¡Hola! Soy tu asistente de análisis financiero y de noticias empresariales. Esta noticia sobre la salida de los miembros del “equipo de expertos” de Xiaomi en el área de conducción inteligente para emprender por su cuenta contiene una gran cantidad de información. No solo trata sobre las disputas internas en relación a las líneas tecnológicas de Xiaomi, sino que también revela la enorme tendencia actual en la industria de la IA de pasar de un enfoque “puramente software” a uno más centrado en el “mundo físico”.
Para que puedas entenderlo fácilmente, primero resumiré el contenido principal en una frase y luego lo desglosaré en cinco dimensiones de manera sencilla y comprensible para todos.
Resumen del contenido principal
Dos de los principales expertos tecnológicos de Xiaomi en conducción inteligente, nacidos en la década de 1990 (Wang Naiyan y Chen Long), debido a la derrota en las disputas internas sobre las líneas tecnológicas y en busca de mayores oportunidades de desarrollo, han dejado la empresa para embarcarse en el auge actual del campo de la “inteligencia encarnada” (es decir, usar la IA para controlar robots en sus tareas). Esto indica que el campo principal de competencia en IA se está desplazando de los robots de conversación en las pantallas de los teléfonos móviles hacia operaciones reales en el mundo físico.
---
Desglose detallado: cinco aspectos para comprender esta salida
1. **¿Por qué se fueron?** No fue por ser despedidos, sino porque perdieron en una “carrera interna” y también porque las tendencias han cambiado
Muchas personas, al ver la partida de ejecutivos, piensan inmediatamente “¿Han sido reemplazados?”. Pero no es tan simple.
- La crueldad del sistema de competencia interna: Xiaomi implementó un “dual sistema” en el área de conducción inteligente. Por un lado, había el proyecto “L2 end-to-end” liderado por Chen Guang (conducimiento asistido, donde el humano todavía necesita estar atento); por otro lado, el proyecto de exploración de vanguardia “L3” liderado por Wang Naiyan (conducimiento autónomo de nivel más avanzado).
- La realidad: El sistema L2 ya se puede instalar y vender en grandes cantidades, generando ingresos directos; aunque la tecnología L3 es impresionante (por ejemplo, el récord en la pista de Nürburgring), todavía está lejos de ser viable para el mercado general y legal para su uso en carreteras, y las empresas automotrices asumen toda la responsabilidad en caso de accidentes, lo que representa un riesgo considerable.
- El resultado: Los recursos se han dirigido al sistema L2, que puede generar ingresos rápidamente. Wang Naiyan sintió que no podía obtener los recursos necesarios en Xiaomi para desarrollar el sistema L3, como mencionó en un podcast: “No he tenido la oportunidad de luchar por algo realmente importante”.
- La tentación de nuevas tendencias: Mientras tanto, la “inteligencia encarnada” (robots) se ha convertido en una nueva oportunidad de gran potencial. Wang Naiyan y Chen Long vieron que, en lugar de competir en el ámbito de las empresas automotrices en el área del conducción autónomo, sería mejor emprender y trabajar en la IA física, lo que representa no solo un avance tecnológico, sino también un cambio de enfoque.
2. **¿Qué es la “IA física”? ¿Por qué es más difícil y valiosa que la IA actual?**
La noticia menciona repetidamente “IA física” y “inteligencia encarnada”. ¿Qué significa exactamente?
- Explicación sencilla:
- La IA actual (como DouBao, Siri): Es como un “cerebro digital” que opera dentro de teléfonos y ordenadores. Te hace preguntas y te responde en texto o voz, utilizando datos de internet.
- IA física: Es como un “cerebro con extremidades” que opera en el mundo real, capaz de controlar robots para realizar tareas como mover objetos o conducir vehículos.
- Dificultades:
- Obtención de datos: Hay una gran cantidad de datos disponibles en internet, lo que permite que la IA aprenda rápidamente. Sin embargo, faltan datos específicos sobre interacciones físicas (por ejemplo, cómo levantar una taza sin romperla o cómo frenar en superficies resbaladizas). Estos datos deben ser obtenidos a través de pruebas reales por parte de los robots, lo que es muy costoso.
- Diferencia en el enfoque: La IA actual intenta imitar a los humanos, mientras que la IA física necesita comprender las leyes físicas. Por ejemplo, aunque la IA puede aprender a “ayudar a las personas” viendo videos, no sabe que los huesos de los ancianos son frágiles y que usar demasiada fuerza puede causar lesiones. La IA física debe entender conceptos como la fuerza, la gravedad y la fricción para actuar de manera inteligente.
3. **El enfoque de Wang Naiyan:** En lugar de enseñar a la IA a conducir como los humanos, deja que descubra las reglas de conducción por sí misma
Wang Naiyan, exdirector técnico de Tesla Autopilot, tiene un enfoque único llamado “aprendizaje representacional”.
- El enfoque tradicional (imitación): Se enseña a la IA mediante millones de videos de conducción humana, como cuando un aprendiz observa a un maestro.
- Desventajas: Solo puede aprender lo que los humanos pueden hacer; lo que los humanos no hacen bien (como conducir en condiciones extremas) no se puede aprender con este método, y además se requiere una gran cantidad de datos.
- El enfoque de Wang Naiyan (DriveZero/aprendizaje representacional): En lugar de enseñar a la IA a imitar a los humanos, se le proporcionan datos como mapas, reglas de tráfico y parámetros físicos del vehículo, y luego la IA debe deducir por sí misma cómo actuar en diferentes situaciones (por ejemplo, cómo girar el volante para evitar accidentes en una curva).
- Puntos destacados: Este enfoque le permitió a Wang Naiyan establecer un récord en la pista de Nürburgring. Su enfoque se basa en este principio.
Importancia para el emprendimiento: Si la IA puede dominar este tipo de lógica física, no solo podrá conducir vehículos, sino también hacerlo de manera más segura en condiciones extremas como tormentas o carreteras heladas. Este es el objetivo de su empresa.
4. **El enfoque de Chen Long:** Equipar a los robots con “ojos de percepción espacial”
Chen Long, ex científico de Wayve (una empresa unicornio británica de conducción autónoma), se centra en el área de la “percepción” y la “multimodalidad”.
- Problemas actuales: Los robots actualmente perciben el mundo de manera bidimensional (2D), sin entender la distancia o el tamaño de los objetos en tres dimensiones (3D).
- Solución de Chen Long: Combina datos de conducción con datos de los robots para entrenarlos.
- Importancia: El conducir requiere conocer la distancia con los vehículos delanteros; lo mismo ocurre con los robots al manipular objetos. Estos conceptos son interconectados.
Dirección del emprendimiento: En lugar de desarrollar hardware específico para robots, crea una plataforma de software universal para la “percepción espacial y control de acciones”. Esto puede ser utilizado en robots de logística o fabricación flexible.
5. **La lógica subyacente: del “desarrollo de algoritmos” al “aplicamiento práctico”, la segunda etapa del desarrollo de la IA**
La salida de estos dos expertos refleja un gran cambio en toda la industria de la IA.
- Primera etapa (2023-2024): La competencia se centraba en los “grandes modelos” de IA, donde aquellos con más datos y mayor capacidad de cálculo podían crear robots de conversación más avanzados. En ese momento, los datos de internet eran clave.
- Segunda etapa (2025 y más allá): La competencia se desplaza hacia la aplicación práctica de la IA en entornos reales (fábricas, almacenes, carreteras), donde la IA puede reemplazar el trabajo físico humano.
- Por qué ahora?
- Madurez tecnológica: Los grandes modelos han mejorado y pueden manejar tareas visuales y lógicas complejas.
- Aflujo de capital: Los inversores de capital riesgo (VC) están invirtiendo en la inteligencia encarnada, ya que reconocen que este es el próximo mercado de gran potencial económico.
Flujo de talento: Los mejores expertos en IA de las empresas automotrices se dan cuenta de que las limitaciones de estas empresas (políticas, costos, responsabilidades) impiden el máximo desarrollo de su tecnología, mientras que las empresas emergentes ofrecen libertad para explorar tecnologías de IA física más avanzadas.
Conclusión para el público general
1. No te limites solo a la IA en tus teléfonos: La competencia futura en IA no se dará en las pantallas de tus dispositivos, sino en fábricas, almacenes y carreteras.
2. La división interna en Xiaomi sigue siendo fuerte: Xiaomi ha optado por el enfoque más seguro y rentable del sistema L2, abandonando el sistema L3, que es más difícil de implementar a corto plazo. Esto es bueno para los consumidores (vehículos más económicos y prácticos), pero puede significar menos oportunidades de mostrar habilidades técnicas para los entusiastas de la tecnología.
3. Emprender implica altos riesgos y posibles grandes recompensas: Wang Naiyan y Chen Long han dejado empresas grandes para emprender en el campo de la IA física, apostando por un futuro prometedor. Si tienen éxito, podrán definir el futuro de los robots; si fracasan, podrían perder todo. Sin embargo, es precisamente este tipo de exploración independiente el que impulsa los límites de la tecnología.
Comentario en una frase: “Los ‘cerdos’ de Xiaomi han volado”, pero algunos han decidido que el viento no es lo suficientemente fuerte, así que han decidido crearse sus propias alas para volar más alto.