Microagi llevará su plataforma Atlas a la infraestructura de Google Cloud para entrenar modelos robóticos con datos de operaciones reales. El acuerdo busca resolver una parte poco vistosa pero decisiva de la IA física: adaptar un robot a la tarea, los objetos y las excepciones de cada fábrica sin quedar atado a un único fabricante.
Datos de planta, entrenamiento y despliegue
La startup de Múnich plantea Atlas como una cadena completa. Primero instala sistemas de captura para registrar cómo trabajan los operarios en una línea real, incluidas las variaciones y casos difíciles que rara vez aparecen en una demostración preparada. Después utiliza esos datos para entrenar o ajustar políticas de control y, por último, despliega el resultado en el robot que mejor encaje con el proceso.
La página de producto de Atlas insiste en dos decisiones importantes. La captura se realiza sin teleoperar un robot y sin detener la línea, y la plataforma pretende ser independiente tanto del modelo de IA como del cuerpo robótico. El sistema puede acabar en un humanoide, un brazo industrial o una plataforma móvil, en función de la tarea y del proveedor elegido por el cliente.
El acuerdo anunciado el 22 de julio de 2026 aporta la capacidad de cómputo para escalar esa propuesta. Según Google Cloud, Microagi usará máquinas virtuales G4 con GPU NVIDIA RTX PRO 6000 Blackwell Server Edition y sistemas GB300 NVL72 mediante instancias A4X Max. La compañía también tendrá acceso a Gemini Enterprise Agent Platform y a modelos capaces de procesar información multimodal, incluido vídeo.
No se trata solo de entrenar un modelo grande una vez. En robótica industrial, cada cliente introduce una combinación distinta de piezas, iluminación, tolerancias, tiempos de ciclo, herramientas y normas de seguridad. La promesa de Atlas es conservar los datos específicos de esa operación y reutilizarlos cuando aparezca un modelo mejor, evitando empezar de cero o reconstruir el proyecto alrededor de un proveedor concreto.
Un producto para cerrar la distancia entre demo y turno
Microagi fue fundada en 2025 y afirma que su tecnología ya trabaja con fabricantes como Unitree y UBTECH. La empresa tiene su sede en Múnich, un centro de investigación en Zúrich y oficinas en Londres y Nueva York. Su juventud obliga a poner las cifras y los anuncios en contexto, pero también explica la velocidad con la que está intentando construir infraestructura alrededor de un mercado todavía fragmentado.
Una semana antes del acuerdo con Google, la compañía anunció una ronda semilla de 55 millones de dólares, liderada por Hummingbird Ventures y con participación de Northzone, LocalGlobe, Village Global y Redalpine. La asociación sectorial A3 la describió como la mayor ronda semilla registrada en Alemania y señaló que el capital se destinará a escalar Atlas.
El problema al que apunta es real. Un modelo puede reconocer objetos y completar una tarea en laboratorio, pero la producción exige otra clase de fiabilidad: recuperarse de una pieza mal colocada, detectar cuándo no debe actuar, mantener el ritmo durante horas y dejar una ruta clara para la intervención humana. La nube acelera entrenamiento e inferencia; no sustituye la integración mecánica, la evaluación de riesgos ni la validación del proceso.
Ahí está también el interés del enfoque neutral. Muchas empresas no quieren apostar toda su automatización a que un único fabricante de humanoides, brazos o modelos domine el mercado. Una capa que conserve los datos del cliente y pueda mover una política entre plataformas reduciría ese riesgo. Sin embargo, la portabilidad completa sigue siendo una meta difícil: cada robot tiene cinemática, sensores, controladores, cargas útiles y límites de seguridad diferentes.
Lo que el acuerdo todavía no demuestra
Google Cloud y Microagi no han publicado métricas de disponibilidad, tiempos de ciclo, número de robots desplegados ni clientes industriales concretos que hayan validado Atlas durante turnos prolongados. Tampoco han detallado qué parte de la inferencia se ejecutará en la nube y cuál deberá permanecer cerca del robot para cumplir requisitos de latencia, continuidad y confidencialidad.
El anuncio debe leerse, por tanto, como una ampliación de capacidad y no como prueba de autonomía general. Tener acceso a más GPU permite procesar más vídeo y entrenar más variantes, pero el valor industrial aparecerá cuando Atlas pueda demostrar despliegues repetibles, seguros y económicamente defendibles.
La apuesta de Microagi es que el activo duradero no será un robot concreto, sino el conocimiento operativo capturado dentro de cada planta. Si consigue convertir ese conocimiento en políticas que sobrevivan a cambios de modelo y hardware, Atlas puede ocupar una posición útil entre los proveedores de IA y las máquinas del taller. El acuerdo con Google Cloud le da infraestructura para intentarlo; ahora necesita publicar resultados de operación que permitan medirlo.