![[Especial] Marcio Aguiar de NVIDIA: "Las fábricas de inteligencia artificial están dando forma a la autonomía física en el mundo real"](/content/images/size/w600/2025/07/Marcio-Aguiar--2-.jpg)
En conversación con Tabulado, Marcio Aguiar, director de la División Enterprise para NVIDIA Latinoamérica, expuso cómo la compañía está reconfigurando su enfoque estratégico desde la inteligencia artificial centrada en percepción hacia una inteligencia encarnada en sistemas físicos autónomos. Esta transformación se articula en torno a las llamadas AI Factories, infraestructuras donde convergen hardware, software y simulación para entrenar, validar y desplegar modelos de IA que operan en el mundo real.
A lo largo de la entrevista, Aguiar abordó la evolución técnica y conceptual que sustenta esta visión, detallando plataformas como Omniverse, Isaac Sim y Cosmos, así como la arquitectura de tres ordenadores que da soporte a todo el ciclo de vida robótico. También se exploraron aplicaciones industriales concretas, como el caso de Skycatch y Teck Resources en minería, donde la simulación avanzada permite anticipar riesgos, optimizar rutas y reducir incidentes en terreno.
Admin
Admin
Puntos clave de la entrevista
- NVIDIA transita desde la IA perceptiva hacia una IA física y agentica, con foco en razonamiento, autonomía y adaptación en entornos reales.
- La plataforma Cosmos permite modelar dinámicas físicas como fricción o gravedad para entrenar sistemas que actúan sobre el entorno.
- Las AI Factories son infraestructuras que combinan GPUs, simulación y microservicios para desarrollar y actualizar agentes inteligentes.
- La arquitectura de tres ordenadores —cómputo, red y almacenamiento— permite escalar y mantener entornos de IA sin interrupciones.
- Cada etapa del ciclo robótico (diseño, entrenamiento, validación, operación) se articula con flujos de datos y cómputo especializados.
- Los gemelos digitales en Omniverse permiten probar sistemas complejos en entornos simulados antes de su despliegue físico.
- Esta simulación reduce costos, acelera iteraciones y mejora la seguridad, especialmente en industrias de alto riesgo.
- El caso Skycatch–Teck ilustra cómo la integración de Omniverse y Jetson permite simular condiciones mineras hasta cinco años adelante.
Columnas al director
Evolución de la inteligencia artificial hacia sistemas físicos y agénticos
Marcio Aguiar, director de la División Enterprise para NVIDIA Latinoamérica, explicó a Tabulado que la visión estratégica de la compañía ha transitado desde un enfoque centrado en percepción sensorial hacia una inteligencia más profunda, capaz de comprender y actuar en el entorno físico. Este giro conceptual sienta las bases para una nueva generación de sistemas autónomos.
“La visión estratégica de NVIDIA ha evolucionado significativamente desde la IA perceptiva hacia la IA física y agentica, marcando una transición hacia sistemas más autónomos, inteligentes y profundamente integrados con el mundo real”.
Este cambio comienza con el paso desde la IA perceptiva, que permitía a las máquinas captar información sensorial, hacia una IA física que incorpora razonamiento espacial y comprensión de dinámicas reales. La interacción con el mundo deja de ser pasiva y se convierte en una capacidad de acción basada en leyes físicas.
“Inicialmente, la IA perceptiva se centraba en el procesamiento de datos sensoriales como imágenes, texto y sonido, permitiendo a las máquinas 'ver' y 'oír' el mundo. Sin embargo, para que las máquinas no solo perciban, sino que también interactúen y actúen en el entorno físico, es necesario avanzar hacia la IA física. Esta nueva fase implica que los sistemas comprendan y razonen sobre las leyes físicas, la dinámica y las relaciones espaciales, permitiéndoles tomar decisiones informadas y ejecutar acciones en el mundo real”.
Para facilitar este avance, NVIDIA ha desarrollado herramientas que permiten a los sistemas incorporar este conocimiento físico en entornos simulados y luego llevarlo a la práctica. Esta infraestructura tecnológica marca un punto de inflexión para el despliegue industrial de soluciones inteligentes.
“NVIDIA ha liderado esta transición con el lanzamiento de la plataforma Cosmos, que ofrece modelos fundamentales para la IA física, permitiendo a los sistemas comprender conceptos como gravedad, fricción y relaciones espaciales. Además, herramientas como Omniverse y NIM microservices facilitan la creación de gemelos digitales y la simulación de entornos físicos, acelerando el desarrollo y la implementación de soluciones de IA física en diversas industrias”.
Una vez consolidado ese paso, la evolución avanza hacia la IA agéntica. Esta nueva etapa no solo involucra acción física, sino también capacidades cognitivas como planificación, razonamiento y colaboración en tiempo real con otros sistemas o personas.
“La evolución continúa con la IA agentica, que va más allá de la percepción y la acción, incorporando capacidades de razonamiento, planificación y toma de decisiones autónoma. Esta etapa permite a los sistemas no solo interactuar con el entorno, sino también gestionar tareas complejas, adaptarse a situaciones cambiantes y colaborar con otros agentes o humanos en entornos dinámicos”.
NVIDIA materializa este concepto a través de los AI Blueprints, herramientas que permiten construir agentes inteligentes a medida. Estas soluciones se integran con plataformas existentes y aceleran el desarrollo de aplicaciones donde la autonomía y el análisis sean fundamentales.
“NVIDIA ha facilitado este avance mediante el desarrollo de AI Blueprints, que proporcionan marcos predefinidos para la creación de agentes de IA personalizados. Estos blueprints integran herramientas como NVIDIA NeMo y NIM microservices, permitiendo a los desarrolladores construir agentes de IA capaces de realizar tareas como análisis de datos, automatización de procesos empresariales y asistencia en la toma de decisiones”.
Nicola Sessions
AI Factories como núcleo operativo de la autonomía robótica
Dentro de su visión estratégica, NVIDIA plantea un nuevo modelo operativo para crear, entrenar y desplegar inteligencia artificial en el mundo físico. Este modelo está representado por las denominadas AI Factories, las cuales integran hardware, software y simulación para habilitar soluciones inteligentes de alto rendimiento en entornos reales.
“Las AI Factories juegan un papel fundamental en el desarrollo de robots autónomos, ya que representan el nuevo modelo operativo para la creación, entrenamiento y despliegue continuo de inteligencia artificial en el mundo físico. Desde la visión estratégica de NVIDIA, estas fábricas de IA no solo son centros de procesamiento intensivo, sino verdaderos ecosistemas donde convergen hardware, software y simulación para dar vida a agentes inteligentes capaces de interactuar con entornos complejos”.
Francisco Carrasco M.
El concepto de AI Factory se traduce en una infraestructura computacional avanzada. En ella se combinan diferentes tecnologías de NVIDIA que, en conjunto, permiten entrenar modelos, validarlos en simulaciones realistas y luego ejecutarlos en robots físicos con un flujo continuo de actualización y mejora.
“Una AI Factory es una infraestructura computacional avanzada que combina tecnología de GPU de alto rendimiento, como los sistemas NVIDIA DGX, con plataformas de software como NVIDIA Omniverse, Isaac Sim, AI Enterprise y herramientas de modelado de agentes. Esta combinación permite desarrollar modelos de IA desde su entrenamiento en datos sintéticos hasta su validación en entornos virtuales y su ejecución en robots físicos”.
Roberto Mera Velásquez
A lo largo del proceso, estas fábricas no solo entrenan modelos, sino que permiten simular operaciones, implementar algoritmos y mantener un ciclo de retroalimentación constante con el entorno físico. Todo esto reduce costos, acelera los tiempos de desarrollo y mejora la adaptabilidad de los sistemas autónomos.
- Diseño y simulación con Omniverse: las AI Factories permiten crear gemelos digitales completos de entornos industriales. Gracias a NVIDIA Omniverse, es posible simular fábricas, almacenes y operaciones logísticas con un alto grado de precisión física, lo que permite entrenar y validar robots autónomos sin riesgo y con menor costo.
NVIDIA
- Entrenamiento de modelos inteligentes: los robots autónomos requieren modelos de IA que combinen percepción, planeación y acción. Las AI Factories ofrecen la capacidad de entrenar estos modelos a escala, aprovechando bibliotecas como NVIDIA Isaac para percepción robótica y planificación de movimientos.
- Implementación continua y aprendizaje adaptativo: a través de flujos de MLOps y actualización en tiempo real, estas fábricas permiten desplegar nuevos modelos en robots en producción y retroalimentar los datos obtenidos en campo, generando una mejora continua del desempeño y adaptabilidad de los robots.
Arquitectura de tres ordenadores: la base modular de las AI Factories
La eficiencia y escalabilidad de las AI Factories no se entienden sin su arquitectura subyacente. NVIDIA ha diseñado un enfoque modular conocido como la arquitectura de tres ordenadores, que permite soportar grandes cargas de trabajo de inteligencia artificial mediante una estructura optimizada y flexible.
Dion Harris
“La arquitectura de tres ordenadores es un enfoque innovador que redefine la infraestructura de las AI Factories, permitiendo una escalabilidad eficiente y un rendimiento óptimo en el desarrollo de modelos de inteligencia artificial avanzados”.
Esta arquitectura se compone de tres tipos de nodos, cada uno con una función específica en el procesamiento, la conectividad y el almacenamiento de los datos. El diseño busca maximizar el rendimiento del sistema completo, minimizando cuellos de botella y permitiendo la actualización por partes:
- Nodo de cómputo: Contiene unidades de procesamiento gráfico (GPU) que realizan los cálculos intensivos necesarios para el entrenamiento y la inferencia de modelos de IA.
- Nodo de red: Gestiona la comunicación entre los nodos de cómputo, asegurando una transferencia de datos rápida y eficiente mediante tecnologías como NVIDIA Spectrum-X y BlueField-3 DPUs.
- Nodo de almacenamiento: Proporciona la capacidad de almacenamiento necesaria para manejar grandes volúmenes de datos, utilizando soluciones como el almacenamiento NVMe y sistemas de gestión de datos avanzados.
El funcionamiento articulado de estos nodos permite que el sistema responda de forma eficiente ante demandas crecientes. A medida que se integran nuevos modelos, sensores o robots, la infraestructura puede crecer sin necesidad de rediseñar por completo su estructura base.
“En una AI Factory, los nodos de cómputo, red y almacenamiento trabajan en conjunto para soportar las demandas de los modelos de IA. Los nodos de cómputo realizan los cálculos necesarios para entrenar y ejecutar los modelos, mientras que los nodos de red facilitan la comunicación entre ellos, y los nodos de almacenamiento gestionan los datos utilizados en el proceso”.
Este diseño modular también aporta una ventaja operativa relevante: la posibilidad de escalar componentes de manera independiente y realizar actualizaciones sin detener el funcionamiento general del sistema. Esto facilita el mantenimiento continuo en entornos exigentes y reduce los tiempos de inactividad.
“Esta arquitectura permite una escalabilidad eficiente, ya que se pueden añadir más nodos según sea necesario para manejar cargas de trabajo crecientes. Además, el modularidad de la arquitectura facilita la actualización y mantenimiento de los componentes individuales sin afectar al sistema en su conjunto”.
Madison Huang
Optimización del ciclo de vida robótico a través de arquitectura modular
El despliegue de robots autónomos implica un proceso continuo que abarca desde su diseño inicial hasta su operación en campo. NVIDIA plantea que la arquitectura de tres ordenadores no solo entrega rendimiento, sino que permite optimizar cada etapa del ciclo de vida de un robot, habilitando un flujo de trabajo integrado y escalable.
“La arquitectura de tres ordenadores representa un pilar clave para acelerar y optimizar todo el ciclo de vida de un robot autónomo —desde su diseño inicial hasta su operación continua en entornos reales. Esta arquitectura permite construir AI Factories eficientes, escalables y listas para impulsar la era de la IA física y agentica”.
Para entender ese ciclo completo, es necesario descomponerlo en sus fases fundamentales. Desde la simulación inicial hasta la mejora continua basada en datos reales, cada etapa requiere recursos computacionales distintos que esta arquitectura permite orquestar de manera eficiente:
- Diseño y simulación (gemelos digitales, física y comportamiento),
- Entrenamiento de IA (percepción, planeación y control),
- Pruebas y validación en entornos simulados,
- Implementación en el mundo físico,
- Operación, reentrenamiento y actualización continua.
Juan Zago
La siguiente secuencia detalla cómo cada uno de los componentes de la arquitectura interviene específicamente en cada fase, aportando potencia de cómputo, conectividad o almacenamiento según sea el caso. Este enfoque permite transitar de la simulación a la realidad de forma más rápida, segura y sostenible.
El primer paso es la creación del entorno digital en el que se modela y prueba el robot antes de cualquier validación física.
- Diseño y simulación con nodos de cómputo y almacenamiento: Con Omniverse y NVIDIA Isaac Sim, la arquitectura permite crear entornos virtuales realistas donde los ingenieros pueden modelar y probar robots con precisión física. Los nodos de cómputo proporcionan la potencia para renderizado 3D, física y simulación en tiempo real, mientras que los nodos de almacenamiento permiten gestionar grandes volúmenes de datos de simulación.
Akhil Docca
Luego, los modelos que controlarán al robot son entrenados en GPUs de alto rendimiento, optimizando tiempo y capacidad de respuesta.
- Entrenamiento de modelos con nodos de cómputo: Los modelos de IA que dan vida a los robots (visión por computadora, navegación, manipulación, etc.) se entrenan en nodos de GPU de alto rendimiento. Esto reduce significativamente el tiempo de entrenamiento y permite iteraciones más rápidas.
El paso siguiente es asegurar que estos modelos funcionen bajo múltiples condiciones, a través de simulaciones distribuidas.
- Validación a escala con nodos de red: Los nodos de red, especialmente con tecnologías como NVIDIA Spectrum-X, permiten distribuir y escalar simulaciones y pruebas entre distintos clústeres, facilitando pruebas masivas con múltiples escenarios y condiciones virtuales.
Rodrigo Mercado
Una vez validados, los modelos pueden implementarse en robots reales, asegurando despliegues paralelos y gestión remota eficiente.
- Despliegue e inferencia eficiente: Una vez que los modelos están listos, pueden desplegarse en robots físicos, y gracias a la modularidad de la arquitectura, se pueden gestionar múltiples implementaciones en paralelo, actualizando software y monitoreando rendimiento remotamente.
Finalmente, los datos recolectados por los robots en operación se reintegran al ciclo para mejorar continuamente el rendimiento del sistema.
- Retroalimentación y mejora continua: Los datos recolectados por los robots en el mundo real son enviados de vuelta a la AI Factory, almacenados y procesados para reentrenar los modelos. Esta capacidad de aprendizaje cíclico —de la operación al entrenamiento y de vuelta— es posible gracias a la sinergia entre los tres tipos de nodos.
Gemelos digitales en Omniverse para planificación avanzada y seguridad operacional
En la visión de NVIDIA, los gemelos digitales creados en Omniverse no son solo réplicas virtuales: son herramientas fundamentales para transformar cómo se diseñan, prueban e implementan los sistemas robóticos. Esta tecnología permite anticipar riesgos, planificar de forma precisa y entrenar sistemas en entornos seguros y controlados.
“Los gemelos digitales en Omniverse son una herramienta esencial para mejorar la planificación y seguridad en robótica, transformando la forma en que las industrias diseñan, prueban y operan sistemas autónomos”.
En el núcleo de esta tecnología se encuentra el concepto de réplica digital de entornos reales, que permite modelar fábricas, almacenes u operaciones antes de su implementación física. Omniverse entrega las capacidades necesarias para simular en tiempo real la interacción entre máquinas, personas y objetos.
“Un gemelo digital es una réplica virtual precisa de un entorno físico, como una fábrica, un almacén o una línea de ensamblaje. En Omniverse, estos gemelos se crean utilizando el marco OpenUSD y tecnologías como Isaac Sim, lo que permite simular con alta fidelidad las interacciones entre robots, humanos y objetos en tiempo real. Esto facilita la creación de entornos virtuales donde se pueden probar y optimizar sistemas de robótica antes de su implementación física”.
Una de las ventajas clave de estos entornos virtuales es que permiten planificar con alto grado de detalle cada aspecto de la operación robótica, desde rutas hasta interacción con humanos.
- Simulación precisa para planificación avanzada: Los gemelos digitales permiten a los ingenieros diseñar y probar configuraciones de robots en entornos virtuales antes de implementarlos en el mundo real. Esto incluye la planificación de rutas, la optimización de flujos de trabajo y la evaluación de la interacción entre robots y humanos, lo que reduce el riesgo de errores costosos y mejora la eficiencia operativa.
Además de planificar, los entornos simulados ofrecen un espacio controlado y libre de riesgo para entrenar sistemas robóticos en tareas complejas.
- Entrenamiento seguro y eficiente: Omniverse ofrece un entorno seguro para entrenar robots en tareas complejas sin poner en riesgo a las personas ni a los equipos.
También se pueden prever contingencias, como fallos o situaciones críticas, antes de aplicarlas en el entorno físico, lo que ayuda a reducir riesgos.
- Evaluación y mitigación de riesgos: Antes de implementar cambios en la operación, los gemelos digitales permiten simular escenarios de emergencia, fallos de equipo o cambios en la demanda. Esto ayuda a identificar posibles riesgos y a desarrollar estrategias para mitigarlos, mejorando la seguridad general del entorno de trabajo.
Por último, el monitoreo en tiempo real y la integración con sensores reales permiten que los gemelos digitales sean también una herramienta de mantenimiento predictivo y mejora continua.
- Monitoreo y mejora continua: Integrando datos en tiempo real de sensores y sistemas de monitoreo, los gemelos digitales en Omniverse permiten supervisar el rendimiento de los robots y detectar anomalías de manera proactiva. Esto facilita la implementación de mantenimiento predictivo y la mejora continua de los sistemas autónomos.
Aplicación en minería: gemelos digitales para simulación operativa y reducción de riesgos
El enfoque de gemelos digitales no se limita a fábricas o laboratorios. NVIDIA ha impulsado su adopción en industrias pesadas como la minería, donde la simulación avanzada puede marcar la diferencia entre eficiencia operativa y riesgo humano. Un caso destacado es la colaboración entre Skycatch y Teck Resources.
“Skycatch, una empresa emergente con sede en San Francisco ha desarrollado SkyVerse, una plataforma que integra visión artificial, drones, LiDAR y simulación en 3D mediante Omniverse. Esta solución permite a las empresas mineras crear gemelos digitales de sus sitios de operación, lo que facilita la simulación de variables como condiciones climáticas, fallas de maquinaria y más, hasta cinco años en el futuro”.
Angie Lee
El uso de datos en tiempo real y modelos tridimensionales precisos permite anticipar escenarios complejos. Esta capacidad resulta clave en sitios donde la operación debe mantenerse sin interrupciones y con estrictas condiciones de seguridad.
“La plataforma procesa datos en tiempo real utilizando dispositivos como NVIDIA Jetson y genera modelos 3D precisos que se integran en Omniverse para su visualización y análisis. Teck Resources, una de las principales compañías mineras de Canadá, ha implementado esta tecnología en sus sitios globales, mejorando la toma de decisiones operativas y reduciendo riesgos laborales al identificar áreas de peligro y optimizar rutas de maquinaria”.
![[Especial] Marcio Aguiar de NVIDIA: "Las fábricas de inteligencia artificial están dando forma a la autonomía física en el mundo real"](/content/images/size/w150/2025/07/Marcio-Aguiar--2-.jpg)
