NVIDIA ha revolucionado la conferencia GTC 2026 con el anuncio de su nuevo plano de referencia abierto para abordar uno de los principales desafíos de la inteligencia artificial física: la gestión eficiente de datos. La empresa ha presentado la Physical AI Data Factory Blueprint, una arquitectura destinada a automatizar todos los aspectos del manejo de datos, desde su generación hasta la preparación para el entrenamiento de robots, sistemas de visión artificial y vehículos autónomos.
Sin datos de calidad, el desarrollo de robots confiables y vehículos autónomos es prácticamente imposible. La propuesta de NVIDIA no se limita a ser una herramienta aislada, sino que constituye una cadena completa de trabajo, desde los datos brutos hasta los conjuntos ya listos para entrenamiento. Este enfoque incluye la curación de datos reales y sintéticos, la creación de escenarios complejos o raros, la validación automatizada de resultados, y la orquestación de todos estos procesos en infraestructuras en la nube o híbridas.
Esta iniciativa de NVIDIA se basa en componentes conocidos de su ecosistema Cosmos, como Cosmos Curator, encargado de procesar y anotar grandes volúmenes de datos; Cosmos Transfer, que amplía la diversidad de escenarios; y Cosmos Evaluator, disponible en GitHub, que evalúa y filtra la calidad de los vídeos sintéticos generados. OSMO, el orquestador abierto de NVIDIA, es la pieza que integra todos estos elementos, facilitando la orquestación de cargas de trabajo en entornos de IA física de manera eficiente.
El anuncio no se limita a la teoría. Microsoft Azure y Nebius han sido destacados como socios claves en esta iniciativa. Microsoft ha presentado en GitHub su Azure Physical AI Toolchain, una plataforma open source integrada con los servicios cloud de Azure, listas para su implementación en entornos empresariales. Nebius, por su parte, ha incorporado el blueprint de NVIDIA en su AI Cloud, ofreciendo una infraestructura global para la gestión de datos sintéticos basados en física.
Pero, ¿por qué es este anuncio tan importante? NVIDIA está trabajando en la “physical AI” desde hace meses, y este nuevo blueprint se utiliza para entrenar y evaluar sistemas complejos como Alpamayo, una plataforma para la conducción autónoma. El potencial de esta infraestructura técnica reside en su capacidad para abarcar múltiples etapas del desarrollo de IA física, desde la simulación hasta la evaluación y la orquestación.
El mercado se está moviendo hacia propuestas integrales que minimicen la fragmentación habitual entre simulación, entrenamiento y despliegue. Si bien la adopción fuera de los socios actuales aún está por verse, el mensaje de NVIDIA es claro: en la IA física, la ventaja competitiva vendrá de la capacidad para producir y verificar datos de calidad con rapidez, y NVIDIA busca liderar esta transformación.
