Foro de debate del 3 de septiembre: "¿Clave del éxito en la fusión de manufactura e IA física?"
Participan Inigee, Ndot Light, Braincommerce, Carbonsix y Realworld
"Debemos responder a la velocidad competitiva global, especialmente de China"... Solicitan cooperación de cadena de valor entre empresas y apoyo gubernamental
En el evento "2026 GGGF" organizado el 3 de septiembre por el periódico Ajou Economics, representantes de las principales empresas y startups nacionales de IA física debatieron sobre el tema "Clave del éxito en la fusión de manufactura e IA física". Los participantes coincidieron en que para acelerar la comercialización de la IA física es esencial la cooperación integral entre proveedores de datos, empresas especializadas en simulación y desarrolladores de modelos de IA.
Estas empresas buscan alternativas a través de "alianzas de datos" y "construcción de estándares globales" en lugar de depender de la supervivencia independiente. Un ejemplo destacado es la cadena de valor virtuosa de enfoque privado en la que Braincommerce, que posee infraestructuras de 900 sitios de manufactura aproximadamente, proporciona datos de campo, mientras que startups de IA física como Ndot Light, Realworld y Carbonsix procesan, aprenden y reconstruyen estos datos mediante simulación.
Hwang Hee-seung, CEO de Braincommerce, enfatizó "la importancia de vincular el ecosistema liderado por el sector privado", explicando que "proporciona datos reales obtenidos de diversos sitios de manufactura de manera personalizada a empresas de robótica e IA, y luego despliega nuevamente los modelos desarrollados en el campo para validarlos (PoC)".
Choi Soo-hwan, director ejecutivo de Realworld, mencionó ejemplos de colaboración con Nvidia y Ndot Light, señalando que "empresas globales y startups nacionales están cooperando para desarrollar conjuntamente un 'punto de referencia' global que permita evaluar datos de comportamiento, como movimientos precisos de manos de robots". Agregó que "para tener competitividad en el mercado global, es necesario establecer un 'sistema de cooperación tipo consorcio' que permita a las empresas tecnológicas nacionales de excelencia unir fuerzas".
Los panelistas coincidieron en que, basándose en la modularización y el apoyo de políticas, es necesario que el gobierno establezca apoyo político sistemático nacional para responder a mercados extranjeros que crecen rápidamente, como el de China.
Hwang señaló que "China ya está capturando rápidamente el mercado con la estandarización y modularización como líderes" y expresó su deseo de que "se establezca una 'política de estandarización' a nivel estatal que permita conectar orgánicamente las excelentes tecnologías de startups nacionales". Kim Seon-tae, director de tecnología (CTO) de Ndot Light, también enfatizó que "dado que la forma de datos varía según sectores como manufactura y logística, es necesario preparar 'directrices de estándares de datos' que permitan recopilar y utilizar sistemáticamente datos de alta calidad".
La clave de la IA física es los "datos"... Superar barreras regulatorias y escasez de infraestructura
Los expertos también enfatizaron la importancia de los datos, esenciales para la IA física. Kim Seon-tae, CTO, destacó que "es importante el proceso de transformar datos estáticos, como archivos CAD que posee un fabricante, en un formato estándar para simulación, incorporando información de propiedades físicas y articulaciones para que los robots puedan aprender". Explicó que aunque hay una cantidad masiva de datos acumulados en los sitios de manufactura, resulta difícil utilizarlos directamente en el aprendizaje de IA física.
En este contexto, Choi Soo-hwan señaló que diversas regulaciones constituyen un obstáculo en el proceso de adquisición de datos. Expresó que "cuando se recopilan datos de actividades laborales humanas, surgen problemas de privacidad, y en sitios de industrias críticas debe considerarse también restricciones de protección de tecnología industrial", subrayando la necesidad de complementar los marcos regulatorios.
También surgió la opinión de que simplemente acumular grandes volúmenes de datos es insuficiente para avanzar la IA física. Hwang Hee-seung señaló que "los robots deben ir más allá del nivel de imitar movimientos humanos y ser capaces de entender el proceso mismo, de saber 'por qué debe realizarse esta tarea'". Consideró que datos de procesos de manufactura de precisión, en los que Corea del Sur tiene fortaleza, podrían utilizarse como ventaja competitiva diferenciada.
Además, la construcción de infraestructura para utilizar efectivamente datos en el aprendizaje de IA fue identificada como un desafío. Seo Hyung-ju, CTO de Carbonsix, recomendó que "dado que videos y datos de procesos de manufactura tienen un volumen mucho mayor que datos lingüísticos, desarrollar modelos de base de IA física requiere costos enormes", y sugirió que debe proporcionarse apoyo gubernamental para infraestructura de computación de alto rendimiento.
* Este artículo ha sido traducido por IA.