El empuje asiático hacia la IA física está alimentado por el mismo músculo manufacturero que convirtió a la región en un poder industrial global. En Corea del Sur, Japón, China y Taiwán la manufactura sigue siendo pilar central del crecimiento económico. A diferencia de economías más volcadas a servicios o software, estos países llevan décadas apostando a producción a gran escala, industrias orientadas a exportación y cadenas de suministro altamente optimizadas. Esa base estructural ahora está moldeando cómo se adopta la IA y hacia dónde fluye la inversión.
Una ronda inusual: los venture arms de toda Corea del Sur juntos
Por eso es especialmente relevante que Config, una startup con sede en Seúl y San José que construye la capa de datos para modelos fundacionales robóticos (RFMs, por robotic foundation models), haya cerrado una ronda con respaldo de los brazos de inversión de los mayores fabricantes coreanos.
Samsung Venture Investment lideró la ronda seed sobresuscrita de USD 27 millones a una valoración de más de USD 200 millones, llevando el total levantado por Config a USD 35 millones. Hyundai Motor, a través de su brazo ZER01NE Ventures, junto a LG Tech Ventures y SKT America (la unidad de venture del gigante de telecomunicaciones surcoreano) también ingresaron como inversionistas estratégicos. La ronda incluyó además al ángel Pieter Abbeel (cofundador de Covariant AI y profesor en UC Berkeley) y fondos financieros como Mirae Asset Ventures, Korea Development Bank, GS Futures, Kakao Ventures y Z Ventures.
¿Quién está detrás de Config?
Config fue fundada en enero de 2025 por su CEO Minjoon Seo, ex investigador de Meta y jefe científico de Twelve Labs, junto a tres co-fundadores con experiencia previa en Waymo, Google y Naver. En vez de construir robots, el equipo apunta a una meta más acotada: proveer los datos que los robots necesitan para aprender y operar. La hipótesis: mejores datos son la llave para que los robots sean genuinamente útiles.
Entrenar modelos grandes de lenguaje es caro por la potencia de cómputo, pero la materia prima (vastas cantidades de texto disponibles en internet) es barata de conseguir. Enseñarle a un robot a moverse es un problema completamente distinto, dijo Seo a TechCrunch en entrevista exclusiva. Cada dato de entrenamiento tiene que ser físicamente recolectado: hace falta el robot, la instalación para correrlo y operadores humanos. Eso convierte a la IA robótica en un negocio más caro de desarrollar que cualquier chatbot puramente de software. Y, agregó Seo, a medida que las empresas persiguen robots más capaces, el costo de recolectar y etiquetar datos sube rápido.
El paralelo con TSMC
Config quiere ser la empresa que hace posible la IA robótica de todos los demás. La startup compara su rol con el de TSMC, el fabricante taiwanés de chips que produce para Apple, Nvidia y AMD sin competir con ninguno. Config apunta a jugar un rol equivalente en robótica suministrando datos. El enfoque está ganando tracción porque los grandes fabricantes cada vez más buscan construir su propia IA robótica en lugar de depender por completo de proveedores externos. Ese es el mercado en el que Config está apostando.
Config ya está generando ingresos, según el COO y co-fundador Jack Bang. Sus clientes actuales incluyen grandes fabricantes, integradores de sistemas y empresas en los sectores de agricultura y defensa. Los competidores directos en el espacio son Physical Intelligence, Generalist AI y Skild AI.
100.000 horas: 30 veces más data que el mayor dataset abierto
Config graba a humanos ejecutando tareas físicas en entornos de estudio controlados y también en terreno. La startup opera desde Seúl y Hanói, con una fuerza laboral cercana a 300 personas dedicadas a producción de datos. Hasta hoy acumula más de 100.000 horas de datos de movimiento humano, una cifra más de 30 veces la del mayor dataset open source comparable, AgiBot World, que ronda las 3.000 horas.
La mayoría de los equipos de robótica entrena modelos de IA usando datos de movimiento humano y luego adapta esos modelos al robot. Config va en el sentido contrario, explicó Seo: la compañía se concentra en transformar los datos antes de que arranque el entrenamiento, dejándolos mejor preparados para la forma en que los robots se mueven e interactúan con el mundo. Seo lo compara con traducción de idiomas. Entrenar un modelo en un tipo de datos y esperar que funcione directamente en otro contexto, dijo, es como intentar enseñar coreano usando solo materiales en inglés.
"Los datos deben ser convertidos, no el modelo. Esa tecnología de conversión es el diferenciador técnico central de Config", afirmó Seo.
¿Para qué se usará el dinero?
El financiamiento se destinará a tres prioridades específicas:
1. Escalar la operación de datos en Vietnam y Seúl hacia el millón de horas recolectadas. 2. Crecer el negocio de la plataforma enterprise hasta los USD 10 millones de ARR (ingresos recurrentes anuales) para fin de 2027. 3. Lanzar un producto cloud Robot-as-a-Service que permita a las empresas correr el modelo fundacional de Config sin necesidad de hardware embarcado.
¿Qué señal manda esto para LatAm?
Para emprendedores y centros de investigación robótica en Chile, México, Brasil y Argentina, la noticia tiene dos lecturas. La primera: el cuello de botella del physical AI es la recolección de datos, no el modelo, y Config lo está convirtiendo en un mercado de USD 200+ millones de valoración en solo 16 meses. La segunda: hay espacio para jugar en la capa de captura local con costos laborales LatAm (significativamente más bajos que Seúl, comparables a Hanói), siempre que se construya pipeline propia y se acuerde con un cliente fabricante regional. El playbook está documentado por Seo: estudio controlado + terreno + transformación de datos pre-entrenamiento.
