Nomura: cae el precio de los datos de vídeo para IA incorporada, mientras los datos de contacto conservan una prima a corto plazo

¿Por qué cae el precio del vídeo mientras aumentan las compras de datos?

La encuesta sectorial de Nomura indica que un laboratorio estadounidense líder gastó aproximadamente 1 mil millones de dólares en datos en 2026 y planea gastar en 2027 alrededor de 5 veces la cantidad de este año. Pero un mayor presupuesto de compras no implica que puedan subir los precios de todos los tipos de datos.
La recopilación de vídeo en primera persona presenta barreras relativamente bajas y la nueva oferta ha reducido los precios: la encuesta indica que a comienzos de 2026 el precio era de unos 40–50 dólares por hora y que, en el momento del informe, había caído cerca o por debajo de 10–15 dólares. Nomura espera que este vídeo sin procesar avance gradualmente hacia una fijación de precios basada en costes más margen.
Las proporciones de horas y de gasto también difieren. Según el análisis de Nomura, el vídeo en primera persona representa alrededor de tres cuartas partes de las horas objetivo del laboratorio; los datos de teleoperación representan solo un porcentaje de un dígito en la zona media de las horas, pero más de una cuarta parte del gasto.

El vídeo ayuda principalmente a los modelos a aprender a percibir y comprender el mundo; la teleoperación registra los movimientos reales de los robots, incluidas las señales de fuerza y contacto, y puede utilizarse para entrenar capacidades de manipulación más precisas.
Nomura estima que el precio mediano por hora de los datos brutos de teleoperación supera en más de 7 veces al del vídeo en primera persona. Pero solo se puede utilizar entre 20% y 30% del vídeo comprado tras el filtrado, frente a unas tres cuartas partes de las grabaciones de teleoperación; por hora útil, la prima de teleoperación se reduce a unas 2–4 veces.
La expansión de la oferta está limitada por la capacidad real de recopilación. La encuesta de Nomura indica que una instalación propia de teleoperación, con 45–55 equipos y tres turnos durante todo el año, produce unas 250 mil horas anuales de datos útiles; a ese ritmo, alcanzar el objetivo del laboratorio llevaría varios años y la mayor parte de la demanda aún tendría que cubrirse mediante proveedores externos o instalaciones más grandes.
La fiabilidad de los equipos también es una limitación: la tasa de fallos de los guantes hápticos sigue siendo alta y aún no se han desplegado a gran escala; Nomura estima que los dispositivos de recopilación, de unos 4000 yuanes por unidad, suelen averiarse en dos o tres meses.

Nomura considera que la integración y validación de datos y la recopilación de datos de contacto más próximas al comprador ofrecen mayor margen para fijar precios, mientras que la mera recopilación sobre el terreno deja márgenes reducidos. Tomando como ejemplo el vídeo bruto barato del sudeste asiático, el banco estima que un proveedor de primer nivel retiene unos 5 dólares por hora, mientras que los recopiladores reciben 1–2 dólares.
El posprocesamiento puede aumentar el precio de venta de los datos. Un caso de laboratorio de la encuesta de Nomura mostró que, tras el posprocesamiento, el precio por hora de los datos en primera persona subió de unos 60 yuanes a 150–200 yuanes; el banco también señaló que la capacidad de procesamiento, la anotación automática y el acceso a clientes son más defendibles que la recopilación sobre el terreno.
Se está reduciendo el margen para que los proveedores chinos entren en las cadenas de suministro centrales de los principales laboratorios estadounidenses. Según la encuesta de Nomura, el laboratorio excluye a los proveedores con vínculos chinos en su licitación por fases; por ello, los negocios vinculados a China dependen principalmente de compradores nacionales y canales indirectos en el extranjero.

La capacidad del vídeo para sustituir la teleoperación está mejorando. La prepublicación EgoScale utiliza 20854 horas de vídeo de personas para el preentrenamiento; el entrenamiento intermedio solo requiere unas 50 horas de datos humanos alineados y 4 horas de datos de robots. Basándose en el artículo correspondiente, Nomura considera que el vídeo podría sustituir la mayor parte de los datos de teleoperación en el preentrenamiento durante el primer semestre de 2027.
Sin embargo, Nomura prevé que una sustitución similar en el posentrenamiento que implica abundante contacto podría no producirse hasta después de 2028. Su reciente encuesta sectorial estimó una tasa de éxito en las tareas de aproximadamente 60%, mientras que el uso doméstico requiere 98%–99%; los datos de contacto seguirán teniendo valor hasta que se reduzca esa brecha.
Nomura reevaluaría las primas de los datos y la distribución del valor en la cadena si la tasa de aprovechamiento del vídeo tras el filtrado superara claramente el nivel actual de 20%–30%, si bajaran los precios de la teleoperación o si mejorara la fiabilidad de los guantes hápticos.