La apuesta de Samsung por la memoria para robots humanoides sitúa a SK Hynix en la misma carrera de crecimiento
Samsung considera a los robots humanoides como un nuevo mercado para la memoria, aunque los despliegues siguen siendo mínimos frente a los smartphones, los ordenadores y los servidores de IA. La oportunidad de memoria para robots humanoides de Samsung se apoya ahora en una previsión llamativa. Se proyecta que la demanda de DRAM para robots en toda la industria se multiplique por más de veinte entre 2026 y 2030.
SK Hynix ve la misma oportunidad desde una posición distinta. Busca acercar el cómputo a la memoria para reducir los costes energéticos y de transferencia de datos que limitan a los robots móviles. Micron también promociona la IA física como una futura fuente de una demanda sustancial de DRAM y almacenamiento.
Esta aún no es una historia sobre robots que sustituyan a los centros de datos de IA como principal cliente de la industria de la memoria. Es una prueba de si los humanoides pueden convertirse en una categoría de dispositivos relevante antes de que su economía, fiabilidad y límites energéticos frenen la adopción.
La previsión de memoria para robots humanoides de Samsung es grande, pero temprana
La cifra principal describe una posible curva de demanda, no pedidos de memoria ya asegurados por los fabricantes de chips.
Counterpoint Research estima que los robots humanoides consumirán unos 8.300 terabits de DRAM durante 2026. Espera que esa cifra alcance aproximadamente 172.000 terabits en 2030, un aumento de más de veinte veces.
Esa expansión provendría de dos fuentes. Los fabricantes tendrían que enviar muchos más robots, mientras que cada máquina incorporaría más memoria. Los modelos de IA integrados más grandes, las entradas de sensores más ricas y los historiales operativos más largos elevan la cantidad de datos que un robot debe procesar.
La DRAM proporciona la memoria de trabajo necesaria para ese procesamiento. La memoria flash NAND almacena software, modelos, mapas, grabaciones y datos operativos cuando el robot no los utiliza activamente.
Por tanto, la previsión combina dos supuestos inciertos. Los envíos de humanoides deben aumentar rápidamente y los fabricantes deben optar por sistemas informáticos con abundante memoria, en lugar de depender en gran medida de infraestructura remota.
La previsión de DRAM para robots de Counterpoint da a Samsung Electronics y SK Hynix una razón creíble para prepararse. Junto con Micron, las empresas forman la base establecida de proveedores de productos DRAM avanzados.
Sin embargo, 172.000 terabits necesitan contexto. Dividir un total de bits de toda la industria por la capacidad de cada robot puede generar supuestos de envíos radicalmente distintos. La respuesta cambia si un robot incorpora decenas, cientos o miles de gigabytes.
Los diseños de producto también siguen siendo cambiantes. Un robot de investigación que utiliza varios modelos grandes de IA tiene necesidades de memoria diferentes a las de una máquina de almacén entrenada para la manipulación repetitiva de materiales. Ambos pueden tener un cuerpo con forma humana, pero sus requisitos informáticos no tienen por qué parecerse.
Algunas cargas de trabajo pueden ejecutarse en centros de datos. Otras tareas, como el control del equilibrio y la prevención de colisiones, necesitan procesamiento de baja latencia en la propia máquina. La conectividad, la privacidad, la seguridad y el consumo energético determinarán dónde trazan los desarrolladores esa línea.
La tesis de memoria para robots humanoides de Samsung se refuerza cuando los robots procesan más información localmente. Se debilita cuando los fabricantes trasladan cargas de inferencia costosas a servidores cercanos o simplifican los modelos que se ejecutan a bordo.
Esta distinción importa porque las previsiones agregadas pueden ocultar la diversidad de productos. Humanoide es un formato corporal, no una única especificación informática. Una máquina de uso general y un asistente de fábrica pueden compartir actuadores y, aun así, usar configuraciones de memoria muy distintas.
Counterpoint informó de que las instalaciones globales de humanoides aumentaron en 16.000 unidades durante 2025. Su previsión de instalaciones también proyecta instalaciones acumuladas por encima de 100.000 unidades para 2027.
Esas cifras indican un avance más allá de los prototipos aislados. No establecen un mercado masivo comparable al de los teléfonos, vehículos u ordenadores personales. Las primeras flotas también podrían concentrarse entre laboratorios, fabricantes y empresas tecnológicas que toleran costes más elevados.
La previsión se interpreta mejor como una señal de demanda potencialmente atendible. Indica a las empresas de memoria qué arquitecturas podrían importar si los despliegues de robots escalan. No elimina la necesidad de validar las aplicaciones, la fiabilidad y los presupuestos de los clientes.
Por qué los robots necesitan más que la memoria habitual de los dispositivos
Un humanoide debe interpretar su entorno y controlar un cuerpo en movimiento, lo que crea una carga de trabajo intensiva en datos y sensible a los retrasos.
Un robot puede recibir flujos simultáneos de cámaras, micrófonos, sensores de profundidad, sensores de fuerza y codificadores de articulaciones. Su plataforma informática debe convertir esas entradas en decisiones mientras mantiene el equilibrio y evita a personas o equipos.
Los modelos de visión-lenguaje-acción, a menudo abreviados como modelos VLA, conectan observaciones visuales e instrucciones lingüísticas con acciones físicas. Pueden ayudar a un robot a interpretar una solicitud, identificar objetos relevantes y elegir una secuencia de movimientos.
Ejecutar estos sistemas requiere ancho de banda de memoria además de capacidad. El ancho de banda mide la rapidez con la que los datos pueden moverse entre la memoria y los procesadores. La capacidad determina cuántos datos de modelos y cuánto contexto operativo permanecen disponibles de inmediato.
Esto crea un problema distinto al de atender un chatbot en un centro de datos. Un servidor puede repartir el trabajo entre grandes racks con amplia refrigeración y alimentación continua. Un humanoide transporta su fuente de energía y sus restricciones de refrigeración dentro de una estructura móvil.
La máquina no puede esperar a un servidor distante antes de tomar cada decisión de seguridad. Los retrasos de red pueden variar, y una conexión perdida no puede impedir que un robot se estabilice. Por ello, las funciones de control esenciales necesitan un procesamiento local fiable.
Al mismo tiempo, enviar cada grabación de sensores a la nube genera preocupaciones de ancho de banda y privacidad. Las fábricas, los hospitales y los hogares contienen información que los operadores quizá no quieran transmitir continuamente fuera de las instalaciones.
Más memoria integrada puede respaldar la inferencia local, es decir, ejecutar directamente en el robot un modelo de IA ya entrenado. También puede conservar observaciones recientes, instrucciones operativas y mapas del entorno cerca del procesador.
Sin embargo, el acceso convencional a la memoria consume energía. Mover datos repetidamente entre un procesador y chips de memoria separados puede agotar la batería sin producir trabajo físico. Eso deja menos energía para caminar, levantar, agarrar o hacer funcionar sistemas de refrigeración.
Esta presión explica el interés por el procesamiento en memoria, o PIM. PIM realiza cálculos seleccionados dentro de la memoria o cerca de ella, reduciendo la distancia que deben recorrer los datos.
SK Hynix afirma que sus productos PIM se expandirán hacia aplicaciones de IA en dispositivos y humanoides. La hoja de ruta de memoria para humanoides de la empresa destaca GDDR6-AiM, AiMX y una arquitectura en desarrollo llamada ACiM.
AiM sitúa funciones computacionales en la memoria, mientras que AiMX combina chips AiM en una tarjeta aceleradora. ACiM está diseñada para realizar almacenamiento y cómputo conjuntamente mediante operaciones analógicas.
Estas siguen siendo tecnologías y planes de desarrollo descritos por la empresa. Su valor práctico dentro de robots comerciales dependerá del soporte de software, el coste de fabricación, la precisión y los ahorros energéticos medibles.
Samsung puede abordar el mismo problema mediante su amplia cartera de componentes. Desarrolla DRAM, NAND, procesadores, sensores de imagen, pantallas y otros componentes electrónicos que pueden aparecer en todo un sistema robótico.
Ese alcance crea oportunidades para la integración de componentes. También genera un entorno de pruebas interno porque Samsung opera fábricas de semiconductores y electrónica donde los robots podrían realizar tareas industriales controladas.
El mercado resultante es más amplio que una disputa por la capacidad bruta de DRAM. Los proveedores competirán en ancho de banda, consumo energético, encapsulado, comportamiento térmico y compatibilidad con procesadores para robots.
Los desarrolladores deberían considerar la arquitectura de memoria como parte de todo el sistema informático. Instalar más DRAM no resolverá un software deficiente, modelos ineficientes, actuadores débiles o una capacidad de batería inadecuada.
El mecanismo central sigue siendo importante. Los robots generan datos densos y continuos mientras operan bajo estrictos límites físicos. Esa combinación otorga a la memoria avanzada un papel mayor que el que tiene en muchos dispositivos conectados convencionales.
Samsung y SK Hynix se enfrentan a Micron en la carrera de memoria para la IA física
Los humanoides ofrecen una nueva vía de crecimiento, pero los tres grandes proveedores de memoria ya están construyendo sus estrategias en torno a la misma oportunidad.
Samsung y SK Hynix se han beneficiado de la expansión de la infraestructura de IA. La memoria de alto ancho de banda, o HBM, suministra datos a los aceleradores de IA mucho más rápido que las configuraciones de memoria convencionales.
Los robots humanoides extienden el argumento de la memoria para IA desde el cómputo centralizado hasta las máquinas físicas. Las cargas de trabajo difieren, pero ambas requieren que los procesadores accedan a cantidades crecientes de datos de modelos y sensores.
La ventaja de Samsung no reside simplemente en su tamaño. La empresa puede conectar el desarrollo de semiconductores con la electrónica de consumo, la fabricación y las iniciativas de robótica dentro de la organización más amplia de Samsung.
Una divulgación corporativa de junio de 2026 incluyó planes para una línea de producción de robots humanoides en Gumi. El mismo plan a largo plazo incluyó una instalación de fabricación de HBM en la zona de Onyang y Cheonan.
La divulgación de inversión cubre un programa nacional mucho más amplio que se extiende hasta 2040. Samsung advierte explícitamente que el plan contiene información prospectiva que puede cambiar según las condiciones del mercado.
Esa advertencia importa. Una línea de producción planificada muestra intención estratégica, pero no revela la capacidad de robots, el calendario de lanzamiento comercial, los compromisos de clientes ni la configuración de memoria de cada máquina.
Samsung aún podría obtener información útil antes de vender grandes flotas externamente. Los despliegues internos pueden revelar cómo rinden los robots durante turnos largos, con qué frecuencia intervienen los humanos y qué tareas justifican sus costes operativos.
SK Hynix tiene una presencia más limitada en consumo, pero una posición sólida en memoria para IA. Su estrategia para humanoides pone el énfasis en arquitecturas que mejoran el movimiento de datos y la eficiencia energética.
Esa vía se alinea con la mayor restricción técnica a la que se enfrentan los sistemas móviles de IA. Un robot más rápido tiene un valor limitado si su plataforma informática reduce el tiempo de funcionamiento o exige un sistema de refrigeración poco práctico.
Micron complica el panorama competitivo para ambas empresas coreanas. Ha identificado repetidamente a los vehículos y a los robots humanoides como futuras plataformas de IA física con elevadas necesidades de memoria.
En declaraciones preparadas para el ejercicio fiscal 2026, Micron afirmó que un humanoide podría incorporar diez veces la memoria presente en un vehículo promedio de nivel 2-plus. La empresa espera que un ciclo sustancial de demanda de memoria comience más adelante en la década.
Micron también ha comparado los futuros requisitos de los humanoides con los de vehículos altamente automatizados. Según las perspectivas de la empresa, dichos vehículos pueden incorporar más de 200 gigabytes de DRAM y varios terabytes de almacenamiento.
Estas cifras son expectativas de proveedores, no un estándar adoptado por los fabricantes de robots. Aun así, los materiales trimestrales de Micron muestran que la tesis de la IA física no es exclusiva de Samsung o SK Hynix.
Por tanto, el principal pulso enfrenta a los proveedores consolidados de memoria con la incierta economía del despliegue de robots. La competencia entre proveedores determina quién consigue los pedidos, pero el mercado necesita primero suficientes máquinas viables.
Esto invierte la narrativa habitual en torno a la infraestructura de IA. En los centros de datos, los clientes de hiperescala ya realizaban grandes inversiones cuando la escasez de HBM se convirtió en un foco para la industria.
Los humanoides aún se encuentran en una fase más temprana de adopción. Los proveedores de memoria describen la oportunidad mientras los desarrolladores de robots todavía trabajan para demostrar tareas repetibles, una seguridad aceptable y costes operativos viables.
Los ganadores también pueden variar según la categoría de memoria. Un proveedor podría liderar en DRAM móvil, otro en almacenamiento y otro en productos de memoria para computación. Los diseñadores de robots pueden abastecerse de distintos componentes de varios proveedores.
Los grandes clientes también buscarán segundas fuentes cuando sea posible. Depender de un único proveedor de memoria puede generar riesgos de suministro, especialmente cuando los servidores de IA ya compiten por capacidad avanzada de semiconductores.
Samsung y SK Hynix no pueden asumir que sus posiciones en HBM se trasladarán automáticamente a los humanoides. Deben adaptar sus productos a una plataforma en la que la energía, el peso, el calor y el precio tienen una importancia diferente.
La previsión de crecimiento sigue dependiendo de que los robots realicen trabajo útil
La demanda de memoria seguirá a las aplicaciones exitosas, no a demostraciones impresionantes ni a objetivos optimistas de envíos.
Los desarrolladores de humanoides prefieren la forma humana porque los lugares de trabajo ya están adaptados a las personas. Escaleras, estanterías, puertas, herramientas y líneas de producción reflejan dimensiones humanas.
Esa compatibilidad puede reducir la necesidad de rediseñar una instalación completa. Un humanoide con capacidades suficientes podría pasar de una tarea a otra que, de otro modo, requeriría varias máquinas especializadas.
La idea resulta atractiva, pero la forma humana también introduce complejidad. Caminar sobre dos piernas, manipular objetos desconocidos y recuperarse de errores requieren un control sofisticado.
Un robot con ruedas puede ser más barato y estable en muchos almacenes. Un brazo industrial fijo puede superar a un humanoide de uso general en una estación de trabajo predecible. La forma debe responder a la tarea económica, no a la categoría de marketing.
Counterpoint prevé que la fabricación inteligente represente el 45% de los envíos de humanoides en 2030. Los servicios comerciales y domésticos supondrían un 25%, mientras que los servicios de almacenamiento representarían el 20%.
Estos segmentos plantean pruebas de adopción diferentes. Los fabricantes se preocupan por el tiempo de actividad, la seguridad, la precisión, la integración y rendimientos previsibles. Los compradores domésticos también se preocupan por el tamaño, el ruido, la privacidad y la asequibilidad.
Las fábricas parecen el terreno de prueba inicial más sólido. Ofrecen entornos estructurados, flujos de trabajo repetitivos, supervisores capacitados y resultados laborales o de seguridad medibles.
Las propias instalaciones de Samsung podrían respaldar ese patrón. Un robot que transporta materiales o realiza tareas repetitivas dentro de una planta controlada no necesita dominar de inmediato un hogar impredecible.
Incluso allí, el caso de negocio sigue siendo exigente. Un robot debe completar suficiente trabajo productivo para justificar su hardware, mantenimiento, software, integración y supervisión.
La intervención humana es especialmente importante. Una flota puede parecer autónoma mientras operadores remotos resuelven excepciones frecuentes. Ese modelo puede seguir teniendo valor, pero modifica el ahorro laboral y la economía de escalado.
La fiabilidad también se acumula con el tiempo. Una demostración de varios minutos dice poco sobre el rendimiento a lo largo de miles de horas operativas. Tasas de fallo pequeñas se vuelven costosas cuando las máquinas trabajan cerca de personas o equipos de producción.
El contenido de memoria puede aumentar antes de que los robots logren plena autonomía. La teleoperación, la recopilación de datos y la mejora continua de modelos siguen creando requisitos de almacenamiento y procesamiento.
Sin embargo, un alto contenido de memoria no garantiza altos ingresos por memoria. Los fabricantes de robots negociarán agresivamente, usarán componentes de menor coste cuando sea posible y optimizarán modelos para adaptarlos a hardware más pequeño.
El diseño de IA en el borde también puede reducir los requisitos de memoria. Los desarrolladores pueden comprimir modelos, eliminar parámetros innecesarios o derivar trabajos menos urgentes a servidores locales.
La dependencia de la nube crea sus propios límites, pero es probable que prevalezcan los sistemas híbridos. Un robot puede mantener a bordo el control de seguridad y movimiento, mientras usa infraestructura cercana para planificación, entrenamiento y coordinación de flotas.
Esa arquitectura distribuye la demanda de memoria entre robots y centros de datos. Puede beneficiar a los proveedores en conjunto, al tiempo que debilita las estimaciones simples basadas en una cantidad fija de DRAM por máquina.
Las condiciones de suministro introducen otra incertidumbre. Los servidores de IA, teléfonos, ordenadores, vehículos y sistemas industriales ya compiten por la producción de DRAM y NAND.
Si la memoria avanzada sigue limitada, los fabricantes de robots podrían afrontar costes de componentes más elevados o asignaciones restringidas. Los proveedores podrían priorizar a clientes consolidados con pedidos mayores y más firmes.
Por tanto, el caso de la memoria para robots humanoides de Samsung debe superar dos umbrales. Los despliegues de humanoides deben crecer y las máquinas deben conservar suficiente memoria integrada para convertirse en clientes relevantes de semiconductores.
Ninguno de los dos umbrales está garantizado por una previsión de mercado. Ambos requieren evidencia procedente de flotas en producción, contratos de compra y especificaciones de producto estables.
La eficiencia energética decidirá qué diseños de memoria ganan
La memoria para robots más valiosa ofrecerá un rendimiento de IA útil sin consumir la energía necesaria para el movimiento.
Cada componente activo consume un presupuesto energético limitado. Procesadores, memoria, sensores, comunicaciones, refrigeración y actuadores compiten por la capacidad de la batería.
El movimiento ya consume mucha energía. Añadir modelos de IA más grandes puede mejorar la percepción o la planificación mientras reduce el tiempo de operación. Un diseño comercialmente útil debe equilibrar esos resultados.
El ancho de banda de memoria importa porque los procesadores no pueden funcionar eficazmente cuando los datos llegan demasiado despacio. Sin embargo, un mayor rendimiento puede incrementar el consumo de energía y generar más calor.
La gestión térmica es difícil dentro de una máquina móvil y compacta. Ventiladores, disipadores térmicos y otros componentes de refrigeración añaden peso, ocupan espacio y consumen energía.
Esto otorga a los productos de memoria de bajo consumo un papel importante. También explica por qué los proveedores promueven una integración más estrecha entre procesadores, memoria y encapsulado.
PIM cambia esa relación al reducir las transferencias repetidas de datos. En teoría, la arquitectura puede realizar cálculos comunes de IA con menor latencia y consumo energético.
La adopción práctica es más complicada. Los desarrolladores necesitan herramientas de software capaces de asignar trabajo a unidades de computación basadas en memoria. Los resultados deben seguir siendo lo bastante precisos para decisiones físicas.
El rendimiento de fabricación y el coste también importan. Una arquitectura elegante tendrá dificultades si es cara de producir o difícil de homologar para largos ciclos de vida útil.
Los robots pueden necesitar memorias distintas para funciones diferentes. La memoria volátil rápida puede respaldar modelos activos, mientras que NAND almacena software, registros e información a la que se accede con menor frecuencia.
Los sistemas de seguridad podrían usar rutas de computación separadas. Esa separación puede evitar que un fallo en un modelo grande de IA desactive las funciones básicas de equilibrio, parada o prevención de colisiones.
Estas decisiones convierten la memoria para robots en una cuestión de diseño de sistemas. Los proveedores que colaboren pronto con empresas de procesadores y desarrolladores de robots pueden definir interfaces y requisitos de producto.
El alcance de fabricación de Samsung puede respaldar internamente esa colaboración. SK Hynix puede competir mediante un desarrollo de memoria especializado y relaciones en todo el mercado de hardware de IA.
Micron aporta experiencia automotriz a la competencia. La memoria para vehículos debe cumplir exigentes requisitos de temperatura, longevidad y fiabilidad, que coinciden con algunas necesidades robóticas.
No hay certeza de que una única arquitectura vaya a dominar. Los robots industriales pueden admitir sistemas de alimentación más grandes, mientras que los robots de servicios móviles necesitan una eficiencia energética más estricta.
Las normativas locales y las políticas de los clientes también pueden aumentar el almacenamiento a bordo. Las organizaciones podrían exigir registros de auditoría, grabaciones de incidentes o retención local de datos por seguridad y rendición de cuentas.
Las normas de privacidad pueden impulsar la misma dirección al limitar las transferencias a la nube. Por el contrario, unas políticas de retención estrictas podrían exigir a los robots que eliminen grabaciones rápidamente en lugar de almacenarlas indefinidamente.
Los desarrolladores y compradores empresariales deberían evaluar las afirmaciones sobre memoria mediante mediciones de carga de trabajo. Entre las métricas útiles figuran la finalización de tareas, la energía por tarea, la latencia de inferencia, la frecuencia de intervención y el tiempo de operación.
Una especificación de memoria mayor puede sonar impresionante sin mejorar esos resultados. El diseño ganador conectará la capacidad y el ancho de banda de memoria con un trabajo fiable.
Por eso, la oportunidad de memoria para robots humanoides de Samsung difiere de una simple actualización de componentes. La memoria debe justificar su lugar dentro de un sistema físico restringido.
Tres señales mostrarán si la memoria para robots se convierte en un motor de crecimiento
La próxima evidencia debería provenir de datos de despliegue, especificaciones de hardware estables y compromisos comerciales de memoria.
La primera señal es una operación sostenida en fábrica. Samsung y otros fabricantes necesitan demostrar que los humanoides completan tareas útiles durante largos periodos en condiciones normales de trabajo.
La medida importante no es lo natural que parezca un robot. Es la frecuencia con la que la máquina completa el trabajo sin intervención, la seguridad con la que opera y la rapidez con la que se recupera.
Los resultados en fábrica reforzarían la tesis de la memoria si los despliegues pasan de pruebas a flotas repetibles. La debilitarían si los robots siguen siendo demostraciones supervisadas o herramientas con guiones muy limitados.
La segunda señal es la convergencia en torno a especificaciones de computación a bordo. Los fabricantes de robots actualmente persiguen procesadores, modelos, sensores y estrategias de nube diferentes.
Las configuraciones consistentes permitirían a los proveedores planificar productos con mayor confianza. El uso repetido de DRAM de alta capacidad y almacenamiento a escala de terabytes respaldaría las previsiones actuales.
Un giro hacia modelos más pequeños y la descarga de trabajo a servidores locales reduciría la demanda por robot. Aun así, podría impulsar el mercado más amplio de IA física, pero la memoria estaría en otro lugar.
La tercera señal es la actividad comercial divulgada. Los inversores deberían vigilar acuerdos de suministro, homologaciones de clientes, pedidos de producción y categorías de ingresos vinculadas a la robótica.
Las declaraciones generales sobre IA física son indicadores útiles de estrategia. Constituyen evidencia más débil que compromisos firmados o productos homologados para plataformas robóticas específicas.
Los informes financieros podrían agrupar inicialmente la memoria para robots con productos automotrices o de borde. Aun así, los comentarios de la dirección pueden revelar si el muestreo se convierte en pedidos recurrentes.
Los planes de producción de Samsung en Gumi merecen atención dentro de esta secuencia. El avance de la construcción importa, pero el alcance del despliegue y la configuración de hardware importan más.
SK Hynix necesita demostrar que su orientación hacia PIM y ACiM puede pasar del desarrollo técnico a plataformas robóticas compatibles. La compatibilidad de software será tan importante como el rendimiento de los chips.
Los clientes de IA física de Micron proporcionan otro punto de referencia. Los anuncios de muestreo competitivo pueden indicar si los desarrolladores de robots ya están probando productos de nueva generación de varios proveedores.
La previsión de Counterpoint de 172.000 terabits ofrece una referencia clara para 2030. El camino hacia ella debería hacerse visible mucho antes mediante instalaciones y contenido medio de memoria.
Si las instalaciones acumuladas de humanoides superan las 100.000, como se prevé, los analistas podrán comparar las flotas reales con el consumo proyectado de DRAM. Esa comparación mostrará si deben revisarse las hipótesis de volumen o contenido.
La industria en general también necesita evidencia de que los clientes valoran la forma humana. Una fuerte adopción de robots especializados podría aumentar la demanda de semiconductores sin validar a los humanoides como la categoría central de crecimiento.
Para los desarrolladores, la lección inmediata es arquitectónica. La capacidad de memoria, el ancho de banda, el consumo energético y la dependencia de la nube deben evaluarse conjuntamente desde el principio.
Para los compradores empresariales, la cuestión es operativa. Un robot con memoria avanzada aún debe ofrecer un trabajo fiable dentro de los requisitos existentes de seguridad, datos y soporte.
Para los proveedores de memoria, la oportunidad es lo suficientemente real como para justificar la planificación de productos. Aún es demasiado pronto para considerar la demanda prevista como crecimiento asegurado.
La apuesta de Samsung por la memoria para robots humanoides resultará convincente cuando los robots superen las demostraciones preparadas y se conviertan en clientes de computación recurrentes. Hasta entonces, la proyección de veinte veces es una tesis verificable.
Siga de cerca la próxima flota de producción. ¿Opera durante turnos completos, cuenta con una memoria local considerable y completa tareas valiosas sin asistencia constante? Esos resultados dirán más sobre el nuevo motor de crecimiento que otra demostración pulida de un robot.
