La apuesta de Asimov por los datos humanos: vídeos de crowdsourcing entrenan humanoides; destacado de YC W26

Una empresa de infraestructura de datos que paga a una red global de colaboradores para grabar tareas humanas cotidianas y vende los conjuntos de datos resultantes para entrenar robots humanoides.

Los humanoides están limitados por los datos, no por el hardware: pagar a personas de todo el mundo para que graben tareas cotidianas, empaquetarlo en conjuntos de datos de entrenamiento y ser dueño de la cadena de suministro primero.

Anshul Verma (Scale AI, Amazon, investigación en ML en Berkeley) y Lyem Ningthou (canalizaciones de datos de la Fuerza Aérea de EE. UU., ingeniero fundador en Blume, YC W24) —compañeros de cuarto de universidad que antes cofundaron una startup que alcanzó seis cifras en ingresos— fundaron Asimov en la promoción Winter 2026 de YC. Su apuesta: los modelos de lenguaje se entrenaron con billones de palabras y los modelos de imagen con miles de millones de fotos, pero los robots parten de cero: el cuello de botella son los datos diversos de movimiento humano del mundo real, y nadie es dueño de la cadena de suministro.

Asimov se lanzó públicamente a mediados de marzo de 2026, justo antes del Demo Day de W26, y TechCrunch lo eligió como una de las 16 startups más interesantes de la cohorte de unas 190 empresas. A finales de marzo de 2026, según AC Studio, más de 5.000 colaboradores en todo el mundo enviaban vídeos de tareas cotidianas, y la empresa suministraba miles de horas de datos de movimiento humano al día a importantes laboratorios de robótica. Su publicación de lanzamiento en YC de agosto de 2026 decía que los mayores laboratorios de robótica del mundo ya eran clientes, y que los socios de restaurantes y almacenes pueden cubrir los salarios de los trabajadores haciéndoles llevar kits de recolección mientras trabajan.

Sigue en marcha: red de colaboradores activa, conjuntos de datos que se venden a importantes laboratorios de robótica; etapa temprana, equipo de tres personas.

La tesis es contracorriente: mientras el capital persigue el hardware y los modelos de robots, el cuello de botella está aguas arriba: nadie es dueño de los datos diversos de movimiento del mundo real de los que los robots necesitan aprender.

El modelo de crowdsourcing se acumula: más colaboradores significan más entornos y tareas, lo que hace que el propio conjunto de datos sea más difícil de replicar para un competidor que capture datos en fábrica.

Los fundadores son operadores creíbles para esta cuña: Scale AI le enseñó a Verma infraestructura de datos a escala, y Ningthou construyó canalizaciones de datos para la USAF y llevó una startup anterior a seis cifras en ingresos.

Las señales de oferta ya superan a las de demanda: más de 5.000 colaboradores en semanas desde el lanzamiento, miles de horas de datos fluyendo a diario y grandes laboratorios como clientes según la publicación de lanzamiento en YC.

Cuando el hardware y los modelos de una categoría acaparan la atención, el insumo poco glamuroso —los datos de entrenamiento— es el verdadero cuello de botella; el crowdsourcing convierte esa escasez en una cadena de suministro defendible.

A septiembre de 2026, Asimov opera una red global de colaboradores y vende conjuntos de datos de movimiento humano a empresas de robótica, con un equipo de tres personas con sede en San Francisco. Su publicación de lanzamiento dice que los mayores laboratorios de robótica del mundo ya son clientes y que puede entregar a escala de inmediato; está reclutando colaboradores y socios comerciales como restaurantes y almacenes para que lleven kits de recolección. La apuesta a largo plazo es que los datos de entrenamiento para robótica se conviertan en un insumo básico con una cadena de suministro defendible y con efectos de red, como lo fue Common Crawl para el texto; todavía es temprano y no está probado.