11 jun 2026 — El mayor funding de robots del mundo y la IA que se entrena por 1.500 dólares

Intelia AI Report — 11 junio 2026

☀️ Intelia AI Report — 11 junio 2026

1. El mayor funding de robótica cognitiva de la historia: Neura Robotics cierra $1.4B con Nvidia, Amazon y Tether

La startup alemana NEURA Robotics ha cerrado una Serie C de hasta 1.400 millones de dólares — el mayor levantamiento jamás realizado por una empresa de robótica de pila completa —, alcanzando una valoración de ~7.000 millones. Los inversores incluyen a Nvidia, Amazon, Qualcomm, Tether, Bosch, Schaeffler y el Banco Europeo de Inversiones. El capital se destinará a escalar hacia millones de robots cognitivos en producción para 2030, apoyándose en las "NEURA Gyms", instalaciones especializadas en entrenamiento físico de IA. El sector ha levantado $55.8B en robótica en lo que va de 2026 — casi el doble del récord anterior.

Por qué importa: Las mismas empresas que financian los grandes modelos (Nvidia, Amazon) están apostando con la misma intensidad por la IA física. El patrón de inversión que vemos en software agentic — automatizar los procesos de back-office — tiene su equivalente en hardware. La convergencia de ambos mundos es cuestión de tiempo.

Fuente: The Next Web

2. NVIDIA lanza Nemotron 3 Ultra 550B: el mayor modelo open-weights del mundo disponible en HuggingFace

NVIDIA ha publicado en HuggingFace su modelo Nemotron 3 Ultra, con 550.000 millones de parámetros bajo licencia OpenMDW-1.1 — el mayor modelo de pesos abiertos construido por una empresa estadounidense. Puntúa 47.7 en el Artificial Analysis Intelligence Index, superando a todos los modelos open-source anteriores. Su propuesta diferencial: empresas con datos sensibles pueden desplegarlo completamente on-premise, sin enviar información a APIs externas — un argumento directo para entornos con requisitos de cumplimiento GDPR, DPDP o PDPA.

Por qué importa: Para startups que manejan facturas, contabilidad o datos financieros de clientes, tener un modelo de 550B parámetros desplegable en infraestructura propia cambia el cálculo de privacidad y coste a largo plazo. La frontera entre "modelo propietario vía API" y "modelo propio on-premise" acaba de desplazarse significativamente.

Fuente: Asanify / NVIDIA vía HuggingFace

3. Investigadores entrenan un modelo fundacional competitivo por 1.500 dólares en dos días

Un equipo de Sapient ha entrenado HRM-Text, un modelo de 1.000 millones de parámetros basado en una arquitectura HRM (Hierarchical Recurrent Model) en lugar del Transformer estándar. Resultado: 60.7% en MMLU, 84.5% en GSM8K y 56.2% en MATH — rendimiento comparable a modelos de 2B-7B parámetros —, usando entre 100 y 900 veces menos tokens de entrenamiento y 96-432 veces menos cómputo que Qwen, Gemma o Llama equivalentes. Coste total: 1.9 días en 16 GPUs, aproximadamente 1.500 dólares.

Por qué importa: La barrera de entrada para entrenar un modelo propio estaba en decenas de millones de dólares. Si la arquitectura HRM escala bien, cualquier startup con presupuesto de marketing puede construir un modelo domain-specific. Para automatización contable — con terminología, normativa fiscal y formatos específicos —, un modelo fino entrenado sobre datos propios a 1.500$ cambia por completo el argumento del build vs. buy.

Fuente: VentureBeat

4. Ex-fundadores de SpaceX construyen plantas solar+batería para alimentar data centers de IA a $100/MWh

Sara Spangelo y Ben Longmier — fundadores de Swarm Technologies, la empresa de satélites adquirida por SpaceX — han salido de stealth con Ambrosia Energy. Propuesta: plantas de generación solar con baterías de iones de litio que combinan paneles fotovoltaicos con un sistema de carga lenta para producir energía 24/7 a 100 dólares por MWh — sensiblemente más barato que el gas natural — con tiempos de construcción por debajo de los 12 meses. Respaldada por DFJ Growth; planta piloto en West Texas ya a plena capacidad. Objetivo: capacidad a escala gigavatio para 2030.

Por qué importa: El cuello de botella de la IA ya no es el modelo sino la energía. Las hyperscalers están pagando primas de 300-400% por electricidad en zonas de data centers. Si Ambrosia escala, reduce el coste de inferencia del que depende toda startup de IA con uso intensivo de modelos. La energía es la nueva GPU, y la carrera por asegurarla ya empezó.

Fuente: TechCrunch

5. Anthropic lanza Claude Design: diseño visual con IA que hunde a Figma un 7% y sacude a Adobe

Anthropic ha publicado en research preview Claude Design, una herramienta de diseño visual nativa de IA construida sobre Claude Opus 4.7. Convierte prompts de texto en webs, landing pages, decks, mockups y materiales de marketing, importando automáticamente colores y tipografías de bases de código o archivos de diseño existentes. Exporta a Canva, PDF, PPTX e integra directamente con Claude Code. Disponible en claude.ai/design sin coste adicional para suscriptores Pro, Max, Team y Enterprise. Reacción del mercado: Figma cayó un 7% en la sesión, Adobe también retrocedió.

Por qué importa: El patrón se repite: la IA elimina la fricción entre "idea" y "entregable final" en otra vertical creativa. Para equipos de automatización B2B, el stack de marketing y diseño se puede ejecutar con menos dependencia de herramientas especializadas y freelancers. La velocidad de lanzamiento de nuevas capacidades desde Anthropic en esta semana es también una señal de intensidad competitiva.

Fuente: App Developer Magazine

🐦 Lo que se comenta en X

Sin sesión activa en X/Twitter — sección no disponible hoy.

🔴 La otra cara

Opendoor cierra India: 250 empleados reemplazados por "equipos IA-nativos" en EEUU

La proptech Opendoor ha cerrado sus operaciones en Chennai y Bengaluru — menos de dos años después de abrirlas — citando explícitamente el paso a "equipos más pequeños impulsados por IA" con sede en Estados Unidos. El cierre está desatando una conversación más amplia sobre el futuro del outsourcing: India alberga 2.36 millones de trabajadores en Global Capability Centers generando ~100.000 millones de dólares anuales. Los analistas lo califican de "momento watershed" para el modelo BPO global.

Por qué importa: Es la primera empresa relevante en citar explícitamente a la IA para justificar el cierre de una operación offshore. Si el modelo se generaliza, el arbitraje de coste laboral que sustenta la economía offshore pierde su ventaja competitiva. Las implicaciones para economías que dependen del sector BPO — y para las empresas que aún externalizan procesos contables a India — son enormes.

Fuente: TechCrunch

Un tribunal alemán declara a Google responsable de las alucinaciones de su IA

Un tribunal alemán ha dictaminado que Google es legalmente responsable de la información falsa generada por su función AI Overview. Es el primer fallo significativo de responsabilidad civil directa sobre los outputs de IA en Europa. Gary Marcus, uno de los críticos más rigurosos del sector, lo califica de potencial punto de inflexión: si se extiende a otras jurisdicciones, obliga a los desarrolladores de IA a construir sistemas fundamentalmente más fiables o afrontar consecuencias legales serias.

Por qué importa: La defensa del "es solo una herramienta" empieza a agrietarse en los tribunales. Para cualquier startup que despliegue IA generando información con impacto en decisiones empresariales — contabilidad, compliance, análisis financiero —, este tipo de fallo establece un precedente de responsabilidad que merece seguimiento activo.

Fuente: Gary Marcus / Substack

Christian Science Monitor: "La era de la IA sin supervisión se acaba, pero el vacío regulatorio ignora a los trabajadores"

Un análisis del Christian Science Monitor documenta la convergencia hacia regulación federal de IA en EEUU, pero advierte que los marcos emergentes están excesivamente centrados en seguridad nacional y modelos frontier, dejando fuera el desplazamiento laboral, la seguridad infantil y los riesgos de las aplicaciones empresariales. El principal punto de fricción: la preemption federal podría bloquear regulaciones estatales más estrictas justo cuando los estados más están avanzando en este terreno.

Por qué importa: El marco regulatorio que se consolide en los próximos 12-18 meses definirá qué puede automatizar una startup de IA sin riesgo legal. El debate ya no es si habrá regulación, sino qué quedará fuera de ella — y el desplazamiento laboral parece quedar fuera.

Fuente: Christian Science Monitor

🤔 La voz escéptica

"Una corte alemana acaba de declarar a Google responsable de las alucinaciones de su IA. Si esto se expande, las empresas de IA tendrán que construir sistemas que realmente funcionen, no solo que parezcan funcionar. El día de rendir cuentas llega más deprisa de lo que la industria esperaba." — Gary Marcus (@GaryMarcus)

Marcus lleva años advirtiendo que los LLMs no son fiables para tareas que requieren veracidad, y que la industria ha conseguido posponer el momento de accountability. Un fallo judicial en Alemania puede ser el catalizador que obligue al sector a priorizar fiabilidad sobre velocidad de lanzamiento. Para quien construye productos IA sobre los que recaen decisiones financieras, es el argumento legal que hay que tener encima de la mesa.

"India tiene 2,36 millones de trabajadores en GCCs generando ~100.000 millones al año. La salida de Opendoor es una señal temprana, no un caso aislado." — Jagmeet Singh, TechCrunch

El escepticismo aquí no es que la IA no funciona — es que funciona demasiado bien y demasiado rápido para que las economías dependientes del outsourcing puedan adaptarse. La narrativa optimista de "la IA crea más empleos de los que destruye" choca frontalmente con la realidad de Opendoor y los 2.36 millones de trabajadores del BPO indio. Para los defensores del progreso tecnológico, este es el argumento más difícil de rebatir.

Fuentes nuevas a seguir:

• The Next Web — AI — Cobertura tech europea, excelente señal/ruido en robótica e IA aplicada
• Gary Marcus Substack — El crítico de IA más riguroso y documentado; esencial para perspectiva equilibrada

Intelia AI Report · noscomelaia.com · Generado por Claucito