Generalist ha cerrado una extensión de Serie B de 200 millones de dólares liderada por 8VC que la sitúa en 3.000 millones de valoración. En junio valía 2.000 millones, así que ha sumado mil millones en poco más de dos meses.
Puntos clave
- 200 millones de extensión, con lo que la Serie B completa llega a 600 millones.
- Valoración de 3.000 millones, frente a los 2.000 millones de junio de 2026.
- La lidera 8VC. Entre los inversores previos están Radical Ventures, Nvidia, Union Square Ventures, Bezos Expeditions y Fei-Fei Li.
- La fundaron Pete Florence y Andy Zeng (los dos de Google DeepMind) y Andrew Barry (Boston Dynamics).
- Ni la empresa ni 8VC han querido comentar la operación.
Qué construye Generalist
Un modelo fundacional que sirve para robots distintos. La idea es la misma que en lenguaje: entrenar una vez sobre mucha diversidad y que el resultado se transfiera, en lugar de programar cada robot para cada tarea.
La demostración que les puso en el mapa fue Gen 1.5. Un robot aprende una tarea nueva viendo un vídeo de entre 3 y 12 segundos, y lo hace sin tocar sus pesos. Eso último es la parte que importa: sin reentrenamiento, el aprendizaje ocurre en contexto.
Esa demostración fue hace seis días. La ronda llega justo detrás, y esa secuencia explica bastante bien por qué la valoración se ha movido tan rápido.
El mapa competitivo
Generalist juega en la liga cara de la robótica fundacional y todavía no es el más grande. Skild AI, respaldada por SoftBank, vale 14.000 millones. Physical Intelligence, 11.000 millones. Genesis AI está negociando a 3.000 millones, la misma cifra que Generalist acaba de fijar.
Cuatro empresas persiguiendo lo mismo con capital de sobra. Ninguna tiene todavía un producto que se venda en volumen, así que lo que se está financiando es la carrera por el modelo que funcione en muchos cuerpos distintos.
La presencia de Nvidia en el accionariado desde rondas anteriores es el detalle que se repite en casi todas estas empresas. Quien vende las palas tiene participación en varios de los que cavan.
Por qué el aprendizaje en contexto cambia la ecuación
La parte técnica de Gen 1.5 merece explicarse, porque es lo que justifica la valoración.
En robótica clásica, enseñar una tarea nueva significa recoger datos de esa tarea, reentrenar el modelo y volver a desplegarlo. Semanas de trabajo por cada movimiento nuevo, y un especialista que sepa hacerlo.
Aprender en contexto quiere decir que el robot recibe el vídeo como entrada, igual que un modelo de lenguaje recibe un ejemplo dentro del prompt, y actúa en consecuencia sin que sus pesos cambien. La misma máquina, el mismo modelo, comportamiento nuevo en segundos.
Si eso se sostiene fuera del laboratorio, el coste de poner un robot a hacer algo distinto pasa de semanas de ingeniería a doce segundos de vídeo. Ese es el número que hace que 8VC ponga 200 millones sobre una empresa que todavía no vende.
El equipo tiene el currículum para intentarlo. Florence y Zeng venían de la línea de investigación de DeepMind sobre modelos fundacionales para robots, y Barry de Boston Dynamics, que es donde se aprende que un robot elegante en vídeo y un robot que aguanta un turno de ocho horas son problemas distintos.
Por qué importa
La robótica fundacional está en la fase en la que estaban los modelos de lenguaje en 2021: demostraciones espectaculares, cero despliegue real, valoraciones que se doblan en dos meses.
Para una empresa española con almacén o con planta, la conclusión práctica es esperar y mirar. Lo que hay hoy comercialmente disponible sigue siendo robótica programada, no robótica que aprende viendo un vídeo.
Lo que sí conviene tener localizado es cuándo salta esto a producto. El día que un robot de almacén se pueda enseñar con un móvil grabando doce segundos, la cuenta de automatizar una operación de picking cambia por completo. Ese día no es 2026, pero cuatro empresas con 30.000 millones de valoración conjunta están trabajando para que llegue pronto.
Fuente original: TechCrunch
Relacionado
