NVIDIA Cosmos 3 y 75.000M€ de SoftBank: la IA física cambia de escala

NVIDIA acaba de abrir el código de Cosmos 3 y SoftBank ha anunciado 75.000 millones de euros en infraestructura europea el mismo día. No es coincidencia: estamos ante la primera señal clara de que la IA física —robots, sistemas de visión industrial, gemelos digitales— deja de ser un laboratorio y se convierte en una línea de inversión prioritaria con infraestructura dedicada.

Cosmos 3: lo que significa "omni" y lo que no dice el comunicado

El término omni en el contexto de Cosmos 3 implica que el modelo integra en un único sistema capacidad de razonamiento multimodal (visión, lenguaje, datos de sensores) con generación de acciones físicas ejecutables. No es un modelo de lenguaje con un plugin de robótica: es una arquitectura diseñada desde cero para cerrar el bucle percepción-acción en entornos físicos.

Lo que el anuncio oficial no dice con suficiente claridad es el verdadero reto de despliegue. Cosmos 3 es open-source, sí, pero los requisitos de hardware para inferencia en tiempo real en robótica industrial o sistemas de inspección autónoma siguen siendo prohibitivos para la mayoría de PYMEs. Un modelo omni entrenado para operar en el mundo físico necesita latencias de inferencia por debajo de los 50ms para ser útil en líneas de producción. Eso no lo resuelve publicar los pesos en Hugging Face: lo resuelve la infraestructura, que es exactamente donde entra SoftBank.

La comparativa relevante aquí no es con modelos de lenguaje. Es con el ecosistema de simulación física de DeepMind (DreamerV3) y los modelos de mundo de Tesla (Dojo). NVIDIA, con Cosmos 3 abierto, está ejecutando una estrategia diferente: democratizar la capa de modelo para acelerar la adopción de su hardware. El modelo es la zanahoria; las GPUs H100/B200 son el negocio.

75.000M€ en Francia: la geopolítica de los data centers europeos

La inversión de SoftBank en Francia no es una apuesta por la tecnología francesa. Es una apuesta por la regulación europea. Con el AI Act en vigor y la creciente presión sobre soberanía de datos, las empresas que quieran vender servicios de IA a corporaciones europeas —especialmente en sectores regulados como banca, salud o utilities— necesitan poder demostrar que sus cargas de trabajo no salen de la UE.

5 gigavatios de capacidad adicional es un número que hay que dimensionar: el conjunto de todos los data centers de España actualmente ronda los 1,2 GW instalados. SoftBank está construyendo en un solo proyecto cuatro veces la capacidad total española, en un único país. Esto tiene implicaciones directas para el mercado ibérico: si Francia se convierte en el hub de inferencia de IA para Europa del Sur, las empresas españolas tendrán latencias aceptables hacia esa infraestructura, pero perderán palanca negociadora en términos de soberanía de datos frente a una alternativa ubicada en territorio nacional.

Para las empresas que buscan una agencia de IA en Madrid que les ayude a diseñar su arquitectura de infraestructura con criterios de soberanía y cumplimiento normativo, este movimiento de SoftBank hace que la conversación sobre dónde se ejecuta la inferencia sea urgente, no opcional.

Parallax y Multi-LoRA: la eficiencia que sí importa en producción

Más allá del ruido de las mega-inversiones, hay dos avances técnicos publicados esta semana que merecen atención de cualquier equipo que esté optimizando costes de inferencia en producción.

Parallax reemplaza el solver por consulta de la Atención Lineal Local con un proyector aprendido, duplicando la intensidad aritmética del modelo. En términos prácticos: modelos de 0.6B y 1.7B parámetros con menor perplejidad usando la misma ventana de cómputo. Para equipos que están desplegando modelos pequeños en edge o en dispositivos con recursos limitados —exactamente el perfil de muchas aplicaciones de IA física— esta mejora de eficiencia es más relevante que lanzar un modelo de 70B en cloud.

Multi-LoRA concurrente de Trajectory (en colaboración con UC Berkeley Sky Lab y Anyscale) es quizás el resultado más accionable de la semana para equipos de MLOps. La mejora de 2,81× en throughput de experimentos de reinforcement learning, con cero regresión en métricas de recompensa, y con el código publicado en NovaSky-AI/SkyRL, ofrece algo que los anuncios de NVIDIA o SoftBank no pueden dar: una mejora de productividad desplegable esta semana, sin capex adicional.

A diferencia de lo que sugiere el anuncio, el verdadero valor de Multi-LoRA no es solo la velocidad: es la capacidad de iterar sobre múltiples experimentos de fine-tuning en paralelo sin sacrificar calidad. Para las agencias especializadas en agentes autónomos que están entrenando adaptadores específicos por cliente o por dominio, esto reduce el ciclo de experimentación de días a horas.

La paradoja de Anthropic: 850.000$ por rol y cero IA en las entrevistas

Este detalle merece un párrafo aparte porque dice algo importante sobre el estado real del sector. Anthropic —la empresa que vende la IA más capaz del mercado para razonamiento complejo— ha prohibido el uso de IA en sus procesos de selección. Sus entrevistas pueden alcanzar cinco rondas, los salarios llegan a 850.000 dólares anuales, y algunos candidatos pagan hasta 4.600 dólares por preparación anónima con empleados de empresas del sector.

La lectura superficial es que Anthropic quiere evaluar pensamiento genuino. La lectura estratégica es diferente: si tu propio producto hace que sea imposible distinguir el razonamiento humano del artificial en una entrevista técnica, tienes un problema de señalización del talento que afecta directamente a tu capacidad de contratar a los mejores. No es hipocresía: es un síntoma de que la IA ha alcanzado un nivel donde las propias empresas que la construyen necesitan mecanismos offline para evaluar competencia real.

Esto debería hacer reflexionar a los departamentos de RRHH de cualquier empresa tecnológica española que esté rediseñando sus procesos de selección para roles técnicos de IA.

El modelo de 1 bit para imagen: la descentralización que sí está ocurriendo

El modelo Bonsai de 4B parámetros con arquitectura de 1 bit para generación de imágenes en local es, técnicamente, menos espectacular que Cosmos 3. Pero su impacto de adopción puede ser mayor a corto plazo. Si un modelo de generación de imágenes de calidad competitiva puede ejecutarse en hardware de consumo sin GPU especializada, el mercado de herramientas creativas asistidas por IA se fragmenta radicalmente.

Para el ecosistema de consultoría de IA enfocado en sectores creativos —marketing, diseño, producción audiovisual— esto acelera la conversación sobre qué parte de la cadena de valor permanece en cloud y qué parte migra a dispositivos locales. El coste por imagen generada en cloud ha caído, pero la latencia y la privacidad siguen siendo argumentos para el edge. Bonsai añade un argumento más: el coste de infraestructura cero.

El ecosistema de agencias de IA en Barcelona, históricamente fuerte en sectores de diseño y retail, tiene aquí una oportunidad concreta de proponer soluciones de generación de contenido visual que no dependan de APIs externas ni expongan datos de producto a terceros.

El escenario que se perfila para H2 2026

Juntando las piezas: un modelo omni abierto para IA física (Cosmos 3), 75.000M€ de infraestructura de inferencia en Europa (SoftBank/Francia), mejoras de eficiencia en fine-tuning que reducen costes operativos (Multi-LoRA), y modelos generativos que funcionan en local sin hardware especializado (Bonsai). El patrón no es caótico: es una compresión simultánea de costes en todas las capas del stack.

La pregunta relevante para cualquier CTO español no es si adoptar IA física en sus operaciones, sino en qué plazo la competencia que no lo haga quedará estructuralmente en desventaja de costes. Con Cosmos 3 abierto y la infraestructura europea escalando a esta velocidad, ese plazo se está acortando más rápido de lo que los roadmaps internos suelen anticipar.

Las empresas que en este momento estén evaluando agencias de automatización con IA para sus operaciones industriales o logísticas deberían incluir en su RFP una pregunta específica: ¿tiene experiencia con modelos de acción física y qué hardware requiere para inferencia en tiempo real? Las respuestas van a separar a los vendedores de hype de los que realmente han puesto Cosmos o equivalentes en producción.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de agentes de voz
• Agencias de IA en Valencia y en Málaga
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real