mercedes-Benz y otros actores de movilidad, abre oportunidades para la robótica y la movilidad inteligente, pero también plantea desafíos regulatorios y de seguridad, especialmente en entornos urbanos diversos como los de América Latina.

En el CES 2026, NVIDIA intentó marcar un antes y un después en la carrera por el vehículo autónomo. Sobre el escenario, Jensen Huang habló de un “momento ChatGPT para la IA física” al presentar dos piezas centrales: la plataforma Rubin y el ecosistema de modelos abiertos Alpamayo, diseñado explícitamente para dotar a autos y robotaxis de capacidad de razonamiento paso a paso en el tráfico real.

Rubin: el motor de cómputo para la nueva ola de IA

Rubin es la sucesora de Blackwell y se define como una plataforma “extremo‑codiseñada” de seis chips: GPU Rubin con hasta decenas de petaflops para inferencia, CPUs Vera optimizadas para mover datos y ejecutar agentes, NVLink 6 para escalar dentro del centro de datos y nuevas tarjetas de red y DPUs para conectar todo el sistema. La promesa es reducir a una fracción el costo de generar tokens de IA, permitiendo entrenar y desplegar modelos gigantes que alimenten agentes, robots y vehículos.

Sobre Rubin se apoyan familias de modelos abiertos para salud, clima, robótica y autonomía, que NVIDIA presenta como base común para que empresas y laboratorios construyan sus propias soluciones, sin empezar desde cero.

Alpamayo: modelos que explican por qué el auto decide

Alpamayo es el componente específico para vehículos autónomos. NVIDIA lo describe como una familia de modelos de visión‑lenguaje‑acción con razonamiento encadenado, más un marco de simulación (AlpaSim) y grandes conjuntos de datos de conducción abiertos. El primer modelo, Alpamayo 1/R1, ronda los 10.000 millones de parámetros y toma video como entrada para producir trayectorias junto con “trazas de razonamiento” que explican cada decisión.

Estos modelos no se ejecutan tal cual en el coche: funcionan como “maestros” que los desarrolladores afinan y destilan en redes más compactas para el hardware a bordo. La compañía afirma que así se afronta mejor la “cola larga” de escenarios raros —obras imprevistas, semáforos apagados, conductores erráticos— que han frenado el despliegue masivo de la conducción de nivel 4.

La noción de IA física se apoya además en simulación masiva: modelos como Cosmos generan mundos virtuales y casos límite, que se combinan con datos reales para entrenar a Alpamayo y validar sus políticas de conducción antes de tocar la calle.

Aliados industriales y aplicaciones más allá del auto

En la presentación, NVIDIA destacó un prototipo del Mercedes‑Benz CLA que utiliza Alpamayo sobre la plataforma DRIVE para ofrecer conducción autónoma avanzada, incluyendo la capacidad de narrar en voz alta las razones de sus maniobras en entornos complejos como San Francisco.

Junto a Mercedes‑Benz, actores como Lucid, JLR, Uber y la comunidad académica de Berkeley DeepDrive han manifestado interés en integrar Alpamayo en sus pilas de autonomía, tanto para robotaxis como para vehículos de reparto y camiones.

El mismo enfoque de modelos “maestros” y simulación física se extiende a la robótica: desde almacenes automatizados hasta robots humanoides, que podrían beneficiarse de la capacidad de razonar sobre trayectorias y explicar acciones, reforzando la trazabilidad de sus decisiones.

Desafíos de seguridad y regulación, con la mira en América Latina

La apertura del ecosistema —pesos de modelos, código de inferencia, simuladores y datos accesibles— puede acelerar la investigación independiente y la auditoría externa, pero también obliga a definir quién es responsable cuando distintas variantes derivadas de Alpamayo llegan a la vía pública. NVIDIA subraya la existencia de sistemas de seguridad como Halos y de enfoques de doble pila que combinan modelos end‑to‑end con software clásico de conducción para añadir redundancias y trazabilidad.

En América Latina, donde conviven normativas heterogéneas, infraestructuras dispares y un alto grado de informalidad vial, la adopción de vehículos de nivel 4 basados en Alpamayo enfrentará retos adicionales. Será clave cómo los reguladores exijan transparencia sobre los datos usados para entrenar estos modelos, cómo se certifique el desempeño en contextos locales —calles sin señalización clara, transporte informal, alta densidad de motos— y cómo se repartan responsabilidades entre empresas tecnológicas, fabricantes y operadores de flota.

La apuesta de NVIDIA por la IA física y el razonamiento explicable acerca el vehículo autónomo a la vida cotidiana, pero también abre una nueva etapa de escrutinio público, en la que la confianza se ganará tanto en los centros de datos como en cada esquina de la ciudad.

En Las Vegas, NVIDIA colocó el foco del CES 2026 en la llamada “IA física”, capaz de percibir, razonar y actuar en el mundo real. La compañía presentó Rubin, una plataforma de seis chips altamente integrada —GPU, CPU y redes especializadas— pensada para abaratar y escalar el entrenamiento e inferencia de modelos gigantes, y sobre ella un portafolio de modelos abiertos para distintos sectores, entre ellos Alpamayo para vehículos autónomos. Alpamayo introduce modelos de visión‑lenguaje‑acción con razonamiento encadenado y herramientas de simulación y datos abiertos, concebidos como “maestros” que los fabricantes pueden destilar en modelos más pequeños que corran dentro del vehículo. Mercedes-Benz, Lucid, JLR, Uber y centros de investigación ya exploran su uso para desplegar capacidades de nivel 4. El enfoque promete mayor transparencia y robustez, pero deja abiertas preguntas críticas sobre validación, responsabilidad legal y adaptación normativa, particularmente en América Latina.