Elon Musk predice mil millones de robots humanoides para 2036, pero las cifras son implacables
Según informes, Elon Musk ha predicho que existirán más de mil millones de robots humanoides en todo el mundo para 2036. La afirmación apareció en una nota de RSSHub 36Kr publicada el 2 de septiembre, que citaba a CCTV Finance. Describe una población de máquinas cercana a un robot por cada nueve personas.
Esa cifra no es simplemente una previsión de mercado optimista. Implica construir en diez años una industria mayor que el sector automotriz actual. También exige que los robots humanoides se vuelvan asequibles, fiables, útiles y aceptables en lugares de trabajo y hogares radicalmente distintos.
La distancia entre esa visión y la realidad actual es enorme. Según informes, se enviaron más de 13.000 humanoides durante 2025, mientras que Tesla entregó solo unos cientos o menos. Alcanzar mil millones de máquinas desplegadas exigiría que la producción creciera varios órdenes de magnitud.
Según informes, Musk también sostuvo que mil millones de robots producirían más que la producción combinada de la humanidad. Vinculó la inteligencia artificial con un posible crecimiento económico global del 20% al 30%, equivalente a billones de dólares en actividad anual adicional.
Estas estimaciones de productividad y economía no han sido verificadas de forma independiente. Las declaraciones originales no estuvieron acompañadas de un modelo publicado que explicara las tasas de producción, las horas de trabajo, el desempeño en tareas, los costes de capital o los efectos de desplazamiento laboral.
Por tanto, la verdadera historia no es si los robots pueden bailar, doblar una camisa o mover piezas dentro de un área de demostración. Es si los fabricantes pueden convertir la IA incorporada en mano de obra fiable a una escala sin precedentes.
La previsión de Musk para 2036 adelanta el calendario de los robots
La predicción de Musk comprime hasta un plazo de solo diez años una previsión habitualmente asociada con 2050.
La predicción reportada del 2 de septiembre afirma que Musk espera al menos mil millones de robots humanoides en una década. El informe atribuye las declaraciones subyacentes al 1 de septiembre, pero ofrece un contexto limitado sobre el lugar o los supuestos de previsión.
Esa falta de contexto importa. Una previsión puede describir la producción anual, la producción acumulada, las instalaciones activas o las máquinas técnicamente capaces de movimiento humanoide. Estas definiciones producen tamaños de mercado muy diferentes.
La entrada de RSSHub 36Kr describe la cifra como el número de robots humanoides en todo el mundo. No especifica si los robots retirados, experimentales, operados a distancia o programados para funciones muy limitadas cuentan para el total.
Un robot humanoide generalmente combina un cuerpo similar al humano con software para la percepción, el movimiento y la ejecución de tareas. Esta forma ayuda a una máquina a operar alrededor de escaleras, puertas, estanterías, herramientas y puestos de trabajo diseñados originalmente para personas.
La definición todavía deja un margen considerable para la interpretación. Un robot de almacén que sigue rutas fijas difiere notablemente de una máquina de propósito general capaz de entrar en un hogar desconocido y completar instrucciones abiertas.
El calendario de Musk también difiere de una destacada proyección de Wall Street. Morgan Stanley espera que la población instalada de humanoides se acerque a mil millones hacia 2050, no en 2036.
Su previsión del mercado de humanoides indica que la adopción debería mantenerse relativamente lenta hasta mediados de la década de 2030. El crecimiento se aceleraría después durante los últimos años de esa década y en la década de 2040.
Morgan Stanley espera que cerca del 90% de esas máquinas trabajen en entornos industriales o comerciales para 2050. Proyecta un mercado doméstico mucho menor porque el trabajo en el hogar exige mayor flexibilidad, seguridad y aceptación social.
En la práctica, Musk adelanta ese hito de mil millones de unidades aproximadamente 14 años. Su predicción exige que la fase de aceleración comience casi de inmediato, en lugar de después de otra década de desarrollo técnico.
La comparación con la población hace que la afirmación parezca más tangible. Una proyección de las Naciones Unidas sitúa la población mundial cerca de los nueve mil millones alrededor de 2037. Por tanto, mil millones de robots equivaldrían aproximadamente a un humanoide por cada nueve personas.
Esa proporción también puede resultar engañosa. Es probable que la mayoría de las primeras máquinas se concentren en fábricas, almacenes, minas, hospitales e instalaciones logísticas. No se distribuirían de forma uniforme entre hogares o países.
Una fábrica podría operar cientos de robots mientras los hogares cercanos no poseen ninguno. Por tanto, la proporción económica relevante es de robots por tarea, instalación u hora de trabajo, no de robots por persona.
La afirmación de productividad de Musk depende de la misma distinción. Mil millones de máquinas trabajando turnos largos podrían generar una inmensa producción bruta. Sin embargo, su contribución útil depende del tiempo de actividad, la supervisión, el mantenimiento, la energía, el éxito en las tareas y el valor del trabajo completado.
Un robot que realiza una tarea de producción fiable puede generar valor medible. Una máquina de propósito general que requiere intervención frecuente puede consumir más trabajo del que sustituye.
La predicción se entiende mejor como un objetivo industrial, no como una perspectiva medida. Describe la escala que Musk cree que la IA incorporada puede alcanzar si la fabricación y la autonomía mejoran a la vez.
Ese encuadre hace que la previsión sea relevante incluso si la cifra exacta resulta incorrecta. Sitúa la fabricación de humanoides, y no solo la fabricación de vehículos, cerca del centro de la identidad a largo plazo de Tesla.
Tesla tiene un plan de un millón de unidades, no una industria de mil millones
El plan de producción divulgado por Tesla establece un punto de partida creíble, pero sigue estando tres órdenes de magnitud por debajo de la previsión global de Musk.
Tesla afirmó en su actualización corporativa de enero de 2026 que Optimus Gen 3 sería su primer diseño pensado para la producción en masa. La empresa planeaba presentar el diseño durante el primer trimestre.
Tesla también afirmó que estaba preparando su primera línea de producción de Optimus. El trabajo incluía la preparación de la cadena de suministro, y se esperaba que la producción comenzara antes de finales de 2026.
La línea prevista acabaría respaldando una capacidad anual de un millón de robots. Tesla señaló cuidadosamente que la capacidad instalada no equivale a la producción real.
Esa distinción es esencial. La producción de una fábrica depende del suministro de componentes, el tiempo de actividad del equipamiento, la preparación del software, las condiciones regulatorias, el control de calidad y la demanda.
Incluso un millón de unidades anuales representaría un gran logro de fabricación. Sin embargo, una sola línea operando a ese ritmo durante diez años produciría solo diez millones de robots antes de considerar retiradas y pérdidas de producción.
Suministrar mil millones de robots activos para 2036 requiere mucho más. La industria tendría que promediar cerca de 100 millones de incorporaciones netas anuales a lo largo de la década.
Dado que la producción inicial será mucho menor, la producción anual posterior tendría que superar sustancialmente ese promedio. Los fabricantes también tendrían que reemplazar las máquinas que fallen o lleguen al final de su vida útil.
Una comparación aproximada de escala ilustra el desafío. La base de envíos reportada para 2025 superó las 13.000 unidades. Alcanzar mil millones de unidades acumuladas desde ese nivel exige casi 77.000 veces más máquinas.
El camino no será lineal. La producción podría duplicarse rápidamente durante la comercialización inicial y luego ralentizarse a medida que los mercados maduren. Incluso las duplicaciones repetidas plantean requisitos difíciles una vez que el volumen anual alcanza millones.
Tesla sí posee ventajas útiles. Comprende la fabricación de alto volumen, los sistemas de propulsión eléctrica, las baterías, los sistemas de visión y el software integrado verticalmente. Sus fábricas también ofrecen entornos controlados para probar tareas de Optimus.
El despliegue interno puede reducir el problema inicial de demanda. Tesla puede colocar robots dentro de sus propias instalaciones, observar fallos, recopilar datos de entrenamiento y perfeccionar tareas antes de venderlos ampliamente.
Esa estrategia se parece a la forma en que suele desarrollarse la automatización industrial. Los fabricantes comienzan con trabajos repetitivos en espacios controlados y luego añaden complejidad tras medir la fiabilidad y los retornos.
Sin embargo, la producción de humanoides implica componentes y tolerancias diferentes de los automóviles. Las manos necesitan actuadores compactos y sensores precisos. Las articulaciones deben equilibrar par, peso, eficiencia, durabilidad e interacción segura.
Un vehículo de pasajeros puede tolerar ciertas redundancias de componentes y estructuras de protección. Un humanoide debe seguir siendo lo bastante ligero para moverse eficientemente, a la vez que sobrevive a caídas y contactos repetidos.
Escalar el cuerpo es solo la mitad del problema. Cada unidad también necesita software capaz de percibir objetos, planificar acciones, recuperarse de errores y comportarse de forma predecible cerca de personas.
Ese software no puede depender por completo de demostraciones ensayadas. Los lugares de trabajo reales contienen herramientas mal colocadas, superficies reflectantes, paquetes dañados, caminos bloqueados y personas que se comportan de forma impredecible.
La asistencia humana a distancia puede cubrir algunas carencias. Un supervisor podría ayudar a varios robots cuando encuentren condiciones inusuales.
Sin embargo, la intervención frecuente debilita la ecuación de productividad. Una máquina que pide ayuda humana repetidamente traslada el trabajo a una sala de control en lugar de eliminarlo.
Por tanto, Tesla debe demostrar tres formas distintas de escala. Necesita escala de fabricación, escala de tareas autónomas y escala de despliegue entre clientes.
Una fábrica de un millón de unidades aborda solo la primera categoría. Los inversores y clientes aún necesitan pruebas de que esas unidades pueden completar trabajo valioso con supervisión limitada.
La predicción de Musk presiona a Tesla para publicar más datos operativos. Los vídeos de demostración y los eventos preparados no pueden establecer la fiabilidad ni el valor económico a nivel de flota.
Entre las divulgaciones útiles se incluirían las tasas de finalización de tareas, la frecuencia de intervención, las horas de operación, los incidentes laborales, los ciclos de mantenimiento y el rendimiento después de actualizaciones de software.
Hasta que lleguen esas métricas, el plan de Optimus seguirá siendo una ambición de producción vinculada a un producto laboral incierto.
Las previsiones de mercado están muy por debajo de mil millones de robots para 2036
Las previsiones independientes respaldan un gran mercado de humanoides, pero sus curvas de despliegue siguen siendo drásticamente más lentas que la predicción de Musk.
Goldman Sachs estimó en 2024 que el mercado de robots humanoides podría alcanzar los 38.000 millones de dólares para 2035. Su análisis del mercado robótico proyectó 1,4 millones de envíos durante ese periodo.
Esa estimación ya era cuatro veces la previsión anterior de envíos de la firma. Goldman atribuyó la revisión, en parte, al desarrollo más rápido de la IA y a menores costes previstos de los componentes.
La firma destacó los grandes modelos de lenguaje robóticos, que conectan el razonamiento basado en lenguaje con la percepción y las acciones físicas. Estos sistemas buscan reducir la necesidad de que los ingenieros ծրագրen manualmente cada comportamiento.
Goldman también advirtió que la viabilidad de propósito general no se había demostrado. La manipulación, la interacción natural, los componentes de precisión y la capacidad de fabricación seguían siendo limitaciones importantes.
Su caso base esperaba más de 250.000 envíos de humanoides en 2030. Casi todos atenderían usos industriales, donde los entornos y las tareas pueden controlarse.
Esa proyección queda muy por debajo de la curva de producción necesaria para el objetivo de Musk. Incluso una previsión fuertemente revisada de varios millones de unidades anuales para 2035 dejaría una brecha enorme.
Morgan Stanley adopta una visión más prolongada. Espera casi mil millones de humanoides para 2050, con una adopción que se acelerará después de mediados de la década de 2030.
Esta previsión sigue describiendo un crecimiento extraordinario. Sin embargo, concede a los fabricantes más del doble de tiempo para desarrollar cadenas de suministro, estándares, redes de servicio y aceptación pública.
Los datos recientes de despliegue respaldan un optimismo prudente, no una adopción generalizada inminente. The Associated Press informó que se enviaron más de 13.000 humanoides a nivel mundial durante 2025.
Su resumen de envíos cita estimaciones de Omdia que indican que AGIBOT y Unitree enviaron más de 5.000 unidades cada una. Tesla y Figure enviaron unos cientos o menos.
Omdia prevé que los envíos de robots avanzados superen el millón anual a principios de la década de 2030. Eso supondría un crecimiento sustancial respecto a la base de 2025.
Sin embargo, un millón de envíos anuales añadiría solo una pequeña fracción de la flota propuesta por Musk. El objetivo de mil millones de unidades exige una fabricación a escala de smartphones, no volúmenes propios de equipos industriales especializados.
Las comparaciones con los smartphones pueden ocultar la dificultad. Los teléfonos contienen electrónica sofisticada, pero no mantienen el equilibrio, manipulan objetos desconocidos ni trabajan junto a empleados.
Una avería en un smartphone suele interrumpir la comunicación. El fallo de un robot móvil puede dañar equipos, detener una línea de producción o herir a alguien.
Los robots también requieren mantenimiento local. Los motores se desgastan, las articulaciones se aflojan, las baterías se degradan, los sensores se descalibran y las manos soportan un estrés mecánico repetido.
Por tanto, una flota de mil millones de unidades crearía una enorme economía de mantenimiento. Los fabricantes necesitarían piezas de repuesto, técnicos, software de diagnóstico, procesos de seguros y sistemas seguros de actualización en muchos países.
La concentración de la cadena de suministro añade otra limitación. Morgan Stanley afirma que los desarrolladores siguen dependiendo en gran medida de componentes procedentes de China y otras partes de Asia.
Esa concentración genera riesgos geopolíticos y operativos. Los controles de exportación, aranceles, escasez de materiales o interrupciones de producción podrían afectar simultáneamente a todos los grandes fabricantes de robots.
China mantiene actualmente una ventaja de fabricación. El país representó un 85% estimado de los envíos de humanoides durante 2025, según una investigación citada por The Associated Press.
China también contaba ese año con más de 140 fabricantes de humanoides y más de 330 modelos. Estas cifras muestran una competencia intensa, pero no demuestran una demanda sostenible.
Un mercado fragmentado puede acelerar la experimentación. También puede generar diseños redundantes, un soporte de servicio débil y fábricas en busca de pedidos antes de que existan aplicaciones fiables.
El informe de RSSHub 36Kr presenta la previsión económica de Musk sin explicar cómo se relaciona con estas estimaciones de mercado. Una expansión del 20% al 30% de la producción mundial requiere más que vender robots.
Los robots deben realizar tareas productivas que, de otro modo, quedarían sin hacer, reducir limitaciones relevantes o crear bienes y servicios completamente nuevos. Limitarse a sustituir capital existente no genera un crecimiento neto equivalente.
Los economistas también deben tener en cuenta la inversión, la energía, el mantenimiento, el software, la supervisión y los activos desplazados. La producción bruta y el bienestar neto no son intercambiables.
La previsión podría resultar correcta en su dirección y seguir siendo extrema en términos numéricos. Las máquinas impulsadas por IA pueden ampliar la capacidad productiva sin alcanzar mil millones de unidades para 2036.
Una flota más pequeña desplegada en entornos de alto valor podría importar más que una flota mucho mayor dedicada a tareas de bajo valor. La productividad depende de la utilización y la capacidad, no solo del número de cuerpos.
La fiabilidad y la demanda son más difíciles que una demostración de robots humanoides
La cuestión central no es la ambición frente al talento de ingeniería. Es la promesa de mil millones de unidades frente a la evidencia de que los clientes necesitan humanoides fiables.
Las demostraciones de robótica han mejorado rápidamente. Las máquinas ahora caminan sobre superficies irregulares, se recuperan de empujones, clasifican objetos y responden a comandos en lenguaje natural.
Estas capacidades importan, pero las demostraciones seleccionan condiciones favorables. Los despliegues comerciales exponen a los robots a turnos largos, componentes desgastados, obstáculos inesperados y trabajo repetitivo.
La fiabilidad debe medirse a lo largo de miles de horas. Una tasa de finalización de tareas que parece impresionante en un vídeo breve puede seguir generando tiempos de inactividad inaceptables a escala de fábrica.
Pensemos en un robot encargado de mover piezas entre estaciones de trabajo. Debe identificar el contenedor correcto, sujetarlo con seguridad, desplazarse entre personas y entregarlo sin interrumpir la producción.
Cada paso añade posibles puntos de fallo. Una tasa de error pequeña se acumula a lo largo de cientos de movimientos por turno.
La capacidad de propósito general lo dificulta aún más. Las máquinas especializadas optimizan su estructura y controles para una tarea concreta. Los humanoides sacrifican cierta eficiencia a cambio de poder utilizar espacios y herramientas humanas.
Ese intercambio puede ser valioso allí donde los entornos cambian con frecuencia. Resulta menos convincente cuando un brazo robótico fijo o una plataforma con ruedas realiza la misma tarea de forma más barata y fiable.
Las fábricas ya utilizan una automatización extensa. Los humanoides deben competir con máquinas consolidadas, flujos de trabajo rediseñados y trabajadores humanos, en lugar de ocupar un mercado vacío.
La propia forma humana sigue siendo objeto de debate. Dos piernas ofrecen movilidad en espacios diseñados para personas, pero las ruedas suelen consumir menos energía y proporcionar mayor estabilidad.
Las manos ofrecen un amplio potencial de manipulación, pero muchas tareas industriales solo necesitan una pinza diseñada para un fin específico. Los dedos y articulaciones adicionales elevan el coste, la complejidad de control y el mantenimiento.
Es probable que las aplicaciones iniciales más sólidas combinen entornos diseñados por humanos con tareas que se resisten a la automatización fija. La manipulación de materiales, la inspección, la atención de máquinas y el mantenimiento peligroso encajan en ese patrón.
El trabajo doméstico representa un listón mucho más alto. Los hogares contienen escaleras, mascotas, niños, objetos frágiles, ropa suelta, líquidos y distribuciones que cambian constantemente.
The Associated Press describió una prueba doméstica en la que un robot organizaba zapatos, doblaba ropa y cambiaba bolsas de basura. Lo acompañaba un limpiador humano.
El usuario consideró que la máquina era interesante, pero ineficiente y difícil de mover dentro de una vivienda pequeña. Esa experiencia refleja la distancia entre la capacidad técnica y una adopción convincente.
La demanda comercial es otra incertidumbre. Los fabricantes chinos comunicaron miles de pedidos, pero muchos compradores eran instituciones de investigación, empresas estatales o espacios de demostración.
Estas compras ayudan al desarrollo. No demuestran necesariamente que los clientes privados vayan a desplegar grandes flotas después de calcular los costes operativos y la productividad.
Analistas citados por The Associated Press advirtieron que los casos de uso siguen siendo limitados. Los robots aún son caros de producir, frágiles en funcionamiento y dependientes de entornos estructurados.
Esta crítica no significa que los humanoides vayan a fracasar. Significa que el sector debe distinguir la experimentación subvencionada de una demanda de clientes repetible.
Un despliegue exitoso debería llevar a los clientes a ampliar su flota sin depender de la novedad ni del apoyo político. Los pedidos repetidos aportan una evidencia más sólida que los memorandos o los anuncios de pilotos.
La seguridad también determinará la velocidad de adopción. Los empleadores necesitan reglas claras para las máquinas que trabajan junto a personas, especialmente cuando los modelos aprenden nuevos comportamientos después del despliegue.
La IA física introduce riesgos que van más allá del software convencional. Una respuesta incorrecta de un chatbot es distinta de un movimiento incorrecto de una máquina pesada.
Los fabricantes de robots necesitan salvaguardas por capas. Estas incluyen límites de fuerza, paradas de emergencia, zonas de operación restringidas, detección de colisiones, actualizaciones seguras y registros auditables de comportamiento.
Los reguladores y las aseguradoras preguntarán cómo se asigna la responsabilidad cuando un robot causa daños. La responsabilidad puede involucrar al fabricante, al proveedor de software, al operador del lugar de trabajo o al proveedor de datos.
La ciberseguridad crea otro riesgo físico. Un robot comprometido puede exponer cámaras y mapas de instalaciones, además de afectar a maquinaria y personas.
Mil millones de humanoides conectados formarían una enorme superficie de ataque. La identidad segura, las comunicaciones cifradas, la verificación de actualizaciones y el aislamiento de red se convertirían en infraestructura básica.
Los datos de entrenamiento plantean preocupaciones aparte. Los robots aprenden de vídeo, teleoperación, simulación y grabaciones de sensores recopiladas en lugares de trabajo o viviendas.
Estas grabaciones pueden contener rostros, conversaciones, procesos propietarios y distribuciones sensibles. Escalar el aprendizaje sin escalar los controles de privacidad invitaría a la resistencia regulatoria.
La demanda energética también merece atención. Cada robot necesita cargarse, mientras que entrenar y ejecutar sus modelos de IA requiere infraestructura informática.
Mil millones de robots no consumirían energía de forma uniforme. Aun así, los planes de despliegue deben incluir calendarios de carga, limitaciones de la red eléctrica, baterías y necesidades locales de refrigeración o computación.
La comparación de productividad de Musk presupone que estos sistemas siguen siendo útiles durante largos periodos. El tiempo de inactividad por mantenimiento y el uso de energía reducen la producción neta.
También presupone que las organizaciones pueden rediseñar el trabajo en torno a las máquinas. Instalar robots sin cambiar los procesos puede generar una congestión costosa en vez de una mayor productividad.
Las empresas necesitarán mapeo de flujos de trabajo, revisiones de seguridad, formación de empleados, software de integración y supervisión del rendimiento. Estas actividades alargan los ciclos de despliegue.
Los trabajadores del conocimiento deberían prestar atención porque la automatización física también transformará los sistemas de información. Cada robot genera instrucciones, historiales de sensores, registros de incidentes y documentación de mantenimiento.
Los equipos necesitarán conocimiento operativo consultable, en lugar de manuales y conversaciones de chat dispersos. Una base de conocimiento de IA bien gestionada puede ayudar a las personas a conservar decisiones, comparar fallos y auditar procedimientos cambiantes.
Esa capa de información no resolverá los problemas mecánicos. Determinará si las organizaciones aprenden de miles de pequeños fallos o los redescubren repetidamente.
Por tanto, la previsión de mil millones de unidades depende tanto de la capacidad institucional como de la robótica. Los clientes deben saber qué automatizar, cómo medirlo y cuándo detener un despliegue inseguro.
Qué haría creíble la predicción para 2036
Tres señales revelarán si la previsión de Musk se está convirtiendo en una trayectoria industrial o sigue siendo un objetivo promocional.
La primera señal es una producción verificada de Optimus. Tesla ha descrito una línea con una capacidad anual eventual de un millón de robots, pero la capacidad por sí sola no demuestra la producción.
Los inversores deberían observar las unidades terminadas, los despliegues en fábrica, las entregas externas y una producción mensual repetible. Tesla también debería separar los prototipos de las máquinas preparadas para clientes.
La confirmación más sólida sería una producción sostenida combinada con datos operativos publicados. Una gran flota que pasa una parte sustancial del tiempo inactiva debilitaría el argumento.
La segunda señal es la productividad autónoma. Los fabricantes de robots deben informar cuánto tiempo trabajan las máquinas entre intervenciones humanas y con qué frecuencia completan las tareas asignadas.
Las métricas útiles incluyen horas productivas, frecuencia de intervención, incidentes de seguridad, intervalos de mantenimiento y éxito de las tareas en condiciones cambiantes.
Estas mediciones deberían cubrir operaciones ordinarias, no demostraciones seleccionadas. Los clientes independientes deberían confirmar que los robots crean valor después de los costes de integración y supervisión.
La tercera señal es una demanda repetida en múltiples sectores. Un mercado de mil millones de unidades no puede depender de que los fabricantes de automóviles compren máquinas a programas de robótica afiliados.
Almacenes, proveedores logísticos, fabricantes, empresas de servicios públicos, hospitales, hoteles y empresas de servicios deben realizar pedidos repetidos tras completar pilotos.
Los pedidos deberían convertirse en entregas y despliegues ampliados. Los depósitos, anuncios de alianzas y eventos de exhibición ofrecen evidencia más débil.
China será fundamental para esta prueba. Su cadena de suministro, número de fabricantes y liderazgo inicial en envíos le otorgan la base actual más sólida para una producción rápida.
Tesla y otros desarrolladores estadounidenses pueden conservar ventajas en modelos de IA, chips o software integrado. Esas fortalezas deben traducirse en máquinas fiables, no solo en puntuaciones más altas en benchmarks.
La competencia entre robots de propósito general y robots especializados aportará otra señal importante. Los clientes podrían decidir que los sistemas con ruedas y la automatización fija ofrecen mejores retornos para la mayoría de los trabajos.
Si predominan las máquinas especializadas, el volumen de humanoides aún puede crecer sin acercarse al objetivo de Musk. La forma humana debe demostrar que su flexibilidad compensa su complejidad mecánica.
Los próximos meses deberían aclarar la propia posición de Tesla. Una presentación detallada de Optimus Gen 3 mostraría si la mano, los actuadores, la facilidad de mantenimiento y el diseño están listos para una fabricación repetible.
Que los equipos de producción entren en funcionamiento antes de finales de 2026 respaldaría el calendario de Tesla. Un retraso o un rediseño aplazaría el crecimiento necesario a un período aún más corto.
Los primeros resultados en fábrica importarán más que la calidad de la presentación. Tesla necesita demostrar que las máquinas completan trabajo útil durante turnos completos con supervisión limitada.
La afirmación económica más amplia seguirá siendo más difícil de comprobar. Un crecimiento global anual del 20 % al 30 % requeriría mejoras en productividad, inversión, consumo y acceso a los mercados.
La IA podría aumentar el potencial productivo de la economía sin generar esa tasa de crecimiento. Los cuellos de botella pueden desplazarse del trabajo hacia la energía, los materiales, el capital, la regulación o la demanda.
La distribución también importa. La producción de los robots puede elevar la producción agregada mientras concentra los ingresos entre los propietarios de las máquinas y los proveedores de infraestructura.
Los trabajadores, los gobiernos y las empresas responderán mediante salarios, impuestos, formación, regulación y la creación de nuevas empresas. Esas respuestas influirán en si una mayor capacidad se traduce en prosperidad ampliamente compartida.
El artículo de RSSHub sobre 36Kr recoge la cifra más llamativa de Musk, pero la brecha de verificación sigue siendo parte de la historia. Los lectores deberían separar la declaración reportada de la evidencia auditada sobre producción y despliegue.
Mil millones de humanoides para 2036 es matemáticamente posible solo bajo una curva de fabricación excepcionalmente pronunciada. Requiere que muchas empresas y países, no solo Tesla, alcancen una escala enorme.
La predicción se vuelve creíble cuando ocurren tres cosas a la vez: las fábricas envían millones de unidades, los clientes vuelven a hacer pedidos y los robots trabajan de forma segura sin rescates constantes.
Hasta entonces, la cifra funciona como un desafío para la industria. Indica a fabricantes, proveedores, reguladores y compradores qué tendría que cambiar para que la IA física cumpla sus mayores promesas.
La siguiente pregunta útil no es si un humanoide puede realizar otra demostración llamativa. La pregunta es cuántas horas productivas completó, con qué frecuencia intervino una persona y si el cliente pidió más.
Siga esas respuestas en Tesla, los fabricantes chinos y los despliegues independientes. Si mejoran mientras aumenta la producción, el calendario acelerado de Musk merece una atención seria.
Si los fabricantes publican únicamente objetivos de capacidad y vídeos coreografiados, la curva de adopción más larga seguirá siendo más convincente. Mil millones de robots serían entonces un destino, no una realidad en 2036.
