Raquel Urtasun lleva 16 años en el negocio de los vehículos autónomos. Ha visto el ciclo completo: el “sueño imposible”, la euforia del “ya casi llegamos”, el desplome de valoraciones y cierres de divisiones enteras. Ahora, al frente de Waabi —la startup torontoniana que fundó en 2021—, cree que el “momento aha” de la industria finalmente llegó. Y los inversores parecen estar de acuerdo: en enero 2026, Waabi cerró $750 millones en una Serie C liderada por Khosla Ventures y G2 Venture Partners, más $250 millones adicionales de Uber para desplegar 25.000 robotaxis en su plataforma. En total, cerca de $1.000 millones en una sola operación.
Pero lo más interesante de Waabi no es la cifra: es la apuesta tecnológica que la sustenta, y por qué Urtasun afirma que su sistema hace lo que otros no pueden demostrar que hacen.
AV 1.0 vs AV 2.0: ¿qué cambió realmente?
Durante años, el modelo dominante de los vehículos autónomos fue lo que Urtasun llama “AV 1.0”: sistemas diseñados manualmente que requerían ingenieros escribiendo reglas explícitas para cada situación posible en carretera. Eso significaba miles de millones de dólares y millones de kilómetros para alcanzar el primer despliegue comercial.
La promesa del “AV 2.0” es diferente: sistemas de IA que aprenden a generalizar, que pueden adaptarse a nuevos entornos, condiciones climáticas o tipos de vehículos sin necesidad de rediseñar todo desde cero. Waabi Driver —su sistema de conducción— usa lo que Urtasun describe como un modelo de IA end-to-end pero completamente verificable, capaz de operar en rutas desde Dallas hasta Houston en semis de 36.000 kilogramos, incluyendo calles residenciales. Actualmente los camiones llevan un “observador de seguridad” a bordo, pero el objetivo es la autonomía total Nivel 4: sin conductor, sin respaldo humano.
El simulador que lo cambia todo: Waabi World
Uno de los diferenciadores clave de Waabi es su apuesta por la simulación sobre los kilómetros reales. Mientras la industria usa la cantidad de millas recorridas como proxy del avance, Waabi argumenta que ese número es irrelevante comparado con la calidad del entrenamiento en simulación.
Waabi World puede simular sensores (lidar, cámara, radar), comportamientos humanos impredecibles, condiciones climáticas y miles de escenarios de borde simultáneamente en la nube. Según Urtasun, es el único simulador donde se puede demostrar matemáticamente que el rendimiento en simulación equivale al rendimiento en el mundo real. Eso les permite ser “capital efficient”: exponer el sistema a miles de millones de simulaciones sin necesidad de flotas masivas en carretera.
Esta lógica es similar a la que está detrás de startups como PlusAI con su SuperDrive 6.0, que también apuesta por entrenamiento acelerado como ventaja competitiva frente a enfoques basados en datos brutos de ruta.
Verificable, no caja negra
Una crítica frecuente a los sistemas de conducción autónoma de última generación —incluido el enfoque de Tesla— es que son cajas negras: el sistema decide pero no puedes auditar por qué. Para reguladores y fabricantes de vehículos (OEMs), eso es un problema grave de responsabilidad legal.
Waabi Driver está diseñado para ser verificable: el sistema interpreta explícitamente lo que percibe y usa esas interpretaciones para razonar sobre consecuencias antes de actuar. Esto lo hace más parecido al “pensamiento Tipo 2” que describe Kahneman —deliberado, causal, auditable— que a una red neuronal que simplemente memoriza patrones.
La validación más concreta de este enfoque es la integración con el Volvo VNL Autonomous, el nuevo camión autónomo de la marca sueca fabricado en Virginia. Volvo usa la plataforma de cómputo NVIDIA Drive AGX Thor para el hardware, y Waabi Driver para el cerebro. Es una arquitectura de responsabilidades separada donde el OEM valida el stack físico (dirección, frenos, redundancias) y Waabi el software de decisión.
La apuesta con Uber: 25.000 robotaxis y un mercado de $600.000 millones
La parte más ambiciosa de la ronda no son los $750 millones de la Serie C, sino los $250 millones de Uber para desplegar 25.000 robotaxis exclusivamente en su plataforma. Uber tiene presencia en 70 países, unas 15.000 ciudades y más de 200 millones de usuarios mensuales. Si Waabi puede escalar su tecnología de camiones a taxis —como afirma con su “cerebro compartido” para distintos tipos de vehículos—, el mercado potencial es enorme.
McKinsey estima que el mercado global de camiones autónomos podría valer más de $600.000 millones anuales para 2035, con vehículos autónomos responsables del 15% de los kilómetros de carga en EE.UU. tan pronto como 2030. Waabi ya está transportando carga comercial para Samsung a través de su partnership con Uber Freight. El salto a robotaxis sigue la misma lógica que otros actores del espacio, como Lucid con su Lunar para Uber: la plataforma de ride-hailing como canal de distribución masiva para vehículos autónomos.
El argumento moral que Urtasun no evita
Preguntada sobre el desplazamiento de empleos de camioneros, Urtasun no esquiva la pregunta, pero sí la reencuadra: hay 2 millones de muertes en carretera globalmente cada año, y entre el 90% y el 96% se atribuyen a error humano. Su posición es que esperar a que las máquinas sean perfectas antes de desplegarlas es, en la práctica, sacrificar vidas que se podrían haber salvado. “Si crees que las máquinas tienen que ser perfectas para desplegarse, en realidad estás sacrificando muchos humanos en el camino”, dijo a IEEE Spectrum.
En cuanto al empleo, su argumento es gradualista: el mismo Departamento de Transporte de EE.UU. ha proyectado que la adopción progresiva de la autonomía creará más empleos de los que elimina, simplemente de forma diferente (operaciones remotas, terminales, mantenimiento).
Por qué importa
Waabi representa el modelo más capitalizado del enfoque “simulación primero” para la conducción autónoma, respaldado por nombres de primer nivel (Khosla, NVIDIA, Volvo, Uber) y liderado por una investigadora académica reconocida con base tecnológica sólida. Si su apuesta de que la IA verificable y end-to-end puede generalizarse a múltiples vehículos y geografías resulta correcta, el camino de la autonomía Nivel 4 puede ser más corto de lo que el historial de la industria sugiere.
Los próximos 18 meses serán clave: el despliegue real de robotaxis en la red de Uber y la expansión de rutas de carga en Texas dirán si el “momento aha” que describe Urtasun es sólido o es el próximo episodio del ciclo de hype que conoce tan bien. La IA física para el transporte también está recibiendo inversiones masivas desde múltiples frentes, lo que sugiere que el sector en su conjunto está apostando a que esta vez sí es real.
