La alianza entre Uber y Nvidia sitúa a Los Ángeles y San Francisco como laboratorios iniciales de una red global de robotaxis que aspira a expandirse a 28 ciudades antes de 2028, combinando inteligencia artificial avanzada con la mayor plataforma de movilidad bajo demanda del mundo.
La carrera por la conducción autónoma entra en una nueva fase. Ya no se trata únicamente de prototipos, pilotos acotados o demostraciones tecnológicas, sino de estrategias industriales con vocación global. En ese contexto, el anuncio conjunto de Uber y Nvidia marca un punto de inflexión: ambas compañías han acordado desplegar una red internacional de robotaxis basada en inteligencia artificial que comenzará a operar en Los Ángeles y San Francisco durante la primera mitad de 2027 y que podría escalar hasta 28 ciudades en apenas un año.
El movimiento no es menor. Supone la convergencia entre dos infraestructuras clave: por un lado, la capacidad tecnológica de Nvidia en sistemas de conducción autónoma y computación avanzada; por otro, la red global de movilidad de Uber, que ya opera en cientos de ciudades y gestiona millones de trayectos diarios. La combinación de ambas dimensiones permite plantear algo que hasta ahora parecía difícil de materializar: una red de robotaxis con escala real y vocación comercial desde el inicio.
De la promesa a la implementación
Durante años, la conducción autónoma ha estado atrapada entre expectativas infladas y dificultades técnicas persistentes. Empresas como Waymo, Cruise o Tesla han desarrollado soluciones avanzadas, pero su despliegue ha sido limitado geográficamente o condicionado por restricciones operativas.
El plan de Uber y Nvidia intenta superar ese cuello de botella mediante una estrategia progresiva pero claramente orientada a la expansión. El proyecto arrancará con flotas de vehículos destinadas a la recopilación de datos en ciudades específicas. Este paso es clave: los sistemas de inteligencia artificial necesitan entrenarse con datos reales de conducción en entornos urbanos complejos, donde intervienen variables impredecibles como obras, tráfico irregular o comportamiento errático de peatones.
En este caso, el sistema se apoyará en la plataforma Nvidia Drive Hyperion, una arquitectura integral que combina hardware y software para vehículos autónomos, junto con un nuevo modelo de IA denominado Nvidia Alpamayo, diseñado específicamente para interpretar situaciones complejas en tiempo real.
La lógica es clara: primero aprender, después asistir, y finalmente automatizar.
Un despliegue por fases: del conductor al nivel 4
El camino hacia los robotaxis plenamente autónomos no será inmediato. Según los detalles del acuerdo, el despliegue se realizará en varias fases.
En una primera etapa, los vehículos operarán como unidades de recopilación de datos, generando información crítica para entrenar los modelos de inteligencia artificial en las condiciones específicas de cada ciudad. Esta fase permitirá adaptar el sistema a factores locales como normativas, patrones de tráfico o comportamientos culturales en la conducción.
Posteriormente, los vehículos comenzarán a operar con supervisión humana, en un modelo híbrido que combina automatización con control directo. Solo después de validar el rendimiento del sistema se alcanzará el objetivo final: robotaxis con nivel 4 de autonomía, capaces de operar sin intervención humana en la mayoría de situaciones.
Este enfoque contrasta con estrategias más agresivas o menos estructuradas de algunos competidores. Aquí, la prioridad no es la velocidad mediática, sino la robustez operativa.
El papel de la inteligencia artificial física
Uno de los elementos más interesantes del anuncio es el énfasis en lo que Jensen Huang, fundador y consejero delegado de Nvidia, denomina el “momento ChatGPT de la IA física”. La expresión no es casual: apunta a un cambio de paradigma en el que los sistemas de inteligencia artificial dejan de limitarse al procesamiento de lenguaje o datos abstractos y pasan a interactuar directamente con el mundo físico.
En el caso de los robotaxis, esto implica que la IA no solo debe reconocer objetos o seguir rutas, sino también razonar en entornos dinámicos, anticipar comportamientos y tomar decisiones en tiempo real bajo incertidumbre.
El modelo Alpamayo se presenta precisamente como una respuesta a ese desafío. Su objetivo no es solo mejorar la percepción del entorno, sino integrar múltiples capas de información —visión, contexto, predicción— para actuar de forma coherente en situaciones complejas.
Esto es especialmente relevante en entornos urbanos densos como Los Ángeles o San Francisco, donde la conducción implica gestionar escenarios altamente variables: peatones que cruzan de forma inesperada, ciclistas, obras temporales o cambios bruscos en el tráfico.
Uber: de plataforma de movilidad a operador autónomo
Para Uber, esta alianza representa un paso estratégico en su evolución. La compañía, que en el pasado vendió su división interna de vehículos autónomos tras años de inversión, opta ahora por un modelo de colaboración con socios tecnológicos especializados.
Dara Khosrowshahi, consejero delegado de Uber, ha insistido en que la conducción autónoma tiene el potencial de hacer el transporte “más seguro, más fiable y más accesible”. Pero más allá del discurso, hay una lógica empresarial evidente: integrar robotaxis en su plataforma permitiría reducir costes operativos a largo plazo, eliminar la dependencia de conductores humanos en determinadas rutas y mejorar la eficiencia del servicio.
Además, Uber cuenta con una ventaja competitiva clave: su red global de usuarios y su experiencia en gestión de demanda. A diferencia de otras compañías tecnológicas que desarrollan vehículos autónomos pero carecen de una base de clientes consolidada, Uber ya dispone del canal de distribución.
La alianza con Nvidia, en este sentido, no solo aporta tecnología, sino que permite cerrar el círculo entre desarrollo, operación y comercialización.
Un despliegue global con incógnitas
El plan contempla la expansión a 28 ciudades en Norteamérica, Europa, Asia y Australia antes de 2028. Sin embargo, Uber no ha revelado cuáles serán las ciudades seleccionadas más allá de Los Ángeles y San Francisco.
Esta falta de concreción no es casual. El despliegue de robotaxis depende de múltiples factores: regulación local, aceptación social, infraestructura urbana y condiciones del mercado. No todas las ciudades están igualmente preparadas para adoptar este tipo de tecnología.
Además, el calendario planteado —dos años para escalar a casi treinta ciudades— es ambicioso. Históricamente, la conducción autónoma ha avanzado más lentamente de lo previsto debido a la complejidad técnica y a los retos regulatorios.
Tesla y la competencia: modelos divergentes
El anuncio de Uber y Nvidia se produce en un contexto de creciente competencia en el sector. Tesla, uno de los actores más visibles en el ámbito de la conducción autónoma, ha iniciado un programa piloto de robotaxis en Austin, aunque con un alcance limitado.
Según datos recogidos por el medio especializado Electrek, la flota de robotaxis de Tesla en esa ciudad ronda los 35 vehículos y opera mayoritariamente con supervisores humanos a bordo. Desde el inicio del programa en junio de 2025, se han registrado 15 incidentes, incluyendo un accidente en febrero.
La comparación pone de relieve dos enfoques distintos. Mientras Tesla apuesta por un desarrollo más integrado verticalmente y basado en su propia tecnología, Uber y Nvidia optan por una estrategia colaborativa que combina especialización tecnológica con escala operativa.
Seguridad, regulación y aceptación social
Más allá de la tecnología, el éxito de los robotaxis dependerá de factores externos. La seguridad es el principal. Cada incidente, por pequeño que sea, tiene un impacto amplificado en la percepción pública.
Además, los marcos regulatorios siguen evolucionando. En muchas ciudades, la circulación de vehículos autónomos está sujeta a restricciones específicas, licencias y supervisión continua.
La aceptación social también jugará un papel determinante. La idea de subirse a un vehículo sin conductor genera todavía reticencias en una parte de la población, especialmente en mercados donde la tecnología no está plenamente implantada.
Un cambio estructural en la movilidad urbana
Si el plan de Uber y Nvidia se materializa, el impacto podría ser profundo. No se trataría solo de introducir una nueva tecnología, sino de transformar la estructura misma de la movilidad urbana.
Los robotaxis podrían reducir costes, optimizar rutas, disminuir accidentes causados por error humano y redefinir el concepto de propiedad del vehículo. Al mismo tiempo, plantean interrogantes sobre empleo, responsabilidad legal y sostenibilidad del modelo.
La clave estará en la ejecución. La historia reciente de la conducción autónoma está llena de promesas incumplidas o retrasadas. Pero también es cierto que los avances en inteligencia artificial están acelerando capacidades que hace apenas unos años parecían lejanas.
La alianza entre Uber y Nvidia no garantiza el éxito, pero sí establece un marco claro: la conducción autónoma ya no es solo un experimento tecnológico. Es una apuesta industrial con calendario, escala y ambición global.
