DruckFin

Transcripción de XPeng: He Xiaopeng sobre el abandono del sistema ADAS multimillonario de XPeng en favor de la IA física y la competitiva carrera por los robots humanoides

Entrevista en videopodcast con Zhang Xiaojun, 28 de mayo de 2026

El papel de las herramientas de IA y la programación en las empresas modernas

Zhang Xiaojun: Hola a todos, soy Xiaojun. "Unfinished Date" es un programa de primer nivel coproducido por Weibo Finance y Language is the World Studio. Hoy nos acompaña He Xiaopeng, fundador y CEO de XPeng Group. Hablaremos sobre su exploración de la IA física, aunque todavía guarda muchos secretos que no puede revelar. Antes de comenzar oficialmente, quiero hacer una breve encuesta sobre su experiencia reciente con la IA. ¿Cuáles son los productos de IA que ha utilizado últimamente?

He Xiaopeng: Para ser honesto, no uso muchos. Sigo utilizando productos de IA muy tradicionales como Tongyi Qianwen y Doubao. Sin embargo, en nuestro equipo utilizamos mucho la IA para programar. Personalmente, no quiero profundizar demasiado en su uso. Cuando mi equipo me preguntó por qué no quería usarla yo mismo, les di un ejemplo interesante de cuando desarrollábamos productos de internet. Si usas un producto todos los días, te atascas rápidamente en los detalles minuciosos. Te enfocas demasiado en sus deficiencias inmediatas y en las funciones que no funcionan, en lugar de mirar su potencial a largo plazo. Una vez que empiezas a usarla constantemente, concentras toda tu energía en cómo resolver sus errores actuales, lo que te impide mirar hacia el futuro. Por lo tanto, aunque me preocupan profundamente los rápidos cambios tecnológicos, creo que la persona que ocupa el puesto número uno no debería usar estas herramientas de forma demasiado profunda. Sin embargo, a nivel operativo debemos fomentar e incluso forzar su adopción, para eventualmente normalizarla.

Zhang Xiaojun: ¿Tiene sentido la programación asistida por IA para el puesto número uno de una empresa? ¿Cree que beneficiará a XPeng, a la industria automotriz o a la industria de la conducción inteligente en su conjunto? ¿Traerá cambios reales?

He Xiaopeng: Creo que es una herramienta excelente para programadores junior, pero por ahora sigue siendo una herramienta auxiliar. Quizás en dos o tres años obligue a los programadores junior a convertirse rápidamente en programadores senior. Sin embargo, para cosas como la conducción asistida inteligente u otras capacidades avanzadas y especializadas de IA, su ayuda directa es relativamente pequeña. Es solo una de muchas herramientas. Primero debe construirse toda la infraestructura subyacente. Una vez que se establece todo el sistema, la programación con IA solo ayuda realmente en la capa de aplicación. Si trabajas en la capa del kernel, como al escribir un sistema operativo, el valor central reside en la infraestructura general del sistema y no en la programación en sí.

Las realidades financieras y de cómputo de la IA física a gran escala

Zhang Xiaojun: ¿Cuántos tokens utiliza su empresa cada mes? ¿Cuánta atención le presta a esa métrica?

He Xiaopeng: No prestamos mucha atención al uso de tokens. Durante el último año, muchas personas han mencionado esto. Creo que las pequeñas y medianas empresas digitales podrían necesitar enfocarse mucho en los tokens, y las empresas digitales medianas y grandes deberían prestarle la atención adecuada, pero no debería ser una métrica integral. Algunos negocios de soporte central de ciertas empresas no están totalmente digitalizados. De hecho, realizamos una estadística interesante en nuestros autos. Si nuestro modelo de Visión-Lenguaje-Acción (VLA) de nueva generación solo funciona durante tres o cuatro horas al día, ¿cuántos tokens utilizará? No recuerdo el número exacto, pero se procesa como un bucle interno. En la IA digital, la cantidad de tokens utilizados es mucho menor que la requerida para analizar el mundo físico. Sin embargo, comparar ambos es, en última instancia, irrelevante, porque un auto autónomo opera como una máquina automatizada. Utiliza tantos tokens como necesite para procesar el entorno. En el mundo físico, el uso de tokens terminará tratándose de cuánto valor puede generar una máquina para las personas y las empresas, lo cual es una dimensión completamente distinta a la de la IA digital.

Zhang Xiaojun: ¿Cuál considera que es un presupuesto razonable para tokens y cómo gestionan esos costos internamente?

He Xiaopeng: No lo sé. Internamente, trato de no restringir el uso de tokens para nadie. Muchos ejecutivos me preguntan sobre el control de los gastos en tokens, alegando que pueden ahorrar los gastos de un año en un solo trimestre. Creo que si alguien realmente puede generar valor, mi trabajo es solo monitorear y gestionar los casos más anormales, como los diez principales casos atípicos en términos de gasto. El resto debería dejarse abierto. Si un empleado gasta mil o diez mil RMB al mes pero genera un valor masivo, ¿por qué deberíamos restringirlo cuando su salario supera por mucho esa cantidad? Actualmente, nuestra distribución de tokens se concentra en nuestro Centro de Inteligencia General, que es el equipo fusionado de nuestras divisiones de conducción autónoma y cabina. Son un equipo enorme. Medimos la potencia de cómputo en lugar de solo los tokens. Por ejemplo, observamos qué tan eficientemente utiliza un negocio una asignación de treinta mil o cincuenta mil GPU NVIDIA H100.

Zhang Xiaojun: Mencionó la gestión de casos atípicos. ¿Qué tipo de datos atípicos ha observado recientemente?

He Xiaopeng: Recientemente establecimos controles estrictos en torno a los datos. Muchos hablan sobre el valor de los datos, pero muy pocas empresas se dan cuenta de los costos astronómicos asociados a su gestión. En el campo de la IA digital, el tamaño de los datos para el entrenamiento es relativamente pequeño, a menudo solo decenas de terabytes. Pero cuando entrenamos modelos de IA física, procesamos de decenas a cientos de terabytes en una sola ejecución. Almacenar y gestionar estos datos es increíblemente costoso. Nuestros costos directos y rígidos de inversión en datos ascienden a más de mil millones de RMB cada año. Tenemos que analizar qué datos son valiosos, cuáles son útiles temporalmente, a cuáles se debe acceder rápidamente y cuáles pueden almacenarse y reutilizarse. Optimizar estos flujos de trabajo puede ahorrar decenas de millones de RMB y generar ganancias masivas de eficiencia. Por esta razón, contamos con equipos dedicados a gestionar los datos y la potencia de cómputo, y es por eso que no me preocupo demasiado por el conteo de tokens de cada ingeniero individual. La potencia de cómputo requerida durante el entrenamiento de los modelos físicos es donde reside el costo real.

Por qué automatizar el rol de un CEO es mucho más difícil que la conducción autónoma

Zhang Xiaojun: Si tuviéramos que entrenar un modelo de IA para replicar sus habilidades —una "habilidad He Xiaopeng"—, ¿qué datos de entrenamiento necesitaríamos suministrarle y cómo sería esa habilidad?

He Xiaopeng: Hoy en día, los modelos digitales y físicos hacen que sea mucho más fácil automatizar las habilidades de los trabajadores administrativos básicos que las de los trabajadores manuales básicos. Sin embargo, si observamos la progresión lógica de la descalificación profesional, una vez que se automaticen los roles de cuello azul y blanco de mayor nivel, habrá riesgos sociales masivos. Un CEO podría, técnicamente, ser reemplazado en unas pocas décadas o un siglo. Para entonces, mis capacidades podrían efectivamente empaquetarse en una habilidad de IA. Pero para ese momento, los CEO humanos también habrán desarrollado capacidades más fuertes y completas. Hemos reflexionado profundamente sobre esto porque estamos construyendo robots. Aquí hay dos grandes contradicciones. La mayoría de la gente piensa en cómo convertir sus habilidades existentes en destrezas. Pero desde la perspectiva del modelo, ¿cómo sabe el sistema que una habilidad digitalizada es correcta y cómo mejora continuamente a través del aprendizaje constante? En un modelo de simulación física, esto puede fortalecerse. Esto es muy diferente a la programación o a la conducción autónoma. En la programación y la conducción autónoma, está claro cuándo un sistema comete un error. Pero si intentas convertir la toma de decisiones de He Xiaopeng en una habilidad, es extremadamente difícil juzgar si una decisión estratégica es correcta o incorrecta en tiempo real. Es por eso que estamos enfocados en construir el sistema subyacente en sí, en lugar de solo usar un sistema construido por otros.

Zhang Xiaojun: Intuitivamente, ¿cuál sería la principal deficiencia de una habilidad digitalizada de He Xiaopeng?

He Xiaopeng: Creo que una vez que las habilidades de cualquier persona estén completamente digitalizadas, todos se darán cuenta de que esta persona en realidad tiene muchas deficiencias. Como CEO, ciertamente no soy la excepción.

Zhang Xiaojun: Como CEO, ¿cree que el enfoque de su empresa en la IA es suficiente hoy en día?

He Xiaopeng: Creo que las empresas del mundo digital pueden enfocarse fuertemente en la IA, dedicando quizás decenas de puntos porcentuales de sus recursos a ella. En el mundo físico, XPeng es una empresa con decenas de miles de personas, y creo que deberíamos dedicar entre el quince y el veinte por ciento de nuestros recursos totales a lo que llamo "pan-IA". Esto incluye nuestra división de conducción autónoma y nuestra división de robótica. Esta es una proporción razonable y suficiente.

El giro de empresa de autos con IA a potencia de IA física

Zhang Xiaojun: Si colocamos a las empresas de inteligencia artificial a un lado y a las empresas de manufactura al otro, ¿cómo equilibra ambas? ¿Tiene una lucha interna sobre si XPeng debería ser una empresa de IA o una empresa de manufactura automotriz?

He Xiaopeng: No lo veo de esa manera. Creo que el desarrollo de autos consta de varios tipos de investigación y desarrollo. Primero está la I+D de hardware, segundo la I+D de software, y la IA es solo un componente del software. Luego está la I+D de manufactura. La I+D de hardware y la manufactura son dos conjuntos de habilidades completamente diferentes. Por ejemplo, podrías tener la capacidad de diseño para dibujar una mesa y sillas hermosas, pero probablemente no tengas la capacidad de manufactura para construirlas realmente. En una empresa automotriz, dominar estas diferentes capacidades de I+D es la base fundamental. En el futuro, podría haber incluso un quinto tipo de capacidad.

Zhang Xiaojun: El año pasado, todavía llamaba a XPeng una "empresa de autos con IA". Este año, la empresa cambió oficialmente su marca a XPeng Group, y usted declaró que XPeng es ahora una "empresa de IA física". ¿Cuál fue el razonamiento estratégico detrás de este cambio de nombre y cuáles son las implicaciones prácticas?

He Xiaopeng: Esta transición acaba de comenzar y todavía hay muchos detalles que no podemos revelar completamente, pero puedo compartir algo de contexto. Durante la última década, XPeng se centró en vehículos eléctricos inteligentes. Diseñamos nuestros primeros autos, los producimos en masa, vendimos nuestras primeras cien mil unidades y entramos en un ciclo de manufactura estándar. Cuando comenzamos en 2014, prácticamente nadie creía en la inteligencia vehicular. Solo unos pocos creían en la electrificación, y la mayoría de la gente solo veía a los autos como un negocio tradicional a gran escala. Para el año pasado, en 2025, todos aceptaron que la electrificación era el futuro debido al cambio global hacia las nuevas energías. Sin embargo, aunque la inteligencia se ha desarrollado rápidamente en el campo automotriz, el progreso aún ha sido insatisfactorio. Desde Toyota y Google hasta Baidu, Tesla y XPeng, todos hemos invertido inmensos recursos en la conducción autónoma. Logramos resultados significativos, pero no alcanzamos la altura que realmente queríamos. Los sistemas que construimos eran lo que llamo "monstruos de puntadas": una combinación de reglas de software y algoritmos de IA, en lugar de un conductor de IA integrado construido completamente sobre un modelo de IA unificado. Seguía siendo una lógica basada en software.

La apuesta multimillonaria: abandonar el "monstruo de puntadas" por el modelo base VLA

Zhang Xiaojun: ¿Qué sucedió dentro de XPeng el año pasado para cambiar este paradigma?

He Xiaopeng: El año pasado, nos encontramos con un punto de inflexión importante. Trabajábamos en dos generaciones de nuestro sistema de conducción asistida inteligente simultáneamente. Internamente, las llamamos nuestra primera y segunda generación de VLA. La primera generación de VLA amplió el modelo para reducir la influencia de las reglas de software tradicionales, mejoró las capacidades del backend y fortaleció el post-entrenamiento. La segunda generación de VLA tomó una dirección completamente diferente. Descartamos la lógica tradicional de extremo a extremo y utilizamos un modelo base mucho más grande para desbloquear el límite superior absoluto de las capacidades de conducción autónoma. Luego trabajamos para converger el límite inferior, lo que significa minimizar errores críticos y asegurar que el auto se comporte exactamente como se espera. La generalización en la conducción autónoma sigue siendo un problema masivo. Hoy en día, ninguna empresa de conducción autónoma puede conducir sin problemas en un estacionamiento subterráneo desconocido sin depender de la conducción asistida por memoria, donde el auto debe recorrer primero la ruta para mapear el espacio. Esto demuestra que la comprensión real del sistema sobre el mundo físico es extremadamente baja. El límite superior de la arquitectura antigua era simplemente demasiado bajo. Para hacerlo bien, necesitas abrir diez mil posibilidades, pero los sistemas antiguos estaban limitados a mil. Alrededor de esta época el año pasado, nuestra segunda generación de VLA me abrió los ojos a un cambio masivo. Su límite superior podía alcanzar cien mil o incluso un millón de puntos, pero su límite inferior en ese momento era terrible. Bajo el sistema antiguo, podías tener un límite superior de mil y un límite inferior de novecientos, lo cual es muy estable. Con el nuevo modelo, el límite inferior era inicialmente mucho más bajo que nuestros productos comerciales existentes. Nos enfrentamos a una elección: seguir usando metodologías de ingeniería de software y la IA como una caja de herramientas dentro de un flujo de negocio tradicional, o hacer una apuesta masiva. Nos dimos cuenta de que usar metodologías de software tradicionales con herramientas de IA solo crea un "monstruo de puntadas" de software más potente. Entonces, alrededor de abril del año pasado, hicimos una apuesta masiva. Detuvimos el desarrollo de nuestro sistema anterior, que nos había costado varios miles de millones de RMB construir.

Zhang Xiaojun: ¿Por qué decidió eliminar un sistema de varios miles de millones de RMB? ¿Cuál fue el detonante?

He Xiaopeng: Porque me di cuenta de que el sistema antiguo nunca lograría una verdadera autonomía sin conductor, ni permitiría que los robots se generalizaran. Si un robot entra en una habitación desconocida, te reconoce, se sienta y responde naturalmente cuando rechazas un vaso de agua, eso no se puede lograr usando reglas estrictas y algoritmos de IA menores. Me di cuenta de que, aunque queríamos construir un auto increíblemente inteligente, nuestras metodologías de software existentes nunca permitirían que se volviera infinitamente inteligente. Era un atajo, pero no el camino real. Necesitábamos encontrar el camino real. Teníamos que confiar en que el valor del hardware y el software eventualmente se dividiría cincuenta-cincuenta, donde los clientes estarían dispuestos a pagar ciento cincuenta mil RMB por el hardware de un auto de trescientos mil RMB, y otros ciento cincuenta mil RMB por su software integral y sus capacidades de inteligencia. Tuvimos que reestructurar completamente nuestra planificación estratégica y nuestros procesos de I+D desde cero.

Zhang Xiaojun: ¿Hubo alguna reunión histórica dentro de la empresa cuando hizo esta apuesta masiva? ¿Cómo ejecutó un cambio organizacional tan importante?

He Xiaopeng: No hubo una única reunión dramática; tomé la decisión final en mi cabeza y fuimos con todo. Para finales del tercer trimestre del año pasado, hicimos nuestro movimiento y reestructuramos completamente nuestro centro de conducción autónoma. En cualquier organización, las personas talentosas tienen inercia. Se sienten cómodas usando metodologías antiguas incluso cuando se les entregan las últimas herramientas de IA. Pero para innovar realmente, tienes que cambiar tu metodología y mentalidad central. No puedo compartir los pasos operativos exactos que tomamos porque son altamente estratégicos y propietarios. Ajustamos diferentes unidades de negocio a diferentes ritmos, enfocándonos mucho en el liderazgo y la estructura organizacional. Es extremadamente difícil. Si no cambias la lógica subyacente, terminas usando la IA para construir una casa más rápido, pero solo estás reparando una casa vieja. Queríamos construir algo completamente nuevo. Como CEO, tienes que hacer la apuesta, aceptar la retroalimentación y guiar a la organización a través de la transición. XPeng es una gran startup con decenas de miles de empleados, por lo que gestionar este cambio organizacional es un desafío completamente diferente en comparación con un equipo pequeño. Cuando eres quien tiene la visión general, recibes consejos desde muchos ángulos diferentes, pero la mayoría está incompleto. En última instancia, tienes que integrar esas perspectivas y tomar la decisión.

Zhang Xiaojun: Escuché que se ha vuelto mucho más dispuesto a apostar en grandes decisiones en los últimos tres años.

He Xiaopeng: No se trata de ser un apostador; se trata de saber cuándo debes hacer una apuesta y hacerlo temprano. A finales de 2022, cuando XPeng enfrentaba desafíos masivos, establecí dos filosofías centrales para mí. Primero, nunca admitir la derrota. Segundo, estar dispuesto a admitir la derrota. Equilibrar ambas significa que, incluso cuando te enfrentas a inmensas dificultades, debes persistir y seguir adelante. Pero también debes mantener la claridad objetiva para cerrar proyectos que ya no son viables, tal como lo hicimos cuando detuvimos por completo nuestra primera generación de VLA. Dudar, esperar y observar solo retrasa tu cronograma y hace que el éxito sea imposible. En unos años, una vez que tengamos más éxito, podremos discutir los detalles exactos. Cada empresa debe encontrar su propio camino único. Hoy en China, todos hablan de copiar a la Empresa A o a la Empresa B, pero eso es un error. Lo que funciona para la IA digital no puede simplemente copiarse a la IA física. Es un mundo completamente diferente. Cuando las empresas de IA digital intentan definir el mundo físico sin haber dirigido nunca un negocio físico, construyen IA física en un sentido muy estrecho. El mundo físico real involucra interacciones humanas complejas, variables ambientales, cumplimiento normativo y viabilidad comercial. Tienes que pensar mucho más allá de tener un par de características fuertes. Es por eso que los CEO de IA digital no pueden explicar fácilmente la transición a la IA física; todavía están descubriendo si siquiera pueden tener éxito.

El renacimiento del robot humanoide IRON de XPeng

Zhang Xiaojun: Hablemos de su robot humanoide, IRON, que generó una atención masiva el año pasado. ¿Cómo surgió este producto y por qué se inclinó hacia los robots humanoides universales en 2023?

He Xiaopeng: El viaje de la robótica de XPeng abarca en realidad tres etapas distintas. La primera etapa fue de 2018 a 2020. Era un equipo independiente de unas cuatro o cinco empresas en China explorando la robótica cuadrúpeda. La segunda etapa fue de 2020 a 2023. Durante esos cuatro años, construimos tres hitos diferentes. Intentamos hacer robots usando métodos de robótica tradicionales e incluso intentamos hacer robots de la manera en que fabricamos autos, uniendo varios elementos con un éxito mixto. La tercera etapa comenzó después de 2023. Cuando vimos el progreso de los modelos base a finales de 2022, toda nuestra lógica cambió. Anteriormente, creíamos que era imposible construir un cerebro robótico exitoso porque la complejidad del cerebelo —mantener el equilibrio físico y el control del movimiento— era demasiado alta. Hoy en día, muchas empresas afirman haber desarrollado un cerebelo robótico porque su robot puede caminar hacia adelante lentamente a un ritmo monótono. Eso no es un cerebelo; eso es solo una columna vertebral básica o un tronco encefálico manteniendo el equilibrio. Están lejos de lograr una funcionalidad cerebelosa real.

Zhang Xiaojun: ¿Qué cambios organizacionales importantes realizó en 2023 para hacer realidad esta nueva visión?

He Xiaopeng: En 2023, decidimos cambiar completamente de cuatro patas a dos patas. Abandonamos nuestras viejas suposiciones y nos enfocamos en un diseño completamente nuevo impulsado directamente por el cerebro del robot, combinado con nuestra experiencia en ingeniería del sector automotriz. Tener buena tecnología no garantiza un buen producto, y tener un buen producto no garantiza que puedas escalar la producción. Los autos tienen un proceso altamente maduro que abarca desde la planificación y el diseño hasta ET, PT, SOP y SOD. Para finales de este año, esperamos hacer la transición de nuestros robots a un proceso SOP de grado automotriz. Para 2027, esperamos que los robots de alto nivel entren en su primer año real de producción masiva comercial a nivel mundial. En ese momento, los robots controlados por movimiento tradicionales comenzarán a declinar a medida que los robots de IA física avanzada tomen el control. El valor central de la IA física reside en su capacidad para generar valor emocional y físico para los humanos al realizar trabajo real. En 2023, nos dimos cuenta de que nuestro equipo de robótica existente, a pesar de estar altamente familiarizado con la robótica tradicional, era incapaz de construir esta nueva generación de robots de IA física. En ese momento, nuestra división de robótica, dirigida por LC, tenía alrededor de trescientas personas. Desmantelamos el equipo, dejando menos de sesenta miembros principales. Muchos de los que se fueron fundaron sus propias startups y recaudaron múltiples rondas de financiación. Pero para reconstruir la lógica de todo el robot, no podíamos depender únicamente de ingenieros automotrices tradicionales o expertos en robótica tradicionales. Necesitábamos un equipo completamente nuevo con una comprensión unificada de la IA, la ingeniería automotriz, la manufactura y la robótica.

Zhang Xiaojun: ¿Por qué eligió a LC para liderar este esfuerzo cuando no era ni un experto en robótica tradicional ni un especialista en conducción inteligente?

He Xiaopeng: A veces es cuestión del destino. Su pensamiento estratégico y su cuadrante mental se alinearon perfectamente con el mío, convirtiéndolo en la persona adecuada para impulsar esta nueva forma de pensar. Muchas de las demostraciones de robots que ves de otras empresas hoy en día todavía utilizan lo que consideramos pilas de tecnología de tercera o cuarta generación. Solo están realizando pruebas básicas. En XPeng, tenemos la paciencia y el coraje para invertir a largo plazo. Una demostración rápida significa muy poco. Es como en 2017, cuando China tenía cientos de startups de conducción autónoma presumiendo de datos de nivel 4; muy pocas de esas tecnologías se tradujeron alguna vez en un valor real y comercializado.

Zhang Xiaojun: ¿Cuál es la estrategia de reclutamiento y talento de LC para este equipo reconstruido?

He Xiaopeng: LC se enfoca mucho en lo que él llama "densidad de talento", que yo veo como potencial de talento. Recluta a las mejores mentes. Desde finales del año pasado hasta la primera mitad de este año, nuestro departamento de robótica contrató a casi ochenta graduados de maestría y doctorado de instituciones de primer nivel. Son increíblemente costosos, pero estamos totalmente comprometidos a apoyar su exploración a largo plazo. Creemos que debemos usar personas súper inteligentes para resolver problemas súper difíciles, en lugar de depender de procesos rígidos y herramientas predefinidas. LC es increíblemente ambicioso; a menudo me dice que quiere crear humanos artificiales en lugar de solo construir robots comerciales. Quiere que los robots tengan un sentido genuino de participación en nuestra sociedad y que se conecten profundamente con las emociones humanas.

Superando los obstáculos de la robótica humanoide bípeda

Zhang Xiaojun: ¿Por qué se comprometió tan firmemente con los robots humanoides bípedos universales por encima de otras formas?

He Xiaopeng: Es el camino más desafiante, pero es el que tendrá el impacto más profundo en la sociedad humana. Durante las próximas décadas, los robots humanoides universales se integrarán profundamente en las vidas humanas. Mientras que la IA digital se limita a ayudar en unas pocas docenas de roles administrativos, los robots de IA física pueden abordar cientos de roles físicos, especialmente en sociedades que envejecen. Creo que los dos factores más críticos para el futuro de la humanidad son la IA médica para ayudar a los ancianos a vivir vidas más largas y saludables, y los robots de IA física para brindar cuidado y compañía. Para muchas personas mayores, un robot puede eventualmente convertirse en su principal sistema de apoyo. Elegimos este camino difícil porque analizamos los defectos fundamentales de otras formas. Por ejemplo, anteriormente desarrollamos robots cuadrúpedos: perros y caballos. Pero si llevas un perro robot de más de un metro de altura a una casa estándar, no puede funcionar. No puede darse la vuelta junto a una mesa de noche sin rayar las paredes o dañar la cama. A diferencia de un verdadero golden retriever, cuya cola y cuerpo son suaves, un perro robot rígido inevitablemente causará daños. Si haces al perro robot más pequeño, la duración de su batería se vuelve demasiado corta y su utilidad se reduce a la compañía básica.

Zhang Xiaojun: ¿Qué hay de los robots bípedos? ¿Cuáles son los desafíos de diseño centrados en el humano?

He Xiaopeng: Si construyes un robot bípedo masivo de 1,8 metros cubierto con una pesada armadura de metal, incluso su propio diseñador sentirá una intensa sensación de opresión física al estar a su lado. Naturalmente te preocuparás por si se cae, se sobrecalienta, expone alto voltaje o simplemente está sucio. Si los adultos se sienten así, ¿cómo reaccionarán los niños y los ancianos? ¿Cómo resuelves esas regulaciones de seguridad y legales en un entorno doméstico? Si bien los robots industriales pueden utilizar ese diseño porque operan en entornos controlados, los robots domésticos deben diseñarse de manera diferente. Deben ser cómodos para que los humanos interactúen con ellos. Es por eso que nuestra generación actual de robots está diseñada para medir entre 1,69 y 1,70 metros de altura, una altura que es cómoda tanto para hombres como para mujeres. Están diseñados para usar ropa e incluso pueden tener cabello, pero no deben tener una cara humana realista para evitar el efecto del "valle inquietante" y otros problemas sociológicos complejos.

Detrás de escena de la gran controversia del robot humanoide

Zhang Xiaojun: Durante su conferencia de prensa el año pasado, mencionó que su equipo estaba profundamente en conflicto sobre si probar que el robot en el escenario era completamente autónomo y no operado por un humano. ¿Por qué fue una lucha tan grande?

He Xiaopeng: Personalmente, no me importaba, pero mi equipo estaba increíblemente ansioso. Argumentaron que cuanto más intentáramos explicar, más escéptica se volvería la gente, ya que la opinión pública en línea suele ser cínica. Querían esperar veinticuatro horas para ver cómo reaccionaba el público antes de hacer cualquier declaración. Pero después de unas horas, no pude soportar más los rumores que se extendían. En China y a nivel mundial, la especulación se propagaba a la velocidad del rayo. Si esperábamos veinticuatro horas, la narrativa estaría completamente fuera de control. Sabíamos internamente que era un robot real y que su gestión térmica todavía era un trabajo en progreso, lo que lo hacía calentarse. Pero fue un hito importante para nosotros, y sabíamos que las versiones futuras serían significativamente mejores. Entonces, esa noche, llamé al equipo y les dije que prepararan una demostración para la mañana siguiente. Insistí en que le mostráramos a todos que era un robot real operando de forma autónoma, en lugar de dejar que el escepticismo persistiera.

Zhang Xiaojun: ¿Cómo se lo demostró al público?

He Xiaopeng: Decidimos que el método más simple e indiscutible era hacer que el robot caminara mientras le quitábamos la pierna izquierda. Debido a que el robot camina de izquierda a derecha, la pierna izquierda es la más visible para la audiencia. Quitar la pierna mientras estaba funcionando demostró la arquitectura mecánica y de software interna con claridad, probando que no era un humano con un disfraz. Esto despejó rápidamente la crisis de relaciones públicas.

El potencial de mercado, la comercialización y el cronograma futuro de los robots humanoides

Zhang Xiaojun: ¿Cómo ha evolucionado su estrategia de robótica desde ese evento público?

He Xiaopeng: Aceleró nuestro reclutamiento. Hemos atraído una increíble variedad de talento a nuestra división de robótica. Iniciar un negocio de robótica es muy diferente de iniciar una empresa de autos. Creo que iniciar una empresa de robótica es de veinte a cien veces más difícil que construir una empresa de autos. Incluso con las capacidades de manufactura e IA establecidas de XPeng, nuestro éxito el año pasado solo aumentó nuestra probabilidad general de éxito en un pequeño margen. Hoy en día, hay más de doscientas startups de robótica establecidas en China, lo que duplica el número de startups de autos eléctricos que vimos durante el auge automotriz. Sin embargo, a diferencia de los autos, que se clasifican principalmente en vehículos de pasajeros, comerciales o especiales, los robots tendrán innumerables clasificaciones, desde transporte médico y de carga hasta inspección de carga. Muchos de estos robots especializados no necesitan ser humanoides. Pero en el camino de los robots humanoides bípedos universales, el noventa y nueve por ciento de las empresas fracasará. La complejidad del software es simplemente demasiado alta, y no existe una plataforma de código abierto capaz de ayudar a una startup de robótica a construir software de IA física de alta fidelidad. Estamos enfocados en navegar estos obstáculos nosotros mismos porque solo entiendes realmente los desafíos de ingeniería una vez que pisas las trampas.

Zhang Xiaojun: ¿A quién considera sus principales competidores en el espacio de la robótica humanoide universal?

He Xiaopeng: En este momento, los robots humanoides universales no tienen rivales reales. Es una carrera totalmente contra nosotros mismos. Cada empresa de robótica debe enfocarse en hacerse lo más fuerte posible, construyendo la organización subyacente, la infraestructura de hardware y la integración general del sistema. El año pasado, nuestro robot se volvió viral debido a su control de movimiento altamente realista. El control de movimiento automotriz tradicional se ha mercantilizado en gran medida durante el último siglo, con las empresas de autos comprando controladores de motor a proveedores de nivel 1. Pero para hacer que un robot sea verdaderamente capaz, su control de movimiento debe estar mucho más integrado y ser más receptivo que el de un auto. En un auto, los diferentes dominios de control están aislados. Esto funciona para la conducción estándar, pero si un auto tiene sus neumáticos izquierdos sobre nieve y sus neumáticos derechos sobre césped, ejecutar un giro de cuarenta y siete grados con una persona apareciendo repentinamente frente al vehículo es increíblemente difícil. Gestionar la tracción de las cuatro ruedas, el equilibrio del movimiento y la latencia en esas condiciones sigue siendo un desafío. Para un robot, la complejidad se multiplica. Un humano tiene más de doscientas articulaciones, lo que permite un bucle infinito de combinaciones de movimiento potenciales. Replicar esta personificación de pose completa usando control de movimiento impulsado por IA en lugar de software basado en reglas es increíblemente difícil. Queremos dar a nuestros robots el mismo instinto físico que tiene un humano al caminar sobre nieve, hielo o césped, sintiendo la fricción y ajustando el equilibrio al instante. Es por eso que desarrollamos el ochenta por ciento de nuestro hardware robótico internamente, incluidas nuestras articulaciones actuadoras y manos, mientras cooperamos con proveedores de nivel 2 para escalar la calidad.

Zhang Xiaojun: ¿Cuáles son los principales cuellos de botella de ingeniería y comerciales que enfrenta mientras se prepara para la producción masiva?

He Xiaopeng: El primer cuello de botella es asegurar que nuestro hardware interno sea excepcionalmente confiable y estable. El segundo es lograr un ajuste perfecto entre nuestros modelos base de alto nivel y los actuadores físicos. El tercero es probar la viabilidad comercial del producto. El mercado está esperando su momento "iPhone 4". Los primeros robots producidos comercialmente probablemente ni siquiera sean tan pulidos como el iPhone 1 original, pero representarán un cambio de paradigma masivo. Una vez que un robot logre capacidades de software generalizadas, su adopción en el mercado y el escalado de producción ocurrirán mucho más rápido que con los autos. Los autos tardaron un siglo en escalar porque tuvimos que construir una infraestructura vial global, establecer regulaciones de tráfico y gestionar una logística de manufactura altamente compleja. Los robots pueden desplegarse instantáneamente en entornos humanos existentes. Si el software está listo, la IA física se escalará rápidamente.

Presentación del GX: el SUV insignia de seis plazas de XPeng y Robotaxi de montaje frontal

Zhang Xiaojun: Hablemos de su negocio automotriz. Está lanzando varios autos nuevos este año, incluido el GX. Esto representa el regreso de XPeng al mercado de gama alta, ¿correcto?

He Xiaopeng: Sí, el GX es nuestro primer SUV insignia de seis plazas de tamaño completo. Lo que hace que el GX sea único es que hemos integrado muchas de nuestras capacidades avanzadas de I+D de nuestras divisiones de autos voladores y robótica en este vehículo. Por ejemplo, tomamos los sistemas de redundancia de seguridad desarrollados para los componentes críticos de vuelo de nuestros autos voladores y los incorporamos en el GX. El GX es el primer vehículo de pasajeros producido en masa en China equipado con una arquitectura de Robotaxi de montaje frontal, con seis redundancias de seguridad completas. Incluso si la fuente de alimentación principal falla en la naturaleza, el auto aún puede conducirse. Incluso si un ratón mastica un mazo de cables, el sistema permanece operativo, al igual que los sistemas de seguridad de las aeronaves comerciales.

Zhang Xiaojun: ¿Cómo se integra la arquitectura de software del GX con su chasis físico?

He Xiaopeng: Hemos conectado nuestro chasis controlado por cable a nuestra nueva Arquitectura Electrónica y Eléctrica (EEA) y a nuestro sistema de conducción autónoma VLA. Esta integración permite que el chasis ejecute las decisiones de VLA con una latencia significativamente menor, aumentando el límite inferior de seguridad y mejorando la sensibilidad del control en decenas de puntos porcentuales. También hemos incorporado la lógica de planificación de tareas de robots en el vehículo. En futuras interacciones dentro del auto, el vehículo procesará tareas de manera muy similar a un robot humanoide. Cuando le das una tarea al sistema, primero identificará quién está hablando, determinará su nivel de autorización y planificará una secuencia de acciones para ejecutar el comando. Además, diseñamos el espacio interior para que sea altamente versátil. La tercera fila se puede plegar completamente plana, transformando instantáneamente el SUV de un vehículo de seis plazas a uno altamente espacioso de cuatro o cinco plazas. Personalizamos cada detalle, co-desarrollando vidrio de privacidad premium con Fuyao Glass y un refrigerador para el auto de nueva generación con Midea. Construir un vehículo con este nivel de capacidad integrada es la única forma de ganar en el mercado altamente competitivo de hoy.

Zhang Xiaojun: ¿Cómo determinó el precio del GX? ¿Le preocupa repetir los errores estratégicos del lanzamiento original del G9?

He Xiaopeng: No me preocupa en absoluto. Nuestro pensamiento estratégico, lógica de precios y capacidades organizacionales están en una dimensión completamente diferente en comparación con cuando lanzamos el G9. Durante los últimos tres años y medio, hemos revisado completamente nuestra planificación de productos, estructura organizacional, comprensión del cliente y lógica de negocio central. Cuando tus capacidades sistémicas alcanzan una dimensión superior, puedes identificar fácilmente errores pasados y evitar que vuelvan a ocurrir. Nuestro evento de lanzamiento oficial el 21 de mayo mostrará nuestra configuración y precios con claridad. El GX está diseñado como un vehículo familiar, tecnológicamente lujoso, para profesionales, gerentes y empresarios mayores de treinta años que están ansiosos por experimentar el lujo de la tecnología de vanguardia.

Consolidación y la batalla en el "mar de sangre" automotriz

Zhang Xiaojun: ¿Cómo ve la feroz competencia con otros SUV insignia como el L9 de Li Auto o la serie de SUV insignia de Nio?

He Xiaopeng: Los veo como aliados y también como competidores. Todos somos amigos. Durante el Auto Show de Beijing, visité el stand de Li Xiang para ver el nuevo L9, y visité el stand de William Li para ver la serie de SUV insignia de Nio. Todos tenemos nuestras propias comprensiones y soluciones únicas para este segmento. La estética es, en última instancia, subjetiva, pero tengo mucha confianza en el diseño visual de nuestros vehículos. Estamos en un camino donde nuestros diseños se están volviendo cada vez más hermosos. Algunas personas preguntan por qué no nos enfocamos en hacer menos modelos en lugar de lanzar cuatro autos este año. Cada empresa tiene su propio camino estratégico. Para nosotros, lanzar estos modelos está alineado con nuestra escala de negocio más amplia y nuestra estrategia de integración tecnológica.

Zhang Xiaojun: ¿Dónde está pasando la mayor parte de su tiempo personal ahora? ¿En autos, robots, IA o gestión organizacional?

He Xiaopeng: Participo en todas esas áreas, pero paso la mayor parte de mi tiempo en la estrategia y planificación a largo plazo. En la industria automotriz, la escala por sí sola no garantiza el éxito permanente, y las ganancias a corto plazo a menudo pueden ser dolorosas y temporales. Mi trabajo es integrar nuestras capacidades técnicas, estructura organizacional y posicionamiento de mercado en una estrategia cohesiva a largo plazo. Los autos son sistemas compuestos altamente complejos. Tener una tabla larga es inútil si tus tablas cortas están fallando. Por ejemplo, algunas empresas presumen de lograr autonomía de nivel 4 este año, lo cual es simplemente poco realista. Creo que la verdadera autonomía de Nivel 4 comenzará a ver una implementación real en dieciocho a veinticuatro meses. Cuando se implemente, definitivamente impulsará las ventas de autos, aunque el multiplicador exacto sigue siendo incierto. A finales de marzo, lanzamos la primera versión de nuestra segunda generación de VLA. Mientras que las ventas generales de autos en China en abril vieron una disminución interanual de alrededor del veinte por ciento, las ventas de XPeng aumentaron entre un cincuenta y un setenta por ciento, una parte considerable de lo cual fue impulsada directamente por nuestra segunda generación de VLA. El éxito verdadero para una empresa automotriz requiere una clase magistral en integración multisistema, combinando hardware, software, manufactura, diseño y operaciones.

Zhang Xiaojun: Yu Kai, el fundador de Horizon Robotics, suele decir que usted es su socio más desafiante porque insiste en el desarrollo interno. Él cree que las empresas de autos deberían depender en última instancia de proveedores externos para el software y la inteligencia. ¿Qué piensa de su punto de vista?

He Xiaopeng: Yu Kai es un amigo cercano, y Horizon Robotics ha hecho un trabajo excelente. Sin embargo, su camino estratégico depende de si habrá más o menos fabricantes de automóviles y robótica en el futuro. Si el mercado se concentra, su mercado direccionable se reduce, haciendo que su camino sea más desafiante. Creo que el mercado se volverá altamente concentrado. Para 2030, China puede que solo tenga cinco grupos automotrices a gran escala. Si bien otros jugadores pequeños podrían sobrevivir en segmentos de nicho, su falta de escala hará que sea cada vez más difícil competir. Históricamente, muchas empresas de autos no realizaron una investigación interna genuina; se especializaron en ensamblaje e integración. Si tu objetivo es la ejecución táctica a corto plazo, depender de la integración de terceros es correcto. Pero si tu objetivo es la supervivencia a largo plazo, debes dominar la auto-investigación. Diez años a partir de ahora, el software representará más del cincuenta por ciento del valor de un auto. Un proveedor de nivel 1 no puede ayudar fácilmente a cientos de socios diferentes a lograr ese nivel de fusión profunda y entre dominios. Tienes que integrar el hardware, el software, la manufactura y las operaciones de usuario en un sistema único y cohesivo.

Zhang Xiaojun: ¿Ha logrado finalmente salir del "mar de sangre" automotriz hoy?

He Xiaopeng: No, todos seguimos nadando. No creo que nadie haya logrado salir realmente del mar de sangre todavía. El mercado de la robótica será ligeramente mejor porque la barrera del software es excepcionalmente alta, evitando las guerras de precios homogéneas inmediatas que vemos en el sector automotriz. Mi horario diario sigue siendo intenso, como el de cualquier otro emprendedor. Comienzo mi día tarde, trabajo hasta muy tarde en la noche y tomo decisiones rápidas en todas las unidades de negocio. Ya no leo muchos libros de negocios porque el mundo físico está cambiando demasiado rápido; para cuando se imprime un libro, sus ideas ya están desactualizadas. Prefiero absorber el conocimiento a través de la práctica directa, viajar y la comunicación constante. Mirando hacia atrás, no albergo ningún remordimiento sobre mis decisiones pasadas. Cometemos demasiados errores en los negocios como para perder tiempo lamentándolos. La clave es analizar por qué ocurrió un error, aprender de él y seguir avanzando.