He Xiaopeng, de XPeng, apuesta la empresa a la IA física y descarta miles de millones en software por un enfoque radical
Entrevista en el podcast de Zhang Xiaojun, 28 de mayo de 2026
He Xiaopeng realizó el año pasado una de las apuestas más arriesgadas en la historia de la industria automotriz china, y casi nadie fuera de su círculo cercano lo sabía. En abril de 2025, el fundador y CEO de XPeng Motors decidió unilateralmente descartar el sistema de conducción autónoma de primera generación de la compañía —una plataforma que ya había consumido miles de millones de yuanes en costos de desarrollo— y girar completamente hacia lo que él denomina "IA física". La decisión provocó un éxodo interno, con empleados que literalmente votaron con los pies, pero He siguió adelante de todos modos. Un año después, la apuesta parece estar dando frutos, aunque admite sin rodeos que las probabilidades de éxito final siguen siendo de apenas el 20 por ciento.
El giro radical surgió de la creciente convicción de He de que toda la industria automotriz estaba construyendo lo que él llama despectivamente "monstruos de IA Frankenstein": sistemas que añaden herramientas de IA a arquitecturas de software tradicionales en lugar de reimaginar los vehículos desde los principios fundamentales como agentes físicos inteligentes. A mediados de 2023, XPeng ejecutaba internamente dos programas de conducción autónoma paralelos: un sistema de primera generación que mejoraba incrementalmente las capacidades de extremo a extremo (end-to-end) dentro de los marcos existentes, y un enfoque de segunda generación que utilizaba modelos fundacionales drásticamente más grandes con una lógica de pensamiento fundamentalmente distinta. La primera generación ofrecía un límite superior manejable de alrededor de 1.000 puntos de capacidad con un límite inferior cercano a los 900 puntos, explicó He. La segunda generación prometía un límite superior de entre 100.000 y un millón de puntos, pero su límite inferior se situaba catastróficamente bajo, en apenas 100 puntos.
El punto de inflexión de abril de 2025
He describe el punto de inflexión no tanto como una reunión formal, sino como una realización que cristalizó en su mente a principios de 2025. Había pasado meses observando a sus competidores perseguir lo que parecían caminos más rápidos hacia una conducción autónoma "apenas utilizable", solo para chocar contra muros inevitables al intentar resolver casos atípicos. "Creo que todas las empresas piensan que con metodologías más simples y un rendimiento más rápido pueden crear algo que parezca una conducción autónoma apenas utilizable", señaló. "Pero después de uno o dos años, descubren que, para resolver muchas deficiencias, se limitan a sus propias capacidades básicas. Así que descubren que nunca podrán alcanzar el nivel 4 o el nivel 5".
El avance teórico provino de reconocer una diferencia fundamental entre la IA digital y la IA física. La IA digital opera en lenguaje humano, que es "altamente resumido y condensado", argumentó He. La IA física debe procesar una cantidad de datos mucho mayor que no puede capturarse adecuadamente con palabras. "La cantidad de datos que cada uno de nosotros ve cada día es simplemente imposible de resumir, describir, restaurar y copiar con palabras", dijo. Esta distinción significaba que las metodologías de las empresas de IA digital —que los equipos de XPeng habían intentado adaptar— eran estructuralmente inadecuadas para el mundo físico.
Hacia finales del tercer trimestre de 2025, He ejecutó una reestructuración organizativa integral del centro de conducción autónoma de XPeng, cambiando por completo su estructura central. El movimiento fue drástico: de un equipo de robótica de 300 personas construido mediante métodos tradicionales, quedaron menos de 60. He reconoció que "muchos compañeros destacados" se marcharon, dando lugar a cerca de 10 equipos startup que desde entonces han levantado capital. Pero consideró esta destrucción creativa necesaria para escapar de lo que veía como una dependencia de ruta fatal. "Te acostumbras a usar los viejos métodos, disfrutas de las últimas herramientas y tecnología para hacer algo mejor", dijo. "Creo que la mayoría de las veces es correcto. Pero hay muchas ocasiones en las que tu metodología de trabajo necesita cambiar".
La apuesta tecnológica detrás de la decisión
¿Qué construyó XPeng en su lugar? He se mantiene deliberadamente vago sobre los detalles de implementación, citando el desarrollo en curso y la sensibilidad competitiva, pero las líneas generales implican abandonar por completo las arquitecturas centradas en software en favor de sistemas nativos de IA. El viejo enfoque utilizaba "ingeniería de software, el proceso de usar software, más algoritmos de IA y herramientas de IA, incluyendo la codificación que mencionaste", explicó. "Puedes pensarlo como estar en un flujo de negocios, o software, donde en algunos enlaces importantes de herramientas y procesos se utiliza IA. Pero creemos que eso es incorrecto".
La nueva metodología trata al vehículo como un agente inteligente integral en lugar de un sistema de software mejorado con módulos de IA. He traza paralelismos explícitos con el trabajo de XPeng en robots humanoides, donde la compañía intenta crear sistemas que piensen las tareas de manera integral —entendiendo el contexto, planificando acciones de múltiples pasos y adaptándose a situaciones novedosas— en lugar de ejecutar rutinas preprogramadas con asistencia de IA en los puntos de decisión. "Cómo descartar la lógica original de extremo a extremo; de hecho, se utiliza un modelo fundacional más grande en más pensamientos, cómo abrir primero el límite superior de la conducción autónoma y luego ir hacia el límite inferior de convergencia", dijo, describiendo el cambio filosófico.
Las implicaciones en infraestructura son profundas. He mencionó que los modelos de IA física de XPeng consumen volúmenes de tokens órdenes de magnitud superiores a los de las aplicaciones digitales: un solo vehículo que ejecuta el nuevo sistema VLA durante tres a cuatro horas diarias procesa más tokens que la mayoría de los casos de uso digital, aunque declinó especificar cifras exactas. La compañía ha invertido casi mil millones de RMB anuales solo en infraestructura de almacenamiento de datos, requiriendo equipos especializados para gestionar qué conjuntos de datos necesitan acceso rápido (hot access) frente a almacenamiento frío o de archivo. La asignación de potencia de cómputo sigue patrones similares, con una gestión enfocada en métricas de eficiencia para el equivalente a entre 30.000 y 50.000 GPU H100, en lugar de presupuestos de tokens por empleado que rastrean las empresas nativas digitales.
Validación temprana del mercado
El primer punto de prueba comercial llegó a finales de marzo de 2026, cuando XPeng lanzó la versión inicial de su sistema VLA de segunda generación. En abril, mientras las ventas generales de vehículos de pasajeros en China disminuyeron aproximadamente un 20 por ciento interanual, las entregas de XPeng aumentaron entre un 50 y un 70 por ciento, con una "parte considerable" atribuible a las nuevas capacidades de conducción autónoma, según He. La compañía proyecta ahora lo que cree que será una capacidad de Nivel 4 dentro de 18 a 24 meses, un cronograma que He caracteriza como realista, en contraposición a la "fanfarronería" que atribuye a los competidores que prometen despliegues más tempranos.
Pero He se mantiene pragmático sobre lo que significaría alcanzar incluso el Nivel 4. "Incluso si hay más ventas, no representa un valor a largo plazo", señaló. "Ves que aquí hay diferentes problemas". El éxito en la industria automotriz requiere una excelencia sostenida en docenas de dimensiones simultáneamente, lo que He llama el problema de la "tabla larga, tabla corta y tabla ancha". Un solo logro técnico, por impresionante que sea, no puede compensar las debilidades en otras áreas cuando los clientes evalúan la experiencia completa de propiedad de un vehículo.
La vía paralela de los robots humanoides
El desarrollo de robots de XPeng siguió una trayectoria similar de inicios en falso y giros radicales. El trabajo de robótica de la compañía abarca tres fases distintas: un período inicial entre 2018 y 2020 cuando adquirió un equipo independiente que trabajaba en robots cuadrúpedos; una fase entre 2020 y 2023 explorando diferentes enfoques usando tanto metodologías robóticas como automotrices; y la era posterior a 2023, cuando He se comprometió con los robots humanoides universales impulsados por arquitecturas de IA primero.
El catalizador para la apuesta por los humanoides llegó en 2023, cuando He concluyó que los enfoques anteriores nunca podrían resolver lo que él llama el problema del "cerebro": la capacidad cognitiva requerida para una operación de propósito general. Los sistemas anteriores dependían de lo que He descarta como control a nivel de "columna vertebral" o "tronco encefálico": mantener el equilibrio y ejecutar pasos simples. "Caminar hacia adelante lentamente con el mismo ritmo monótono, no creo que sea el cerebelo", dijo. "Eso es la columna vertebral. O tu tronco encefálico solo está manteniendo el equilibrio. Estás lejos de tener siquiera un cerebelo".
He seleccionó a Mi Liangchuan para liderar el centro de robótica basándose en lo que describe como una alineación de "cuadrantes": marcos de pensamiento compartidos en lugar de una profunda experiencia en el dominio. Mi no había trabajado específicamente ni en robots ni en conducción autónoma, lo que He vio como una ventaja en lugar de una desventaja. "Su cuadrante es más consistente con mi cuadrante de pensamiento", explicó He. El equipo que Mi reunió se inclina fuertemente hacia recién graduados de programas de primer nivel, con casi 80 estudiantes de maestría y doctorado de Tsinghua y otras instituciones similares contratados solo a finales de 2025 y principios de 2026. "Debemos estar dispuestos a apoyar su exploración a largo plazo", dijo He. "Tienes que creer que este grupo de jóvenes, chicos o chicas, pueden crear milagros".
La justificación estratégica para el factor de forma humanoide se centra en la compatibilidad ambiental y la integración social a largo plazo. He explicó detalladamente por qué los robots cuadrúpedos fallan en espacios humanos: un perro robot lo suficientemente alto como para ser útil (1,1 a 1,2 metros) no puede navegar por habitaciones típicas sin dañar los muebles o a sí mismo, mientras que las versiones más pequeñas carecen de capacidad y duración de batería. Del mismo modo, los robots bípedos fuertemente blindados crean barreras psicológicas que impiden una interacción humana cercana, limitando su utilidad en entornos domésticos y comerciales.
La controversia del Iron Bot
El robot de XPeng atrajo una atención internacional inesperada a finales de 2025 cuando los videos de demostración provocaron especulaciones generalizadas de que había un humano dentro del traje en lugar de sistemas autónomos. He describió el episodio con una mezcla de frustración y diversión. El robot mostrado era simplemente un hito intermedio —uno que el equipo sabía que tenía problemas de gestión térmica y estaba "caliente"—, no un producto destinado al escrutinio público. Pero cuando proliferaron las teorías de conspiración que afirmaban que la demostración era falsa, He intervino personalmente, a pesar de las objeciones de su equipo, para probar definitivamente la autenticidad del robot.
"Muchas personas dentro pensaban que no teníamos que decir nada porque nosotros lo sabíamos", relató He. "Pero, de hecho, el 99,99 por ciento de las personas en este mundo no tienen forma de tocarlo". Obligó a su equipo a idear una estrategia de demostración de la noche a la mañana, que culminó en un video que mostraba la pierna izquierda del robot desmontada para revelar los mecanismos internos. La elección fue táctica: "Todo el mundo puede ver la pierna izquierda. Camina de izquierda a derecha. La pierna izquierda es la más fácil de ver. Este es un robot real".
La reacción pública reveló una segmentación de mercado inesperada que desde entonces ha influido en la estrategia de comercialización de XPeng. El análisis de redes sociales mostró que los usuarios más jóvenes estaban interesados principalmente en robots para tareas domésticas y asistencia laboral, mientras que los grupos demográficos de mediana edad y mayores —personas que "no están publicando en sitios de redes sociales"— se centraron intensamente en aplicaciones para el cuidado de ancianos. "Creo que esto es algo para mirar desde diferentes perspectivas", dijo He. "No había experimentado un punto de vista tan grande antes. No tiene tantos datos".
El buque insignia GX y la estrategia automotriz
En el lado automotriz, XPeng está lanzando su SUV insignia GX como el primer modelo de seis plazas de tamaño completo de la compañía y su vehículo más costoso hasta la fecha. He posiciona al GX como una síntesis de capacidades de todo el portafolio de XPeng —autos voladores, robots y vehículos convencionales— en lugar de una apuesta convencional por un SUV grande. El vehículo incorpora redundancia de seguridad de seis vías inspirada en el diseño de aeronaves, lo que significa que puede seguir operando incluso con fallos en el suministro eléctrico o arneses de cableado cortados. "Es como un avión, te permite tener redundancia", explicó He.
La integración es más profunda que el hardware. El nuevo chasis controlado por cable (wire-controlled) de XPeng se vincula directamente al sistema autónomo VLA a través de una arquitectura eléctrica/electrónica rediseñada, permitiendo lo que He describe como elevar el límite inferior de ejecución del VLA: mayores niveles de seguridad, menor latencia y una sensibilidad de control mejorada en "casi decenas de por ciento". Las versiones futuras incorporarán IA orientada a tareas del programa de robótica, permitiendo que el vehículo comprenda y ejecute comandos complejos de múltiples pasos de manera similar a como un robot humanoide procesa instrucciones como "tráeme una botella de agua".
He esquivó las preguntas directas sobre si el GX corre el riesgo de repetir el problemático lanzamiento del G9 en 2022, que estuvo marcado por confusión en los precios y errores de mercado. "El pensamiento y la lógica de ese momento, comparados con la lógica de este momento, creo que la diferencia es muy grande", dijo. "Si tu capacidad alcanza una dimensión superior, probablemente puedas analizarlo todo: dónde estaban los problemas anteriores, y hay una alta probabilidad de saber cuál es el problema ahora". La implicación es que las capacidades organizativas y analíticas de XPeng han madurado lo suficiente como para evitar fallos de ejecución similares, aunque He reconoció que el vehículo incorpora lecciones aprendidas en la planificación de productos, la comprensión del cliente y la lógica de negocios.
El cliente objetivo se describe como alguien mayor de 30 años, "relativamente valiente", profesionalmente exitoso y dispuesto a explorar nuevas tecnologías; esencialmente, el grupo de pares de He. "Nuestro auto tiene más expectativas de ser un lujo tecnológico orientado a la familia", dijo. Los precios y las especificaciones detalladas están programados para anunciarse el 21 de mayo de 2026, posicionados como preventa antes del lanzamiento comercial formal.
Consolidación de la industria y relaciones con proveedores
He reafirmó su predicción de que el mercado automotriz de China se consolidará en aproximadamente cinco empresas a gran escala para 2030, aunque enfatizó que esto no significa que otros fabricantes desaparecerán necesariamente, sino que la escala reducida hará que la competencia de ultra alta intensidad sea cada vez más difícil. Esta tesis de consolidación contradice directamente el escenario optimista que subyace al modelo de negocio de Horizon Robotics, que depende de que numerosos fabricantes de equipos originales (OEM) adopten soluciones de terceros en lugar de integrar verticalmente las capacidades de IA.
He elogió cuidadosamente al fundador de Horizon, Yu Kai, personalmente y a los productos de la compañía, pero expresó escepticismo sobre la viabilidad estratégica del modelo de proveedor de nivel uno (tier-one) para sistemas de IA. "Si miras algo desde la perspectiva del usuario, porque nosotros miramos las cosas desde una perspectiva de negocios, la perspectiva del usuario puede ser solo una de nuestras docenas de perspectivas", dijo He. "Todos sienten la necesidad de más compañías automotrices. Hay más productos de comerciantes amigos para elegir. Hay más cosas diferentes. Pero en este mundo, los autos son demasiado complicados".
El argumento de la complejidad se centra en la fusión entre dominios: integrar hardware, software, fabricación, diseño, servicio y operaciones de maneras que desafían una modularización limpia. He argumentó que, si bien asociarse con tres empresas para ofrecer una solución total es factible, "si tienes que trabajar con 300 empresas para proporcionar una solución personalizada, estarás en gran dolor". La estrategia de XPeng de desarrollar el 80 por ciento del hardware internamente, incluyendo chips de mano y articulaciones para robots, refleja esta filosofía de integración extendida al dominio de la IA física.
Dinámicas competitivas y el "mar de sangre"
Al preguntarle si XPeng ha emergido del "mar de sangre" que describió famosamente en entrevistas anteriores, He fue inequívoco: "Creo que todos están nadando. No creo que nadie haya salido todavía". Pero sugirió que la robótica puede seguir una trayectoria competitiva diferente a la de los automóviles. A diferencia de los autos, donde los productos homogéneos conducen inevitablemente a una competencia de precios brutal, el alto valor del software de los robots y la falta de alternativas sólidas de código abierto deberían permitir una mayor diferenciación y una economía más saludable.
He estimó que ahora hay más de 200 empresas de robótica establecidas en China, potencialmente el doble del número máximo de startups automotrices, aunque señaló que las categorías de robots son mucho más diversas que los segmentos de vehículos. "Creo que puede haber muchas soluciones en este mundo", dijo. "La tasa de éxito de ese robot es bastante alta. Creo que es más alta que la de un auto de pasajeros". Pero fue brutalmente honesto sobre las probabilidades de supervivencia para las empresas que persiguen específicamente robots humanoides universales: "Personalmente creo que si adoptamos un robot humanoide universal, el 99,99 por ciento morirá".
Las probabilidades de XPeng, según la evaluación de He, se sitúan en aproximadamente el 20 por ciento, una cifra que caracteriza como "la tasa de éxito más alta" entre las empresas chinas que intentan esta categoría. Los cuellos de botella para la robótica comercial son tres: lograr un hardware confiable y estable, integrar con éxito múltiples modelos grandes a un alto nivel y probar la viabilidad de la comercialización en despliegues reales. XPeng espera alcanzar el SOP (inicio de producción) al estilo automotriz para robots a finales de 2026, siendo 2027 "el primer año de producción masiva comercial" para robots de alto nivel en China y Estados Unidos.
La dificultad supera a la automotriz según la estimación de He: de 20 a 100 veces más difícil, con 20 representando el multiplicador mínimo. "Incluso con la capacidad de Xiaopeng, después de que la comercialización de este robot apareciera a finales del año pasado, creo que esto ha aumentado un poco nuestra probabilidad de éxito", dijo. La implicación es que, incluso para una empresa con los recursos y la profundidad técnica de XPeng, el éxito está lejos de estar asegurado.
Cambios filosóficos y ansiedad organizacional
He habló con franqueza sobre los desafíos psicológicos de liderar a través de una discontinuidad tecnológica. "Por supuesto que estás ansioso", dijo cuando se le preguntó sobre cómo navegar la transición a la IA. "Porque descubrirás que gran parte de tu teoría lógica anterior, incluso los teoremas y paradigmas en la base de tu teoría lógica, incluso hasta el nivel axiomático —tus valores, perspectiva de la vida y visión del mundo—, sentirás que bajo los cambios de estas cosas, parece que el conjunto anterior de lógica no funcionaba tan bien".
La incertidumbre existencial se extiende más allá de los marcos personales hacia las capacidades organizativas. Señaló que aplicar métricas de uso de tokens tomadas de empresas de IA digital tiene poco sentido para los negocios de IA física, y que la mayor parte de la sabiduría convencional sobre la transformación de la IA "no es lo suficientemente completa y suficiente" cuando se extiende al dominio físico. "Copiar su metodología a la IA física, creo que hay muchos lugares que no son lo suficientemente adecuados", dijo. "Quizás parte de la lógica de negocios sea correcta, pero no son lo suficientemente completas y suficientes. Este es el mayor problema".
Sobre la adquisición de conocimientos, He ha dejado en gran medida de leer libros de negocios de manera convencional, encontrando que las reglas resumidas se vuelven obsoletas demasiado rápido a medida que el mundo cambia. "Podría simplemente pasar un capítulo y seguir adelante", dijo sobre los libros en su escritorio. "Las reglas resumidas en el libro, la combinación actual cambia demasiado rápido, es difícil de resumir. Después de que escribe un libro y lo imprime, el mundo puede haber cambiado otro 10 por ciento". En cambio, enfatizó aprender a través de la práctica y ciclos de iteración rápidos, particularmente en sistemas de IA donde la participación humana en el bucle de mejora debe minimizarse.
A pesar de las inmensas presiones y las pocas probabilidades, He no expresó arrepentimiento por las decisiones pasadas, incluido el costoso giro lejos de tecnologías probadas. "No hay necesidad de pensar en decisiones lamentables en este mundo porque cometí demasiados errores", dijo. "¿Por qué deberías arrepentirte de cometer un error? A menudo sentimos que resulta que algo se hizo mal en ese momento. Entonces pensemos por qué está mal ahora. Pero no te arrepientas".