Signaloid mostrará esta semana en Bosch Connected World 2026, en Berlín, su C0-ASIC para IA física y robótica. No es un nuevo robot, sino una pieza de infraestructura que apunta a un cuello de botella menos visible: cómo hacer que robots móviles, sensores industriales y PLC calculen incertidumbre sin depender siempre de GPUs grandes o de iteraciones costosas.
Un ASIC para calcular con incertidumbre
La novedad inmediata es la demostración pública. En su comunicación del 9 de junio, Signaloid afirma que el C0-ASIC se presentará en Bosch Connected World los días 10 y 11 de junio de 2026. La compañía lo sitúa como un complemento de sus módulos edge ya disponibles y lo orienta explícitamente a robótica, automatización industrial y cargas de IA probabilística.
El argumento técnico es claro: muchas decisiones robóticas no trabajan con certezas limpias, sino con distribuciones de probabilidad. Un AMR estima dónde está dentro de una nave, un dron filtra medidas ruidosas, un sistema de visión industrial compara hipótesis sobre objetos y un PLC puede querer anticipar fallos antes de que una lectura sea concluyente. En todos esos casos, repetir miles o millones de escenarios mediante métodos clásicos puede consumir energía, tiempo y hardware.
La tecnología de Signaloid, llamada UxHw, intenta cambiar ese punto de partida. En lugar de tratar cada valor como un número único, representa rangos no uniformes, es decir, distribuciones, y ejecuta operaciones directamente sobre ellas. La promesa no es sustituir todo el stack de IA de un robot, sino acelerar una clase concreta de cálculo que aparece una y otra vez en percepción, estimación de estado, fusión sensorial y modelos bayesianos.
Según la compañía, el C0-ASIC está diseñado para ofrecer hasta 1000 veces más rendimiento por vatio que aproximaciones convencionales en cargas relevantes de IA física. Esa cifra debe leerse como proyección de fabricante y no como una validación independiente en planta, pero el ángulo es importante: en robótica, el rendimiento bruto importa menos si obliga a llevar más batería, más refrigeración o más coste embarcado.
De módulos edge a silicio propio
El anuncio de Berlín continúa una noticia publicada el 2 de junio de 2026, cuando Signaloid detalló el tapeout del C0-ASIC y sus especificaciones preliminares. En esa nota, recogida también por imec, la empresa explicó que el chip se ha desarrollado con TSMC, IC-Link by imec y Cadence, y que las primeras muestras de ingeniería deberían llegar al primer cliente en el tercer trimestre de 2026.
Ese calendario importa porque el producto todavía no está en disponibilidad comercial amplia. Lo que sí existe ya es una familia de implementaciones de UxHw mediante nube, traducción binaria, FPGA y módulos de hardware. Signaloid sostiene que esas implementaciones han logrado más de 37 veces de aceleración en algoritmos de filtros de partículas usados en robótica, además de mejoras mayores en otros dominios como finanzas o simulación física.
La conexión con Bosch Connected World no es casual. Signaloid afirma que sus módulos pueden integrarse en aplicaciones industriales y cita compatibilidad con controladores Bosch Rexroth ctrlX core X2 y X3. Para la robótica móvil y la automatización de fábrica, esa vía puede ser más práctica que una promesa genérica de chip de IA: los integradores no suelen querer rehacer toda la arquitectura de control, sino añadir capacidad donde ya tienen buses, PLC, sensores y restricciones de seguridad.
La imagen de producto también apunta a esa estrategia. Signaloid no está vendiendo un acelerador de centro de datos, sino módulos compactos con formato cercano al mundo embebido. Si el ASIC acaba llevando esa lógica a un consumo y coste menores, podría encajar en robots que necesitan decidir en el borde sin enviar cada cálculo a la nube ni sobredimensionar su computador principal.
Lo que aún tiene que demostrar
La lectura prudente es que estamos ante una tecnología habilitadora, no ante una solución robótica completa. Un chip que acelera cálculo probabilístico no resuelve por sí solo navegación, manipulación, seguridad funcional o mantenimiento. Tampoco sustituye la validación específica de cada robot, sensor y entorno. La robótica real sigue exigiendo datos buenos, integración mecánica, protocolos seguros y pruebas prolongadas.
Aun así, el movimiento merece atención porque la IA física no avanza solo con modelos más grandes. También necesita hardware que permita ejecutar algoritmos útiles cerca del robot, con latencia baja y consumo razonable. Si Signaloid consigue que métodos probabilísticos más ricos sean viables en AMR, drones, PLC o sensores industriales, el impacto puede aparecer de forma discreta: rutas más robustas, mejor fusión sensorial, menos falsas alarmas y control más fiable en entornos donde la incertidumbre es la norma.
Ese es el punto relevante de C0-ASIC. No promete que un robot entienda el mundo por arte de magia; promete que algunas de las matemáticas que necesita para no equivocarse tanto puedan ejecutarse de forma más eficiente. En una fábrica real, esa clase de mejora rara vez protagoniza un vídeo viral, pero puede decidir si una autonomía funciona durante horas o se queda en una demo.