¿El tamaño de los datos de IA de entidad debe ampliarse 100 veces? Mechanism Capital revela las variables clave para 2026

Según las últimas noticias, el socio de Mechanism Capital, Andrew Kang, afirmó recientemente que en 2026 la escala de datos de AI física se ampliará 100 veces. Esta predicción refleja avances tecnológicos significativos en los campos de robots y AI física en 2025, desde la arquitectura de modelos y métodos de entrenamiento hasta la recopilación de datos.

Los avances tecnológicos de 2025 allanan el camino para la explosión de datos

En 2025, el campo de los robots resolvió varios problemas clave de larga data. Según el análisis de Andrew Kang, estos avances incluyen:

• Innovaciones en la arquitectura de modelos y métodos de entrenamiento que permiten a los sistemas de AI aprender de manera más eficiente
• Avances en tecnologías de recopilación de datos que hacen posible la recolección a gran escala, pasando de ser una idea a una realidad
• Mejoras en la comprensión de la calidad de los datos y en las fórmulas de datos, aumentando la utilidad de los datos
• Aplicaciones innovadoras de técnicas de aprendizaje reforzado, logrando tasas de éxito superiores al 99% en empresas como Figure, Dyna y PI en escenarios reales
• Avances en tecnologías de memoria que rompen con las limitaciones de la “pared de memoria” anterior

Un cambio clave de la teoría a la práctica

¿A qué apuntan estos avances en conjunto? A que las empresas de AI ahora tienen confianza para invertir en la recopilación de datos a gran escala. En otras palabras, los avances tecnológicos de 2025 resuelven la cuestión de “¿se puede hacer?”, mientras que la explosión de datos en 2026 responde a “¿cómo hacerlo a gran escala?”.

Andrew Kang mencionó que tecnologías como ReMEmber, Titans y MIRAS de NVIDIA permiten la memoria durante las pruebas, y modelos de lenguaje visual (VLM) más avanzados proporcionan una mejor comprensión espacial para los modelos de acción de lenguaje visual (VLA). Estos avances significan que los sistemas no solo podrán manejar más datos, sino también extraer un valor más profundo de ellos.

La importancia del crecimiento de 100 veces en escala de datos para el mercado

¿Por qué es crucial esa cifra de 100 veces?

Según información de las noticias, en 2025 ya se observan capacidades emergentes gracias a la escala de datos, como mapeo de capacidades de cero muestras, sensibilidad a la fuerza visual y razonamiento físico general. En otras palabras, los datos a mayor escala ya están mostrando nuevas dimensiones de capacidad. La expectativa de un crecimiento de 100 veces implica que estas capacidades se liberarán de forma exponencial.

La resonancia con las aplicaciones de AI en el ámbito de las criptomonedas

Curiosamente, esta tendencia se alinea con la actualización de aplicaciones de AI en el sector de las criptomonedas. Según las últimas noticias, Nansen AI se actualizará en 2026 para convertirse en un producto de transacciones en cadena de pila completa, soportando todas las transacciones en cadena mediante AI. Desde análisis de datos hasta ejecución de transacciones, esta actualización refleja en cierta medida los avances en la capacidad de procesamiento y toma de decisiones de la AI física en múltiples ámbitos.

Áreas de interés para el seguimiento futuro

El potencial de un crecimiento de 100 veces en la escala de datos de AI física en 2026 implica varias direcciones de desarrollo posibles:

• La versatilidad y capacidad de adaptación de los sistemas de AI mejorarán significativamente
• La eficiencia en los procesos de etiquetado y procesamiento de datos podría convertirse en un nuevo foco competitivo
• Los escenarios de aplicación de la AI física se expandirán y profundizarán aún más
• La demanda de infraestructura y herramientas relacionadas aumentará considerablemente

Resumen

Esta predicción de Andrew Kang no surge de la nada, sino que se basa en avances sustanciales en múltiples dimensiones tecnológicas en el campo de la AI física en 2025. Desde el aprendizaje reforzado y las tecnologías de memoria, hasta la recopilación y comprensión de la calidad de los datos, estos avances apuntan a una era de recopilación y aplicación de datos a gran escala. La expectativa de un crecimiento de 100 veces en la escala de datos refleja una transición de “¿se puede hacer?” a “¿cómo hacerlo a gran escala?”. Este cambio podría comenzar a manifestarse en toda la cadena de la industria de AI en 2026.