Gritt apuesta a que la IA finalmente domina las obras de construcción y adapta equipos para construir parques solares

Gritt es una startup de San Francisco que desarrolla 'IA física' para la construcción: plataformas controladas por IA acopladas a equipos estándar que automatizan trabajos intensivos en mano de obra, empezando por la instalación de paneles solares a escala de servicios públicos.

Que los modelos de IA finalmente hacen que los robots funcionen en obras exteriores caóticas, de modo que adaptar maquinaria de construcción estándar para instalar paneles solares pueda escalar en toda la construcción.

Serie A de 26 millones de dólares liderada por Obvious Ventures (julio de 2026); antes, capital semilla de First Round Capital, Climactic, Congruent Ventures y VSC Ventures

Gritt fue fundada por los roboticistas formados en Carnegie Mellon Puneet Puri (CEO) y Vishal Dugar (CTO). Su punto de partida fue el despliegue solar mundial, que tiene un cuello de botella por la oferta limitada de trabajadores de la construcción, mientras que los robots industriales habían fracasado históricamente en entornos exteriores no estructurados y caóticos. Los fundadores apostaron a que la última generación de modelos de IA cambiaba esa ecuación, haciendo que la manipulación robótica fuera lo bastante generalizable para trabajar en obras de construcción reales.

Gritt salió del modo sigiloso el 21 de julio de 2026 con una Serie A de 26 millones de dólares liderada por Obvious Ventures, con la participación de Union Square Ventures y Active Impact Investment, lo que eleva la financiación total a unos 32 millones de dólares según TechCrunch. Hay dos sistemas desplegados sobre el terreno; la empresa afirma que una cuadrilla típica de ocho personas que instala 800 paneles al día puede instalar de 3.000 a 4.000 con sus sistemas. Gritt informa de contratos para ayudar a instalar 2,8 GW de energía solar en los próximos 18 meses, con clientes entre los que se incluyen tres de las diez principales empresas estadounidenses de construcción de energía, y el objetivo de 48 sistemas en seis meses. El 25 de agosto de 2026, Burns & McDonnell anunció una asociación estratégica para desplegar la tecnología en proyectos solares a escala de servicios públicos tras un año de evaluación conjunta.

Sigue operando y escalando; sin salida. Asociación estratégica con Burns & McDonnell anunciada el 2026-08-25.

El despliegue solar está limitado por la mano de obra: una cuadrilla de ocho personas pasa de unos 800 paneles al día a 3.000-4.000 con los sistemas de Gritt, un salto de productividad de 4-5 veces.

Adaptar equipos que las cuadrillas ya alquilan evita el capex y la disrupción de procesos que hundieron a robots de construcción anteriores.

Los nuevos modelos de IA hicieron generalizable el enfoque: el atado de armaduras se demostró en un día después de que el apilado de bloques de hormigón llevara semanas.

La tarea de entrada es la más monótona y peligrosa: levantar repetidamente paneles de unos 100 lb, lo que además mejora la seguridad de los trabajadores en sitios remotos.

Canal real de ingresos antes de escalar: 2,8 GW contratados en 18 meses con los diez principales contratistas de energía de EE. UU.

Si un mercado tiene un cuello de botella por la mano de obra y los robots fracasaron antes, conviene revisarlo cuando cambie la capacidad subyacente de la IA: adaptar equipos conocidos puede ser la cuña que haga adoptable la automatización.

A 2 de septiembre de 2026, Gritt está escalando: hay dos sistemas sobre el terreno, con el objetivo de 48 en seis meses, y una cartera contratada de 2,8 GW de energía solar en 18 meses. Entre los clientes se incluyen tres de las diez principales empresas estadounidenses de construcción de energía y, el 25 de agosto de 2026, Burns & McDonnell formalizó una asociación tras un año de pruebas en sitios a escala de servicios públicos. Gritt está extendiendo su IA a la fijación de paneles, el perforado de postes y la construcción de estructuras de soporte, y más adelante a tareas como el atado de armaduras, posicionándose como una capa de IA física para el despliegue de infraestructura.