Todos están centrados en quién lanza la demo humanoide más llamativa. Jim Fan acaba de contarte la verdadera carrera: ¿quién puede generar suficientes datos de física sintética para cerrar una brecha de 100.000 años? Ese número no es una exageración. Ken Goldberg, en Berkeley, calculó que los datos de texto usados para entrenar LLMs tardarían 100.000 años en leerlos a un humano. Los robots tienen acceso a casi nada de ese equivalente para manipulación física. Cada agarre, cada tropiezo, cada cambio de peso debe aprenderse desde cero o simularse. Por eso Fan's lab lanza tres versiones de modelo en nueve meses (N1 en marzo, N1,5 en junio y N1,6 en diciembre), mientras que la mayoría de las empresas de robótica siguen recopilando demostraciones reales. NVIDIA no compite solo por hardware. Compiten por su capacidad de generar datos sintéticos ilimitados de entrenamiento a través de Omniverse. La pila GR00T revela la estrategia: GR00T Dreams genera datos de vídeo sintéticos. GR00T-Gen crea entornos de simulación. GR00T-Mimic genera trayectorias. Cada componente existe para fabricar datos de física que no existen en internet. El encuadre de Fan con el "Test de Turing Físico" es preciso. Construiremos sistemas que puedan razonar sobre proteínas y demostrar teoremas antes de construir sistemas que puedan doblar la ropa de forma fiable. Physical Intelligence lo demostró la semana pasada cuando abordaron las tareas del desafío "Olimpiadas de Robots" de Benjie Holson. Su modelo ganó medallas de oro en 3 de 5 categorías. Pero fíjate en lo que no pudieron resolver: tareas que requieren el uso de herramientas con propiedades físicas específicas. La frontera no es razonamiento. Es dinámica de contacto. OpenAI y Anthropic escalan raspando internet. La IA física no tiene internet para extraer. El equipo que gana es quien descubra cómo fabricar 100 millones de horas de experiencia física dentro de la simulación y transferirlas al mundo real. NVIDIA, con su ADN gráfico, infraestructura de simulación y un equipo de 30 personas que abre sistemáticamente modelos de fundamentos, podría estar mejor posicionada que nadie para hacer exactamente eso.