IA Física de NVIDIA en NeurIPS: Alpamayo-R1 y el Ecosistema Cosmos

12 de diciembre de 2025

Actualización de diciembre de 2025: NVIDIA lanzó Alpamayo-R1 (AR1) en NeurIPS 2025, el primer modelo de visión-lenguaje-acción de razonamiento abierto para conducción autónoma. La plataforma Cosmos se expandió con LidarGen para simulación y ProtoMotions3 para robótica humanoide. Figure AI, 1X, Agility Robotics y otros líderes en robótica están construyendo sobre este ecosistema.

Resumen Ejecutivo

NVIDIA está liberando como código abierto los componentes fundamentales de la IA física. Alpamayo-R1 combina razonamiento de cadena de pensamiento con planificación de trayectorias para vehículos autónomos—una capacidad anteriormente restringida a sistemas propietarios. La plataforma de modelos de fundación mundial Cosmos ahora incluye generación de video, síntesis de lidar y herramientas de entrenamiento para robots humanoides. Con importantes empresas de robótica adoptando estos modelos, NVIDIA se posiciona como la capa de infraestructura para robots y vehículos autónomos de la misma manera que domina el entrenamiento de LLMs.

Qué Ocurrió

NVIDIA presentó Alpamayo-R1 (AR1) en NeurIPS 2025 en San Diego el 1 de diciembre, describiéndolo como "el primer modelo de visión-lenguaje-acción (VLA) de razonamiento abierto a escala industrial del mundo para conducción autónoma."¹

El modelo integra razonamiento de cadena de pensamiento de IA con planificación de rutas. AR1 descompone escenarios de conducción paso a paso, considera posibles trayectorias y luego utiliza datos contextuales para seleccionar rutas óptimas.² El enfoque busca mejorar la seguridad en escenarios complejos y casos límite que desafían los sistemas tradicionales de vehículos autónomos.

"Así como los grandes modelos de lenguaje revolucionaron la IA generativa y agéntica, los modelos de fundación mundial Cosmos son un avance revolucionario para la IA física", declaró Jensen Huang en los anuncios anteriores de CES y GTC.³

AR1 se construye sobre Cosmos-Reason1-7B, un modelo de visión-lenguaje de razonamiento que NVIDIA lanzó como parte de la plataforma Cosmos más amplia.⁴ El modelo, el marco de evaluación (AlpaSim) y un subconjunto de datos de entrenamiento están disponibles en GitHub y Hugging Face bajo licencias abiertas para investigación no comercial.

Por Qué Importa para la Infraestructura

La IA Física Escala Como los LLMs: La plataforma Cosmos aplica el mismo enfoque que funcionó para los modelos de lenguaje (grandes modelos de fundación, pesos abiertos, herramientas para desarrolladores) a la robótica y los vehículos autónomos. Las organizaciones pueden ajustar Alpamayo-R1 o los modelos Cosmos con datos propietarios en lugar de construir desde cero.

La Simulación Se Convierte en Diferenciador: LidarGen genera datos lidar sintéticos; Cosmos Transfer convierte simulaciones en video fotorrealista; ProtoMotions3 entrena robots humanoides en entornos con física precisa. Los requisitos de cómputo son sustanciales: entrenar una sola política de robótica típicamente requiere 1,000-10,000 horas de GPU en hardware clase H100. Las organizaciones que entran en IA física necesitan clústeres de GPU dedicados o asociaciones con neoclouds.

El Código Abierto Acelera la Adopción: Al liberar AR1 abiertamente, NVIDIA impulsa la adopción de su stack de hardware. Cada organización que entrena o ajusta estos modelos lo hace en GPUs de NVIDIA. La estrategia de modelo abierto demostró ser efectiva para el desarrollo de LLMs; NVIDIA la aplica a la IA física.

El Ecosistema de Robótica Madura: Figure AI, 1X, Agility Robotics y X-Humanoid construyendo sobre Cosmos señala que la industria de robótica humanoide está convergiendo en infraestructura compartida. Esto es similar a cómo el desarrollo de IA en la nube se estandarizó en PyTorch y arquitecturas transformer.

Detalles Técnicos

Arquitectura de NVIDIA DRIVE Alpamayo-R1

Enfoque de razonamiento de AR1:⁵ 1. Percibe el entorno a través de entradas multimodales 2. Razona a través del proceso de decisión usando cadena de pensamiento 3. Genera predicciones de trayectoria 4. Articula acciones a través de descripciones en lenguaje natural

Las evaluaciones muestran rendimiento de última generación en métricas de razonamiento, generación de trayectorias, alineación, seguridad y latencia.⁶

Componentes de la Plataforma Cosmos

LidarGen

El primer modelo mundial que genera datos lidar sintéticos para simulación de vehículos autónomos:⁷ - Construido sobre la arquitectura Cosmos - Genera mapas de rango y nubes de puntos - Permite pruebas de escenarios basadas en lidar sin recolección de datos de sensores físicos - Reduce los requisitos de datos del mundo real para el desarrollo de vehículos autónomos

ProtoMotions3

Marco acelerado por GPU para entrenamiento de robots humanoides:⁸ - Construido sobre NVIDIA Newton e Isaac Lab - Usa escenas generadas por Cosmos WFM - Entrena humanos digitales y robots humanoides simulados físicamente - Los modelos de política se exportan a NVIDIA GR00T N para hardware real

Adopción en la Industria

Organizaciones que utilizan los modelos de fundación mundial Cosmos:⁹

Pras Velagapudi, CTO de Agility Robotics: "Cosmos nos ofrece la oportunidad de escalar nuestros datos de entrenamiento fotorrealistas más allá de lo que podemos recopilar factiblemente en el mundo real."¹⁰

Anuncios Más Amplios de NeurIPS

Los investigadores de NVIDIA presentaron más de 70 artículos, charlas y talleres en NeurIPS 2025.¹¹ Los lanzamientos abiertos adicionales incluyen:

Modelos de IA Digital: - MultiTalker Parakeet: Reconocimiento de voz para entornos con múltiples hablantes - Sortformer: Modelo de diarización de hablantes - Nemotron Content Safety Reasoning: Evaluación de seguridad

Reconocimientos: - El Índice de Apertura de Artificial Analysis calificó a la familia NVIDIA Nemotron como "entre las más abiertas en el ecosistema de IA"¹²

Qué Viene

2026: Despliegues en producción de derivados de Alpamayo-R1 en programas de vehículos autónomos Nivel 4.

2026-2027: Los fabricantes de robots humanoides envían productos entrenados con el pipeline de Cosmos/ProtoMotions3.

En curso: La plataforma Cosmos se expande con modelos mundiales adicionales para dominios especializados (manufactura, logística, salud).

Impacto en el Mercado: Las industrias de manufactura y logística de $50 billones que Huang menciona requerirán infraestructura masiva de GPU para simulación e inferencia. La IA física representa el próximo vector de crecimiento de NVIDIA más allá del entrenamiento de LLMs.

Conclusiones Clave

Para planificadores de infraestructura: - La simulación de IA física requiere 1,000-10,000 horas de GPU por política de robótica en hardware clase H100 - Los flujos de trabajo basados en Cosmos impulsan la demanda de hardware NVIDIA; presupueste en consecuencia para programas de vehículos autónomos/robótica - La generación de datos sintéticos reduce pero no elimina las necesidades de recolección de datos del mundo real - Los plazos de autonomía Nivel 4 dependen de avances en modelos de razonamiento como AR1 - Isaac Sim requiere RTX 4090 como mínimo; el entrenamiento en producción requiere clústeres A100/H100

Para equipos de operaciones: - Modelos abiertos disponibles en GitHub y Hugging Face para evaluación - AlpaSim proporciona un marco de evaluación estandarizado - Integración con Isaac Lab/Isaac Sim para desarrollo de robótica - LidarGen permite simulación de lidar sin hardware

Para planificación estratégica: - La IA física sigue el manual de los LLM: modelos de fundación, ajuste fino, ecosistema abierto - La industria de robótica se consolida en el stack de infraestructura de NVIDIA - Los tiempos de 1X, Figure AI y Agility sugieren productos humanoides en 2026-2027 - La IA para manufactura/logística representa la próxima ola de inversión en infraestructura

Referencias

Para infraestructura GPU que soporte el desarrollo de IA física, contacte a Introl.