Genesis AI anunció el 17 de noviembre de 2026 que cerró una ronda Serie A de USD $500 millones a una valoración posterior a la inversión de USD $3.500 millones, codirigida por Premji Invest, Khosla Ventures y Eclipse. La empresa busca desarrollar robots que aprenden tareas manuales con datos capturados mediante guantes sensorizados, pero una demostración también dejó ver errores que deberá resolver antes de alcanzar una automatización confiable.
***
- Genesis AI anunció el 17 de noviembre de 2026 que cerró una ronda Serie A de USD $500 millones a una valoración posterior a la inversión de USD $3.500 millones, codirigida por Premji Invest, Khosla Ventures y Eclipse.
- La ronda semilla de USD $105 millones anunciada en julio de 2025 fue codirigida por Eclipse y Khosla Ventures; ambas codirigieron también la Serie A, junto a Premji Invest.
- Genesis reúne datos de fuerza con guantes usados por más de 100 trabajadores y entrena modelos propios con simulaciones de experiencias robóticas.
🤖💰 Genesis AI negocia una ronda de USD 500 millones
Bloomberg reportó que la operación podría valorar la startup en USD 3.000 millones. Premji Invest conversa para liderarla.
La ronda no está cerrada. En una demostración, los robots también dejaron caer una caja y fallaron al… pic.twitter.com/R9dDiQcCUa
— Diario฿itcoin (@DiarioBitcoin) November 17, 2026
Genesis AI anunció el 17 de noviembre de 2026 que cerró una ronda Serie A de USD $500 millones a una valoración posterior a la inversión de USD $3.500 millones, codirigida por Premji Invest, Khosla Ventures y Eclipse. El comunicado de la compañía confirma el cierre de la financiación.
La startup intenta desarrollar robots capaces de realizar tareas manuales complejas y llevarlos a clientes. En una presentación a TechCrunch en Silicon Valley, dos brazos robóticos empacaron cajas, las cerraron con cinta y colocaron una etiqueta, pero una segunda prueba mostró fallas al manipular una caja y despegar un adhesivo. Ese contraste resume tanto la promesa como el reto del proyecto: Genesis sostiene que la destreza manual puede aprenderse con mejores datos y sistemas de entrenamiento, aunque sus propios ensayos evidencian que todavía hay tareas cotidianas que los robots no resuelven de forma consistente.
Una demostración prometedora, con errores visibles
Durante la primera demostración, los brazos recogieron dos cajas pequeñas de cartón y las escanearon antes de colocarlas dentro de una caja más grande. Después doblaron el empaque, lo sellaron con cinta y arrancaron una etiqueta de una tira de cinta de impresora para pegarla sobre la superficie, una secuencia que combina varias acciones de precisión en vez de un movimiento único y repetitivo.
La prueba tuvo un resultado distinto cuando la empresa repitió la presentación: el robot dejó caer una caja y batalló para separar la pequeña etiqueta adhesiva de la cinta. El reportaje describió el desempeño desigual como una muestra de la distancia entre una tarea ejecutada en laboratorio y una automatización capaz de operar sin tropiezos en condiciones cambiantes, un umbral decisivo para cualquier despliegue industrial amplio.
Un ejecutivo de Genesis planteó que esos errores pueden convertirse en «datos de tropiezos» útiles para mejorar el modelo. La idea es que cada interacción fallida aporte información sobre cómo responde el sistema cuando un objeto se mueve, se pega o resulta más difícil de sujetar de lo previsto; sin embargo, la fuente no detalla cuántos fallos se recopilan ni cuánto mejoran el rendimiento tras incorporarlos al entrenamiento.
El CEO y cofundador Zhou Xian afirmó que Genesis AI ha «resuelto la manipulación diestra», pero la demostración no basta para confirmar esa conclusión fuera del entorno presentado. La propia empresa reconoce obstáculos técnicos pendientes y no dejó que el reportero manipulara la preparación del robot para probar su capacidad; por ello, la afirmación debe leerse como la tesis de la compañía, no como una validación independiente de su desempeño general.
Datos humanos, guantes y simulación
Genesis eligió una estrategia de integración vertical: busca producir buena parte de sus datos de entrenamiento, desarrollar su propio modelo generativo y construir un robot humanoide que funcione junto con esas herramientas. Xian explicó que la meta es ofrecer un producto de extremo a extremo, en vez de concentrarse solo en el software o en una máquina aislada, una apuesta que exige coordinar la recopilación de datos, el diseño mecánico y el entrenamiento del sistema.
Para registrar información sobre fuerza, la compañía utiliza guantes equipados con sensores y cámaras montadas en cascos. Más de 100 trabajadores reales, distribuidos alrededor del mundo, usan ese equipo mientras realizan actividades que contribuyen al conjunto de datos de la startup; Genesis sostiene que la información de fuerza es importante para que un robot pueda manipular objetos con eficacia, aunque la fuente no describe las tareas específicas de cada participante ni el protocolo de recopilación.
Los robots emplean guantes con sensores y manos diseñadas para imitar las proporciones de las manos humanas. Según Xian, esa semejanza ayuda a explicar capacidades observadas en tareas como clasificar objetos y manipular cables, porque la empresa intenta que los datos reunidos por personas puedan servir para entrenar acciones ejecutadas con una configuración física parecida.
La compañía también invierte en simulación para generar experiencias de entrenamiento a gran escala sin depender únicamente de interacciones físicas. Uno de sus asesores, Minchen Li, es coautor de un algoritmo de física que Genesis utiliza para crear millones de modelos de alta fidelidad de experiencias robóticas; el material de origen no identifica el algoritmo por su nombre ni ofrece métricas sobre cuánto mejora el desempeño frente a otros métodos.
Financiamiento, fundadores y robot Eno
Xian y el cofundador Théophile Gervet se conocieron como estudiantes de posgrado en un laboratorio de la Universidad Carnegie Mellon y fundaron la empresa en 2024. Genesis anunció una ronda semilla de USD $105 millones en julio de 2025, codirigida por Eclipse y Khosla Ventures. Genesis AI anunció el 17 de noviembre de 2026 que cerró una ronda Serie A de USD $500 millones a una valoración posterior a la inversión de USD $3.500 millones, codirigida por Premji Invest, Khosla Ventures y Eclipse.
La empresa presenta a Eno como su robot humanoide insignia, pero no lo mostró en funcionamiento durante la visita. Xian dijo que el modelo de Genesis tenía más capacidades al operar Eno que al controlar los brazos robóticos estándar usados en la demostración; aun así, la startup no ofreció en ese encuentro una prueba que permitiera comparar ambas configuraciones.
Eno tiene una apariencia deliberadamente distinta de la imagen de un robot metálico de ciencia ficción: Genesis busca que el producto resulte atractivo para sus clientes y lo describe como una máquina con una estética más cercana a un computador de escritorio sobre ruedas. La empresa afirmó haber construido entre 30 y 40 unidades, pero no quiso revelar cuántas prevé fabricar durante el próximo año.
Genesis dijo que eligió a un contratista de fabricación en masa para iniciar el trabajo en Estados Unidos el próximo año y que el diseño de la versión de producción ya está finalizado. La compañía también realiza pruebas piloto con un puñado de clientes que no identificó, de modo que aún no hay información pública sobre los sectores participantes, los resultados de esas pruebas o el volumen de unidades que podrían requerir.
El desafío de pasar del prototipo a la industria
Xian señaló que el cuello de botella principal está en la capacidad del hardware, tanto en el diseño mecánico como en las cadenas de suministro necesarias para producir máquinas de grado industrial. La advertencia importa porque un modelo de IA puede ejecutar una tarea durante una demostración y, aun así, no resultar adecuado para jornadas de trabajo prolongadas si sus componentes no soportan el uso constante o si la producción no puede escalar.
Una limitación concreta aparece en las manos: de acuerdo con Xian, las manos diestras de la empresa solo pueden soportar unas pocas semanas de trabajo regular antes de que deban reemplazarse. La fuente no precisa el costo de esa sustitución ni cuánto tiempo de inactividad implica, pero el dato señala que la durabilidad será parte central de la evaluación de cualquier cliente que considere operar los robots de forma continua.
El CEO minimizó la importancia de las distinciones entre arquitecturas de modelos Vision-Language-Action y World-Action, y sostuvo que la infraestructura de entrenamiento, los datos y su calidad pesan más en el resultado final. Estimó que la arquitectura del modelo aporta quizá un 10% del resultado, una valoración de Xian que refleja la perspectiva de Genesis y no una medición independiente presentada en el material de la noticia.
«No creo que esperemos ni que necesitemos otro salto científico fundamental», dijo Xian, quien resumió el trabajo pendiente como un problema de ejecución. Su confianza convive con los desafíos descritos por la propia empresa: conseguir más datos, mejorar la resistencia de las manos, asegurar la fabricación y demostrar que las tareas pueden repetirse con fiabilidad fuera del laboratorio, condiciones que determinarán si el capital captado se traduce en robots disponibles para operaciones reales.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
Economía
La fiebre de la inteligencia artificial revaloriza los oficios técnicos en Estados Unidos
Empresas
La demanda eléctrica de los centros de datos crece casi diez veces más rápido que la red de EE. UU.
Hardware
NVIDIA lleva Alpamayo 2 Edge a los autos: razonamiento de IA en DRIVE Thor
AltCoins
