Robots chinos con 99.99% de precisión (y el chip imposible de IBM)

Robots humanoides chinos de Agibot logran 64 horas de prueba con 99.99% de éxito en una fábrica real

La startup china Agibot completó una transmisión en vivo de seis días con sus robots humanoides G2 operando dentro de una línea de producción real en la planta de Longcheer Technology, en Nanchang. Las máquinas realizaron inspección de calidad, detección de defectos y manejo de materiales junto a trabajadores humanos, acumulando más de 64 horas de operación y 64,828 tareas completadas con una tasa de éxito de 99.99%, contribuyendo a la producción de 17,625 tabletas.

El hito coincidió con la entrega del robot número 15,000 de la compañía. Agibot tardó cerca de un año en pasar de 1,000 a 5,000 unidades producidas, pero solo tres meses en llegar de 5,000 a 10,000, un ritmo que la firma atribuye a su posición como líder mundial en envíos de robots humanoides, con cerca de 39% del mercado.

El ejercicio se suma a otra demostración similar de la estadounidense Figure AI, que en mayo mantuvo a sus robots Figure 03 trabajando 200 horas seguidas y procesando casi 250,000 paquetes sin una sola falla de hardware. La carrera por probar que los humanoides funcionan fuera de entornos controlados se intensifica entre fabricantes chinos y estadounidenses.

China logra que un solo cable de fibra óptica transmita a una velocidad descomunal

Un equipo de telecom chinas —China Telecom, Yangtze Optical Fibre and Cable y Dekoli— logró transmitir datos a 51.3 terabits por segundo (Tb/s) a través de un cable de fibra óptica de aproximadamente 128 millas (cerca de 206 km) de longitud, sin necesidad de repetidores de señal en el camino. La prueba se hizo sobre lo que describen como el cable comercial transfronterizo de “fibra hueca” más largo del mundo, y alcanzó 1.2 Tb/s por longitud de onda, una marca que según el equipo nunca se había logrado fuera de condiciones de laboratorio.

Lo interesante no es solo la velocidad, sino la tecnología detrás: en vez de mandar la luz a través de vidrio sólido (como la fibra óptica tradicional), la fibra hueca guía la luz a través de aire encerrado en el centro del cable. Esto reduce el retraso de la señal y permite transportar más datos, dos limitaciones clásicas de la fibra convencional. Por eso se ve como una tecnología candidata para la próxima generación de redes troncales de internet y, sobre todo, para alimentar la demanda brutal de ancho de banda que generan los centros de datos de inteligencia artificial.

IBM logra crear un chip de menos de 1 nanómetro

IBM presentó lo que llama el primer chip del mundo por debajo de 1 nanómetro, ubicado en el nodo de 0.7 nm (también descrito como 7 angstroms). El chip logra meter casi 100 mil millones de transistores en una superficie del tamaño de una uña, casi el doble de densidad que el chip de 2 nm que la propia IBM presentó en 2021. Según resultados técnicos publicados, la nueva arquitectura podría ofrecer hasta 50% más rendimiento o 70% más eficiencia energética frente a los chips de 2 nm. IBM calcula que esta tecnología podría empezar a usarse comercialmente en los próximos 5 años.

La clave de este avance se llama “nanostack”, una arquitectura que en vez de poner los transistores uno al lado del otro (como se ha hecho por décadas), los apila en 3D, como pisos de un edificio. Esto le permite a IBM seguir reduciendo el tamaño de los transistores justo cuando la industria empezaba a chocar con los límites físicos de la miniaturización clásica. Es relevante porque chips más densos y eficientes son el motor detrás de todo lo que hoy depende de cómputo intensivo: desde modelos de inteligencia artificial hasta infraestructura en la nube y dispositivos electrónicos de próxima generación.

El grafeno puede albergar múltiples estados de superconductividad, según un nuevo estudio

Físicos del MIT descubrieron que el grafeno romboédrico —una estructura natural de cuatro o cinco capas apiladas que aparece dentro del grafito común— puede albergar varios estados de superconductividad a la vez, algo poco común incluso entre los miles de materiales superconductores conocidos. El hallazgo surgió al aislar muestras de grafito exfoliado con cinta adhesiva y buscar el patrón de capas característico de esta estructura.

A diferencia de experimentos anteriores, en los que el equipo añadía electrones al material, esta vez los fueron retirando mientras aplicaban campos magnéticos paralelos y perpendiculares. A ciertas densidades electrónicas surgieron cuatro estados superconductores distintos, y tres de ellos sobrevivieron a campos de hasta 9 teslas —unas 180,000 veces el campo magnético de la Tierra—, una condición que normalmente destruye la superconductividad al romper el vínculo entre electrones.

Con el campo perpendicular, la superconductividad no solo resistió: se fortaleció. La temperatura crítica subió de 55 a cerca de 90 milikelvin, y el material toleró hasta 60% más corriente antes de fallar. Los investigadores creen que los electrones podrían emparejarse con espines alineados en lugar de opuestos, aunque advierten que la idea aún requiere más evidencia. El estudio se publicó en Nature.

Claude ahora también hace ciencia

Anthropic lanzó Claude Science, un entorno de trabajo pensado para investigadores que junta en un solo lugar herramientas que antes vivían dispersas: bases de datos, notebooks tipo Jupyter, R y hasta terminales de clústeres de cómputo. El sistema llega en beta para usuarios Pro, Max, Team y Enterprise, con acceso a más de 60 skills preconfiguradas para genómica, proteómica y química computacional, entre otras áreas. Un caso citado: un equipo del Allen Institute que tardaba hasta dos años en escribir una revisión científica ahora produjo diez, varias de más de 100 páginas, en mucho menos tiempo.

La apuesta de fondo es que la ciencia se hace más lenta por la fricción de saltar entre herramientas y validar resultados a mano, no solo por falta de ideas. Cada resultado que genera Claude Science incluye el código y el historial completo detrás de él, para que otro investigador pueda reproducirlo meses después. Y esto no es un movimiento aislado: Google ya tiene su propia apuesta similar, Gemini for Science, con herramientas como Co-Scientist y AlphaEvolve, y OpenAI también viene publicando investigación sobre IA como “colaborador científico”. Los tres grandes laboratorios de IA están compitiendo por meterse en el día a día de los laboratorios de verdad.