La inteligencia artificial física tiene un nuevo campo de batalla, y no es un laboratorio ni una fábrica: son los rankings que pretenden medirla. En junio, una start-up china fundada hace apenas un año —Spirit AI, con sede en Hangzhou— logró un hito que ningún laboratorio occidental había conseguido: superar brevemente a Nvidia y colocarse en el primer puesto de RoboArena, el benchmark global de referencia para la inteligencia artificial física. El modelo responsable, Spirit v1.6, se lanzó ese mismo mes. Lo que podría haber sido una celebración del dinamismo tecnológico chino se ha convertido en un interrogante incómodo: ¿fue un logro legítimo o una manipulación deliberada del sistema de evaluación? La pregunta no la formula un competidor ni un escéptico de la tecnología china. La plantea abiertamente el South China Morning Post (SCMP), uno de los medios más influyentes de Asia, bajo un titular que ya es todo un diagnóstico: si una start-up china de inteligencia artificial física ha manipulado un ranking global para vencer a Nvidia.

Benchmarks de inteligencia artificial física: la mecánica de la sospecha

El caso no es un incidente aislado en el ecosistema de la inteligencia artificial; es la primera gran prueba pública de que los benchmarks de robots autónomos —el terreno donde China y Estados Unidos libran la próxima batalla tecnológica— pueden ser vulnerables a la manipulación. El ascenso de la start-up a la cima fue breve, según el análisis del SCMP. Esa volatilidad es precisamente lo que alimenta las sospechas: en un campo donde los resultados deberían ser reproducibles y estables, un salto repentino a la cima seguido de una caída sigue el patrón clásico de un sistema optimizado para superar una prueba concreta, no para demostrar capacidades reales.

Si eso es lo que ocurrió con Spirit v1.6, el episodio no sería una anomalía, sino un síntoma de un problema estructural: los sistemas de evaluación actuales no están diseñados para distinguir entre competencia genuina y sobreajuste deliberado.

El caso Spirit AI y la asimetría informativa

Uno de los aspectos más reveladores es la asimetría informativa que rodea al caso. El análisis del SCMP, publicado en inglés, formula la pregunta de manera explícita, algo que ningún competidor ni escéptico había planteado con tanto detalle. La compañía no ha dado explicaciones; Nvidia guarda silencio; los organismos que gestionan RoboArena no han publicado, hasta donde se sabe, una investigación sobre lo ocurrido. Ese limbo beneficia a ambas partes: a Spirit AI, que no tiene que defender su logro, y a los críticos, que pueden insinuar sin necesidad de pruebas.

Esta asimetría no es inocente. En la guerra tecnológica entre Washington y Pekín, la narrativa importa tanto como los chips. Si China puede demostrar que sus empresas lideran no solo en modelos de lenguaje, sino también en robótica autónoma, la percepción de superioridad tecnológica estadounidense —ya erosionada por DeepSeek y otros laboratorios chinos— sufriría un golpe adicional. Por eso el caso de Spirit AI trasciende sus cifras concretas: es un campo de batalla narrativo donde la verificación independiente se ha convertido en la primera baja.

El contexto: la próxima gran guerra tecnológica

El episodio no puede entenderse sin el telón de fondo de la competencia por la inteligencia artificial física. Mientras los modelos de lenguaje han dominado el ciclo tecnológico de los últimos dos años, el consenso entre los principales laboratorios del mundo apunta a la próxima generación de sistemas autónomos: robots capaces de desenvolverse en el mundo físico, mucho más allá de las pantallas.

La conexión con la guerra comercial por los semiconductores es directa. Si los benchmarks de robótica no son fiables, las promesas de superioridad tecnológica que se construyen sobre ellos se tambalean. Y si no podemos confiar en los sistemas de evaluación, ¿cómo tomar decisiones de inversión, regulación o política industrial basadas en esos datos? La pregunta no es retórica: las subvenciones, las restricciones a la exportación y los aranceles se justifican con frecuencia apelando a quién lidera cada campo. Si los datos que sustentan esas políticas son manipulables, las políticas mismas se construyen sobre arena.

El problema de fondo: medir lo que aún no entendemos

El caso de Spirit AI apunta a una dificultad más profunda que la mala conducta de una start-up concreta: la evaluación de los sistemas autónomos. A diferencia de los modelos de lenguaje, donde existen pruebas estandarizadas relativamente maduras, la inteligencia artificial física opera en entornos tridimensionales, dinámicos y parcialmente impredecibles. Evaluar si un robot puede navegar un almacén, manipular objetos frágiles o reaccionar a imprevistos no es como comprobar si un modelo responde preguntas de cultura general: requiere entornos de prueba físicos, protocolos estandarizados y una supervisión que aún no existe a escala global.

Cuando los criterios son opacos, cuando los entornos no están auditados y cuando los propios participantes pueden influir en el diseño del benchmark, la línea entre competencia legítima y trampa deliberada se difumina. El caso de Spirit AI no es, probablemente, ni el primero ni el último: es sencillamente el primero que ha saltado a la luz pública con la fuerza suficiente para que un medio de la talla del SCMP le dedique un titular.

La lección: la confianza es el recurso más escaso

El episodio deja una lección incómoda para la industria: en la carrera por la inteligencia artificial física, la confianza se ha convertido en el recurso más escaso. No basta con desarrollar modelos brillantes; hay que demostrar que los resultados son reales, reproducibles y obtenidos sin atajos. Eso exige una infraestructura de verificación que hoy no existe: benchmarks auditados por terceros independientes, protocolos de evaluación públicos y sanciones creíbles para quienes manipulen los resultados.

Mientras tanto, el caso queda en el limbo. Según el SCMP, Spirit AI no ha respondido públicamente a las acusaciones; Nvidia no ha comentado el episodio; y los organismos que gestionan RoboArena no han publicado, hasta donde se sabe, una investigación sobre lo ocurrido. En ese vacío, la sospecha se instala como verdad provisional. Y esa es, quizás, la consecuencia más dañina: no que una start-up china haya podido manipular un ranking, sino que ya no podamos distinguir con certeza cuándo un resultado es real y cuándo es un espejismo cuidadosamente construido. En la guerra por la inteligencia artificial física, el primer campo de batalla no será el laboratorio, sino la credibilidad de quienes miden el progreso.