La inteligencia corporizada es un sistema inteligente que integra percepción, cognición, toma de decisiones y acción mediante interacción en tiempo real entre entidades físicas y el entorno, abarcando diversas formas como robots humanoides, robots biomiméticos y sistemas ambientales integrados.
La inteligencia incorporada es un sistema inteligente que integra percepción, cognición, toma de decisiones y acción mediante interacción en tiempo real entre entidades físicas y el entorno, abarcando diversas formas como robots humanoides, robots biomiméticos y sistemas ambientales integrados. Actualmente, la inteligencia incorporada sigue evolucionando constantemente gracias a la interacción repetida con el entorno, mejorando notablemente su capacidad de toma de decisiones cognitivas y su desempeño práctico inherente, y acelerando así su evolución hacia una inteligencia general más autónoma y adaptable a múltiples escenarios. Comprender con precisión la tendencia global de innovación tecnológica en inteligencia incorporada y responder activamente a los desafíos profundos reviste una gran importancia para aprovechar las oportunidades y tomar la iniciativa en la nueva ronda de transformación industrial.
El desarrollo global de la tecnología de inteligencia incorporada muestra cinco tendencias principales
Actualmente, la tecnología global de inteligencia incorporada muestra una tendencia acelerada de evolución, con avances en cinco dimensiones: percepción e interacción, toma de decisiones y cognición, control y ejecución, fusión de datos entre los dominios virtual y real, e integración de sistemas, lo que impulsa la transición de la inteligencia incorporada desde el laboratorio hacia aplicaciones a gran escala.
Uno es la integración de modelos del mundo y la transición de la interacción perceptiva. Impulsada por el modelo del mundo y la tecnología de percepción multimodal, la inteligencia encarnada ha mejorado significativamente su capacidad para comprender e interactuar con entornos físicos, logrando un cambio de paradigma desde la «respuesta a estímulos» hasta la «toma de decisiones deductivas», y desde la reestructuración de datos hasta la comprensión de patrones. Meta ha lanzado el modelo del mundo V-JEPA2, capaz de predecir las consecuencias de distintas conductas y clasificarlas según sus objetivos, lo que mejora notablemente la precisión de las acciones. La Universidad de Pekín ha propuesto una arquitectura de modelo de lenguaje y acción multisensorial (MLA), que incorpora una modalidad multisensorial completa y ofrece una base más fiable para la toma de decisiones mediante la integración de señales heterogéneas.
En segundo lugar, existe una tendencia de extremo a extremo y un cambio de paradigma en la toma de decisiones. La arquitectura jerárquica de toma de decisiones de la inteligencia corporizada «cerebro + cerebelo» ha madurado y se aplica cada vez más; el modelo de extremo a extremo, con sus ventajas de amplia cobertura, baja latencia, alta autonomía y fuerte colaboración, ha demostrado un gran potencial en la exploración de la inteligencia corporizada hacia una generalización general. La robótica Gemini de Google DeepMind se basa en una arquitectura VLA de extremo a extremo y posee una excelente capacidad de generalización cruzada entre ontologías; el modelo DOBOT-VLA, desarrollado de forma independiente por Yuejiang en China, integra capacidades visuales, lingüísticas y de control, y ha sido optimizado mediante aprendizaje por refuerzo en entornos reales. Equipado con su robot humanoide ATOM, alcanzó la producción en masa en 2025 y puede ejecutar tareas complejas como caminar, equilibrio dinámico y ensamblaje de precisión.
En tercer lugar, los avances en materiales flexibles han dado lugar a la aparición de capacidades autorreparadoras. La revolución de los materiales está impulsando la evolución de la inteligencia incorporada, pasando de un «extremo rígido de ejecución» a una «ontología de adaptación inteligente». Los sensores táctiles tipo piel y la piel electrónica permiten que la inteligencia incorporada cuente con capacidades altamente sensibles de percepción ambiental, mientras que la estructura flexible biomimética otorga a las formas de vida inteligentes incorporadas capacidades multimodales de movimiento —como reptación, rodadura y peristalsis—, adaptándose eficazmente a diversos escenarios de aplicación y ampliándolos. Los materiales autorreparables logran avances activos en autorreparación: tras sufrir daños, pueden alcanzar una recombinación reversible de enlaces químicos bajo la acción de la luz y el calor. Integran funciones de detección, localización y autorreparación de daños, mejorando notablemente la durabilidad y fiabilidad de la inteligencia incorporada en entornos complejos y severos, lo que garantiza su funcionamiento autónomo a largo plazo.
El cuarto es la integración de datos virtuales y reales, y la unificación de los estándares de datos. El alto costo y la escala reducida de la recolección de datos con máquinas reales, así como su limitada capacidad de generalización a entornos no vistos, se han convertido en cuellos de botella para el desarrollo de la inteligencia corporizada. La fuente de datos generativa es un entorno de simulación creado a partir del modelo grande, con gran volumen y alto grado de estructura, lo que permite cubrir la brecha de datos a bajo costo. Combinado con restricciones basadas en leyes físicas y paradigmas de datos mixtos, y calibrado con datos reales de máquinas, puede reducir significativamente la brecha entre simulación y realidad. La empresa nacional 51Sim ha acumulado escenarios de conducción asistida de extremo a extremo y datos sintetizados basados en la plataforma Nvidia, utilizados con éxito para el entrenamiento de robots en escenarios complejos como puertos y minas. La plataforma "Dome DOME" unifica las interfaces de datos y las especificaciones de formato, elimina los silos de datos, construye un lenguaje universal para la industria y promueve eficazmente la interoperabilidad entre escenarios y el suministro de datos de alta calidad.
El quinto objetivo es lograr la colaboración heterogénea y construir una base segura. La desacoplación entre software y hardware, junto con la integración modular, está acelerando el desarrollo de sistemas operativos inteligentes incorporados para alcanzar compatibilidad cruzada entre ontologías y colaboración heterogénea. La arquitectura OpenRMF unifica las "reglas de tráfico" y el "lenguaje de comunicación" de los robots, lo que permite operaciones colaborativas entre grupos de máquinas heterogéneas; el OM1 lanzado por OpenMind admite la conexión y uso inmediato (plug and play) y el desarrollo cruzado entre ontologías de las APIs de los principales modelos grandes. La integración del sistema refuerza la base del proyecto, garantizando seguridad, confiabilidad y cumplimiento de las restricciones fundamentales. Técnicas de computación privada, como el entrenamiento adversarial y la privacidad diferencial, permiten la colaboración entre instituciones sin revelar datos brutos, construyendo así un sistema activo y seguro de defensa en profundidad para aplicaciones a gran escala de inteligencia incorporada.
Adoptar múltiples medidas para potenciar la competitividad de la inteligencia incorporada de China
Actualmente, la inteligencia incorporada de China se encuentra en una etapa crítica de coordinación entre avances tecnológicos, introducción industrial y desarrollo del ecosistema. La localización de los componentes hardware fundamentales se ha acelerado, y el rendimiento de los modelos grandes ha mejorado notablemente. La capacidad computacional nacional puede ejecutar eficientemente modelos complejos, y ya se han desarrollado capacidades aplicadas iniciales en algunos ámbitos. Sin embargo, ante una competencia internacional cada vez más intensa, no se pueden ignorar los desafíos profundos que plantea la inteligencia incorporada.
En primer lugar, es necesario mejorar la capacidad de control autónomo y la autonomía de los componentes clave, ya que actualmente existe una alta dependencia externa respecto a los motores servo, los reductores y los sensores de gama alta. La autonomía del sistema energético es insuficiente y persisten debilidades en la capacidad de desarrollo integral propio. En segundo lugar, el sistema de normas y el ecosistema industrial aún requieren mejoras: las interfaces de hardware, los protocolos de comunicación y las normas de compatibilidad de software son inconsistentes; los silos de datos son generalizados; la influencia de las comunidades de código abierto es limitada; y hay una oferta insuficiente de datos interactivos de alta calidad. En tercer lugar, el sistema de gobernanza de la seguridad también necesita mejorarse: resulta difícil definir la distribución de responsabilidades en caso de accidentes provocados por sistemas autónomos; la recopilación continua de datos sensibles puede generar fácilmente riesgos como fugas de datos y vulneraciones de la privacidad; y se debe fortalecer el mecanismo de confianza para la colaboración entre instituciones.
Ante los desafíos mencionados anteriormente, China debe aprovechar el período de oportunidad para el desarrollo, tomar la innovación independiente como núcleo, la elaboración de normas como punto de partida y la gobernanza en materia de seguridad como límite mínimo, acelerar la formación de un ecosistema industrial inteligente integrado e inyectar un impulso sólido al desarrollo de una nueva productividad de alta calidad y a la construcción de un país tecnológicamente potente.
Uno es fortalecer la disposición de las fuerzas tecnológicas estratégicas y consolidar los cimientos de la innovación independiente. Apoyándonos en el nuevo sistema nacional, reforzaremos las capacidades científicas y tecnológicas estratégicas de los laboratorios nacionales clave en el campo de la inteligencia corporizada, y llevaremos a cabo investigaciones científicas organizadas en torno a direcciones de vanguardia como el modelo de fusión de tres dominios «física-información-cognición», la arquitectura de toma de decisiones de extremo a extremo y los materiales flexibles biomiméticos. Profundizaremos la integración entre industria, academia e investigación liderada por empresas, apoyaremos a las empresas tecnológicas líderes para que asuman la iniciativa en la formación de consorcios de innovación, concentraremos recursos ventajosos para superar los cuellos de botella en la localización de componentes clave como motores servo, reductores y tornillos de rodillos planetarios, conectaremos toda la cadena de «investigación básica — desarrollo tecnológico — aplicación industrial» y romperemos las ataduras al desarrollo industrial desde su origen.
El segundo es construir un ecosistema industrial abierto y colaborativo, liderando el desarrollo de alta calidad mediante estándares elevados. Acelerar el desarrollo de interfaces hardware transversales, protocolos de comunicación y estándares de compatibilidad de software, y promover software básico independiente y controlable, como sistemas operativos y middleware. Explorar la creación de entidades de alto nivel para la agregación y gobernanza de datos, desarrollar estándares para la recopilación y anotación de datos multimodales, construir referencias de simulación y plataformas abiertas de datos para escenarios clave como la fabricación inteligente y las operaciones de alto riesgo, y eliminar las barreras a la circulación de datos. Fomentar decididamente un ecosistema local de código abierto, incentivar a universidades, institutos de investigación y empresas para que conjuntamente desarrollen sistemas compartidos de potencia computacional para algoritmos, reducir las barreras de investigación y desarrollo, acelerar la iteración tecnológica y liderar la mejora de la calidad industrial mediante una normalización de alto nivel y el código abierto.
El tercero es establecer un sistema sólido de gobernanza en materia de seguridad y sentar así las bases para un desarrollo fiable. Construir un mecanismo de protección escalonada que abarque la seguridad algorítmica, la seguridad de los datos y la seguridad física, aclarando los límites de derechos y responsabilidades de todas las partes implicadas en la producción, el uso, el suministro de algoritmos y la supervisión. Investigación prospectiva sobre la determinación de la responsabilidad en accidentes, la colaboración transinstitucional y las reglas de gobernanza basadas en la confianza mutua, así como directrices éticas y de seguridad para comportamientos específicos, como la navegación autónoma y la colaboración grupal. Explorar modelos regulatorios inclusivos y prudentes, realizar evaluaciones éticas y de seguridad a lo largo de todo el ciclo de vida, establecer sistemas proactivos y seguros de defensa en profundidad, y ofrecer garantías institucionales para la implementación a gran escala y el desarrollo saludable a largo plazo de la inteligencia corporizada.
EN
