NeuroLens

00Resumen ejecutivo

El mercado de smart glasses explotó — y dejó un hueco exacto con la forma de este producto.

Meta vendió 7 millones de lentes inteligentes en 2025 (82% de cuota global) y planea capacidad para 10–30 M/año. El segmento creció +139% interanual en H2 2025 y las proyecciones de IDC dan CAGR de 18.9–41.9% hasta 2030. Pero toda esa ola comparte tres decisiones de diseño que excluyen a un comprador entero: la IA vive en la nube, la memoria es del fabricante y los lentes son del fabricante.

NeuroLens ataca los tres huecos a la vez: un clip de ~20 g que se monta en la patilla de cualquier armazón, un hub de bolsillo que corre ASR + RAG + LLM sin internet, y un servidor on-premise para flotas. El cliente objetivo inicial no es el consumidor — es el técnico de campo y el ingeniero de sitio en telecom, data centers y manufactura de LATAM, donde la evidencia de trabajo manos libres tiene ROI documentado (DHL: +15% productividad en picking; Honeywell: −50% costos de viaje con RealWear) y donde las políticas de datos prohíben exactamente lo que Meta, Amazon y Google necesitan para operar: que el audio del cliente salga del sitio.

Este documento contiene la ingeniería a nivel de componente (números de parte y precios verificados a agosto 2026) para construir el prototipo v0 con ~$126 USD (usando la laptop actual como estación base; ~$226 con el hub de bolsillo incluido), la ruta a producto certificado, y el plan de negocio a 10 años. Las afirmaciones no verificadas están marcadas [EST] y consolidadas en el Anexo A1.

01Arquitectura de hardware

Decisión rectora: física antes que deseos. La térmica de la sien manda.

El error de todos los smart glasses integrados es meter el cómputo donde no cabe el calor. Un cuerpo en contacto con la piel de la cara no debe pasar de 41–43 °C (el estándar de la industria usa ~48 °C como techo absoluto y 41–42 °C como confort sostenido). Con ~30 cm² de superficie disipando por convección natural, el presupuesto continuo en la patilla es de 0.3–0.55 W [EST — cálculo de ingeniería: h≈10–15 W/m²K, ΔT≈8–12 K]. Por eso Meta limita el video a ráfagas y regula funciones por temperatura. Conclusión: el LLM nunca va en los lentes. NeuroLens es una arquitectura dividida en tres niveles:

Por qué esta división es correcta (y no un parche)

• Térmica — el clip solo hace captura y filtrado: RV1106 en carga parcial ≈ 0.3–0.5 W, dentro del presupuesto de la sien. El hub, en el bolsillo, tolera 1.5–3 W sin tocar piel sensible.
• Batería — la celda grande (103450, 1,800–2,000 mAh, ~35 g) vive en el hub, no en la cabeza. El clip lleva una 502030 de 250 mAh y 5 g: suficiente para una jornada si el micrófono despierta al SoC solo cuando hay voz (el TDK T5848 con Acoustic Activity Detection consume ~20 µA en silencio — el mismo truco que usa el wearable Omi).
• Radio — Opus a 24 kbps son 3 kB/s; el peor caso real de BLE (~12 kB/s en iPhone sin optimizar) lo carga cuatro veces. No hay cuello de botella de transporte.
• Legal — separar captura (clip) de retención (hub/nido) permite políticas por nivel: el clip puede operar en modo "sin retención" en zonas restringidas (ver §16).
• Comercial — el clip es barato de reponer y frame-agnostic; el hub es donde vive el margen y la memoria del usuario. Si el usuario cambia de lentes, no pierde nada.

Presupuesto de energía (jornada de 10 h)

Consumos base medidos por fuentes citadas: AX630C 0.5 W idle / 1.5 W plena carga (M5Stack); Pi Zero 2 W 0.38–3.1 W (CNX Software); AAD ~20 µA (arquitectura Omi/nRF5340). El reparto 85/15 es supuesto de diseño [EST] — validar en el piloto.

Variantes de despliegue

02Sistema operativo Linux

Dos Linux distintos porque son dos problemas distintos.

Clip: Buildroot

El RV1106 corre el BSP de Rockchip sobre Buildroot. No hay systemd, no hay apt, no hay usuarios interactivos: un rootfs de ~40 MB, de solo lectura, con exactamente los procesos del pipeline de captura. Arranque <3 s. Es la elección correcta porque el clip es un electrodoméstico: firmware, no computadora.

• Rootfs inmutable — squashfs de solo lectura + partición de datos cifrada (dm-crypt) para el buffer de audio. Un clip robado no entrega nada sin la llave, que vive en el hub.
• Actualización A/B — dos slots de firmware con RAUC; el bootloader revierte solo si el slot nuevo no marca arranque exitoso. Nunca un clip brickeado en campo.
• Watchdog de hardware habilitado desde U-Boot: el pipeline de captura se reinicia solo.

Hub y Nido: Debian → Yocto

Para v0/v1 el hub corre el Linux del fabricante (Ubuntu/Debian en el LLM630 o Armbian en Radxa) — velocidad de desarrollo primero. Para v2, Yocto con la misma disciplina del clip (imagen mínima, A/B, firmado). El Nido enterprise se entrega como OCI containers sobre el Linux que el cliente ya opera (RHEL incluido — es exactamente el mundo del que venimos), con SELinux enforcing y sin dependencia de internet ni siquiera para licenciamiento.

Cadena de confianza

BootROM RV1106 → verifica firma → U-Boot (llave de InGrid, fusible OTP)
  → verifica → kernel + squashfs (dm-verity)
  → monta → datos (dm-crypt, llave sellada en el pareo clip↔hub)
Actualización: RAUC bundle firmado → slot B → reboot → confirmación o rollback

03Diseño electrónico

v0 con módulos comprables hoy; v1 con PCB propia de 4 capas.

v0 — BOM del prototipo (todo verificado, agosto 2026)

v1 — PCB propia del clip

Una placa de 4 capas, 55 × 16 mm, componentes en ambas caras:

• Cerebro: RV1106G3 (SiP con DDR3L 256 MB integrada — sin ruteo de DDR, el ahorro de ingeniería más grande de todo el diseño).
• Audio: 2× TDK T5848 en configuración end-fire separados 21 mm para beamforming hacia la boca del interlocutor; el modo AAD del propio micrófono despierta al SoC vía GPIO.
• Potencia: BQ24074 + MAX17048 + reguladores buck de alta eficiencia; dominio "always-on" de ~20 µA (mic AAD + RTC) separado del dominio del SoC.
• El LED de grabación va en serie con el riel de la cámara y el bias de los micrófonos. No es un GPIO: si hay corriente de captura, hay luz. Físicamente imposible grabar con el LED apagado — la respuesta de diseño a la crisis 2026 de Meta (LED tapado/deshabilitado) y un artefacto de cumplimiento que se enseña en la venta enterprise (§16, §20).
• Conector: USB-C (carga + consola + fastboot para flasheo); pogo-pins magnéticos al dock en v2.
• EMC: plano de tierra continuo, antena WiFi cerámica en esquina con keep-out, ferritas en el riel de cámara. Pre-scan EMC antes de certificar (§18).

04Diseño mecánico imprimible en 3D

El clip debe sobrevivir a tres armazones distintos y a un turno de 10 horas.

Geometría

Las patillas de lentes comerciales varían entre ~8 y 18 mm de alto y 2–6 mm de espesor cerca de la bisagra [EST — medir la muestra real del piloto]. El clip no puede asumir una: el diseño usa una mordaza de dos piezas: shell rígido (PETG o PA12) con la electrónica, y una garra interior de TPU 95A intercambiable en tres tallas (S/M/L) que abraza la patilla sin rayarla. La garra es la pieza que se regala en tres tamaños con cada unidad — cuesta centavos y elimina el problema de compatibilidad.

Distribución de masa

Reglas de impresión y ruta a molde

• Shell en PETG (0.16 mm, 4 perímetros, 40% giroide) o PA12 por SLS para el piloto; TPU 95A a 0.2 mm para garras. PLA solo para prototipos de forma — se deforma en un tablero de auto en verano.
• Tolerancias FDM: holguras de 0.25 mm en encajes, 0.45 mm en piezas móviles; insertos roscados M1.6 por calor para el acceso a batería.
• Canal acústico de los mics: puertos de Ø1 mm con malla hidrofóbica adhesiva (la misma solución de los teléfonos) — objetivo IP52 en v1, IP54 con junta de TPU en v2.
• La celda LiPo con 10% de holgura mecánica (hinchazón), sin tornillos que la atraviesen, y corte de carga por temperatura >45 °C en el BQ24074.
• Ruta a producción: los mismos STEP pasan a molde de inyección (~$8–15 k por cavidad [EST]) solo después de que el piloto congele la geometría. Hasta 500 unidades, SLS/MJF es más barato que el molde.

05Procesamiento de audio

El audio es el producto. El video es el complemento. Esta prioridad está en los datos.

Plaud — audio puro, sin cámara, sin display — superó $100 M de ARR con ~50% de conversión a pago. Ninguna empresa de smart glasses con cámara ha publicado un número de software comparable. La memoria profesional útil es sobre todo lo que se dijo: compromisos, cifras, nombres, instrucciones. NeuroLens invierte el 70% de su esfuerzo de inteligencia en la cadena de audio.

La cadena, etapa por etapa

Elección de ASR para español (con números medidos)

RTF medidos por Turing Pi (RK3588); Vosk WER de alphacephei; Moonshine de sus papers y del paquete moonshine-voice 0.1.5 (24-ago-2026). RTF en el AX630C del hub: sin benchmark público — medir en v0 [EST]; el M5Stack lista whisper-tiny/base corriendo en su NPU.

Diarización sin voiceprints — decisión legal de diseño

Separar "quién habló" es indispensable; almacenar huellas de voz es un pasivo legal (BIPA define voiceprint como biométrico: $1,000–5,000 por violación; en nov-2025 se certificó una clase de 1.2 M usuarios contra Amazon por Voice ID). La solución: diarización efímera por sesión — los embeddings de hablante (sherpa-onnx, pyannote-segmentation ONNX) viven solo en RAM durante la reunión, etiquetan Speaker A/B/C, y se destruyen. La transcripción conserva las etiquetas; el usuario puede renombrarlas a mano ("A = Emilia"). Nunca se persiste un vector de voz, nunca se re-identifica entre sesiones. Menos mágico, y vendible en Illinois.

Salida: conducción ósea

Las respuestas del asistente llegan por transductor óseo (1 W), no por bocina ni auricular: el técnico mantiene los oídos libres (requisito de seguridad industrial real) y el audio no se difunde a terceros. Latencia objetivo de consulta hablada completa: <4 s (§10).

06Procesamiento de video

Cámara de evidencia, no videocámara. Fotogramas con propósito.

Grabar video continuo es la decisión incorrecta tres veces: térmicamente (es lo que sobrecalienta a los Ray-Ban), legalmente (§16) y en almacenamiento. Rewind ya demostró el patrón correcto en desktop: capturas espaciadas + dedupe + OCR asíncrono. NeuroLens lo traslada al mundo físico:

• Captura por eventos, no por reloj: el clip toma un fotograma 3 MP cuando (a) el usuario lo pide ("NeuroLens, captura"), (b) arranca un momento nuevo (§07), (c) el NPU detecta un objeto de interés declarado — un rack, una etiqueta de activo, un tablero — con YOLOv8n int8 sobre el NPU del RV1106 (~10 FPS disponibles de sobra para decidir [EST — 18.2 FPS medidos en la clase RK3566; el RV1106 es menor]), o (d) botón físico.
• Dedupe perceptual (dHash) antes de gastar radio: si el frame es 95% igual al anterior, no viaja.
• OCR en el Nido — RapidOCR/PaddleOCR para etiquetas, seriales, pantallas y pizarras (PaddleOCR: 0 errores en el benchmark de facturas vs 3 de Tesseract; Tesseract queda como fallback ligero). Cada texto extraído entra al índice FTS con su timestamp y su frame.
• VLM para descripción de escena — Moondream 0.5B (816 MB RAM) o LFM2.5-VL-450M (multilingüe, español incluido) en el Nido: convierte el fotograma en una frase indexable ("gabinete abierto, panel de fibra, puerto 12 desconectado").
• Nada de reconocimiento facial. Nunca. No es una limitación técnica sino una línea de producto: es la frontera entre "memoria del profesional" y "vigilancia de terceros" (§16). El VLM describe escenas, no identifica personas.

Aritmética de almacenamiento (jornada de 10 h)

Referencia: Rewind lograba ~5 GB/mes grabando la pantalla completa de una Mac; capturando solo voz y eventos, NeuroLens queda un orden de magnitud abajo.

07Detección contextual

La memoria sin contexto es una cinta. Con contexto, es un archivo consultable.

La unidad de la memoria de NeuroLens no es el archivo ni el minuto: es el momento — un segmento con inicio, fin, lugar, participantes y tema. Todo el retrieval (§10) opera sobre momentos. El segmentador corre en el hub y corta cuando cambia el contexto, usando señales baratas:

El resultado por momento: {t_ini, t_fin, sitio_hash, n_hablantes, escena, titulo_generado, resumen_llm, importancia}. El título y el resumen los escribe el LLM del hub al cerrar el momento ("Revisión de respaldos con equipo de monitoreo, 2 participantes, 22 min"). Un turno de 10 h produce típicamente 15–40 momentos [EST] — la escala a la que un humano de verdad recuerda su día.

08Base de conocimiento persistente

SQLite como columna vertebral. Aburrido a propósito: la memoria de una persona no puede depender de un servicio de moda.

El teardown de Rewind y su clon open source retrace convergen en la misma lección: el motor de una memoria personal es SQLite con FTS, con la búsqueda semántica como capa adicional — no al revés. NeuroLens adopta ese patrón endurecido:

momento(id, t_ini, t_fin, sitio_hash, escena, titulo, resumen, importancia)
transcripcion(momento_id, hablante, t_palabra, palabra)        -- timestamps por palabra
frame(id, momento_id, t, ruta_jpeg, dhash, descripcion_vlm)
ocr(frame_id, texto, bbox)                                     -- texto en imágenes
entidad(id, tipo, nombre, alias)                               -- persona/equipo/sitio/ticket
mencion(entidad_id, momento_id, t, confianza)                  -- grafo ligero por tabla puente
compromiso(id, momento_id, texto, quien, para_cuando, estado)  -- extraído por el LLM (§09)
+ FTS5 sobre transcripcion/ocr/resumen (tokenizer unicode61, stemming es)
+ vec: embeddings por chunk (sqlite-vec)  → §11

• Cifrado en reposo: partición dm-crypt/LUKS2; la llave deriva del pareo físico clip↔hub más el PIN del usuario. En el Nido enterprise, llave por usuario — el administrador de la flota no puede leer la memoria de un técnico sin un proceso de dos personas (§14: esto es una feature vendible, no una limitación).
• Retención por política: TTL por defecto configurable por el cliente (p. ej. audio crudo 30 días, transcripciones 2 años, compromisos indefinido). La nueva LFPDPPP mexicana (2025) exige plazos de conservación y supresión formales — aquí son un UPDATE de una tabla de políticas, no un proyecto.
• Borrado real: "olvida los últimos 10 minutos" y "olvida este momento" ejecutan DELETE + VACUUM incremental + purga del Opus asociado, y quedan asentados en una bitácora de auditoría (qué se borró y cuándo, no el contenido).
• Exportación: todo el archivo del usuario sale a un ZIP (SQLite + Opus + JPEG) con un comando. La anti-Humane: si InGrid desaparece mañana, el dispositivo y la memoria siguen funcionando y el dato sigue siendo del usuario. Esa garantía va impresa en el contrato (§20).

09Motor semántico

Del texto plano a significado consultable, con modelos que caben en un bolsillo.

Embeddings

EmbeddingGemma (Google, sep-2025) es la elección clara para español: 308 M parámetros, 100+ idiomas, <200 MB cuantizado, y dimensiones Matryoshka — se generan 768d y se almacenan 256d, que conservan casi toda la calidad de retrieval con un tercio del espacio y del tiempo de búsqueda. Era el #1 de MTEB multilingüe bajo 500 M al lanzarse. Fallback si el hub va corto de RAM: arctic-embed-xs / MiniLM 384d, pero son solo-inglés — para nuestro mercado, EmbeddingGemma no tiene rival de su tamaño. Velocidad exacta en el AX630C: por medir en v0 [EST]; el embedding corre por lotes al cerrar cada momento, así que no está en ninguna ruta de latencia crítica.

Extracción estructurada

Al cerrar cada momento, el LLM del hub (Qwen3 1.7B Q4; §12) hace tres pasadas baratas con salida JSON forzada por gramática GBNF (cero alucinación de formato):

1. Resumen y título del momento (2 frases máx).
2. Entidades: personas mencionadas (por nombre dicho, no por voz), equipos ("el servidor .82", "OSSDBC"), tickets ("REQ0366345"), sitios. Normalizadas contra la tabla entidad con alias — el mismo problema de "HOSNAME vs HOSTNAME" que ya conocemos de Tellus: el alias manda, no la ortografía.
3. Compromisos: "yo mando el correo mañana", "Emilia sube la evidencia el viernes" → compromiso(quien, texto, para_cuando). Esta tabla es la killer feature del producto para un profesional de servicios: la lista de promesas hechas y recibidas, con el audio original a un clic.

Grafo ligero, no grafo religioso

Nada de Neo4j embebido: la tabla mencion (entidad ↔ momento) es el grafo. "¿Cuándo fue la última vez que hablé con X del servidor Y?" es un JOIN de tres tablas con índices — milisegundos en SQLite. La regla de diseño: cada capa semántica debe poder reconstruirse desde las transcripciones crudas; si un modelo mejor aparece en 2027, se re-procesa el archivo entero offline y la memoria mejora retroactivamente. Los datos crudos son sagrados; las capas derivadas son reemplazables.

10Recuperación de recuerdos

Tres modos de acceso, tres presupuestos de latencia.

Modo 1 — Consulta hablada (<4 s)

"¿Qué número de cambio me dio Morales?" → «CHG0106900, te lo dio ayer a las 4:12 de la tarde en la llamada con el CTE». La cita temporal siempre acompaña la respuesta: la confianza en una memoria protésica se construye pudiendo verificar de dónde salió cada dato.

Modo 2 — Línea de tiempo (app/escritorio)

La interfaz visual contra el Nido: el día como lista de momentos con título, sitio y participantes; búsqueda instantánea (FTS5 responde <100 ms como en retrace); clic en cualquier palabra de una transcripción reproduce el audio desde ese timestamp. La tabla compromiso se proyecta como lista de pendientes con enlace al momento de origen.

Modo 3 — Recuerdo proactivo (apagado por defecto)

Cuando el contexto actual coincide con memoria relevante — la huella de radio dice "sala de servidores de Mérida" y hay un compromiso abierto anclado a ese sitio — el hub susurra una línea: «Aquí quedaste pendiente de verificar el respaldo del .39». Reglas duras: máximo N por día, jamás en conversación activa (el VAD lo sabe), y opt-in explícito. Un asistente que interrumpe es un producto devuelto.

11Sistema RAG local

Recuperación híbrida sobre ferretería mínima — y honesta sobre sus límites.

Pipeline de indexado

1. Chunking por momento: ventanas de ~300 tokens con solape de 60, sin cruzar fronteras de momento (un chunk jamás mezcla dos reuniones). Cada chunk hereda metadatos: momento, sitio, hablantes, fecha.
2. Embedding EmbeddingGemma 256d, por lotes al cerrar el momento.
3. Almacenamiento: sqlite-vec (proyecto activo: v0.1.9 mar-2026) en la misma base que todo lo demás — una sola transacción, un solo backup, cero servicios extra.

Recuperación híbrida

candidatos = FTS5(query_normalizada, top=40)          -- exacto: seriales, tickets, nombres
           ∪ vec_search(embed(query), top=40)         -- semántico: "lo del disco lleno"
           ∪ filtro_temporal("ayer", "la semana pasada")
score = RRF(rank_fts, rank_vec) × frescura(λ decae 90 días) × importancia_momento
→ top-12 al LLM con sus metadatos → respuesta con citas [momento#id]

La fusión RRF (reciprocal rank fusion) evita calibrar pesos entre dos escalas incomparables. El sesgo de frescura refleja cómo funciona la memoria profesional: lo de esta semana pesa más, pero un "¿qué acordamos en marzo?" con filtro temporal explícito anula el decaimiento.

Los números que hacen esto viable — y el techo

Evaluación continua

Un RAG sin arnés de evaluación degenera en demos. Desde v0: un set de ~200 preguntas doradas sobre un corpus de prueba propio (jornadas grabadas con consentimiento del equipo), métricas recall@12 y "respuesta correcta con cita correcta", corridas en CI en cada cambio de chunking, modelo o prompt. El arnés es también el argumento de venta técnica: publicamos las métricas, los incumbentes no.

12IA offline

Cada modelo tiene un asiento asignado. Nada asume internet, jamás.

• Actualización de modelos sin nube: los pesos llegan dentro del bundle RAUC firmado, igual que el firmware. Un despliegue air-gapped recibe los bundles por USB. La memoria mejora con cada release re-procesando el archivo local (§09) — el dato nunca viaja hacia el modelo; el modelo viaja hacia el dato.
• Cero telemetría por defecto. El canal de diagnóstico es opt-in, agregado y visible en texto plano antes de enviarse. Es lo contrario del estándar de la industria, y por eso es vendible en §19.
• La lección Humane, como requisito de ingeniería: el producto entero debe pasar la prueba "InGrid quiebra mañana": sin servidores de licencia, sin activación en línea, sin kill-switch remoto. HP pagó $116 M por los restos de Humane y los dispositivos murieron en 10 días. Un NeuroLens sin InGrid sigue siendo un NeuroLens.

13Estrategia de patentes

IP de pobre bien jugada: una patente núcleo, muralla de prior art alrededor, y marca antes que todo.

Qué sí es patentable nuestro (las dos solicitudes)

1. "Módulo retrofit de memoria con captura condicionada por hardware": el sistema clip-agnóstico (mordaza adaptativa + alineación de cámara a la mirada) combinado con la cadena de encendido AAD→VAD→captura y el interlock físico LED-riel de captura. Es la reivindicación que un competidor grande no puede rodear sin renunciar a features de nube (§20).
2. "Ciclo de vida de memoria dividida con borrado verificable": la arquitectura clip/hub/nido con llaves de pareo, retención por política y purga auditada — el mecanismo, no la idea de "memoria local".

Secuencia y costos reales

Contexto de por qué esto importa aunque la startup sea chica: las 300+ patentes de Humane fueron el piso de valor — HP pagó $116 M por una empresa muerta. Una cartera de 2 patentes núcleo + muralla defensiva convierte el peor escenario (el producto no pega) en un activo vendible, y el mejor escenario (pega) en algo que Meta no puede clonar impunemente — la demanda de Solos demuestra que a los grandes sí se les cobra.

14Modelo SaaS

Open-core: el dispositivo es tuyo; la operación de flota es nuestra renta.

La paradoja aparente — ¿cómo cobra suscripción una empresa cuya bandera es "no dependas de nosotros"? — se resuelve mirando a quién se le cobra. El individuo es dueño de su memoria, gratis para siempre. La empresa paga por operar flotas de memorias: aprovisionamiento, políticas, cumplimiento y auditoría. Exactamente el modelo SparkFun/Prusa (comunidad abierta + ejecución) fundido con el de Plaud (hardware + software de pago: >$100 M ARR, ~50% de conversión).

• Anti-jugada de los incumbentes: TeamViewer Frontline y similares venden solo por cotización. Publicar precios es una táctica de confianza barata que ningún incumbente puede copiar sin canibalizar sus deals actuales.
• La renovación se gana con el archivo: cada trimestre de uso hace la memoria de flota más valiosa (activos documentados, procedimientos capturados, onboarding de técnicos nuevos con la memoria de los veteranos). El churn natural de un producto de memoria es bajísimo — irse cuesta el archivo operativo. Y como el dato es exportable (§08), la retención es por valor, no por rehén: defendible frente a competencia y frente a reguladores.

15Estrategia de monetización a 10 años

Cuatro actos. Cada uno financia el siguiente y ninguno apuesta la empresa.

16Riesgos legales

El riesgo legal no se gestiona con un aviso: se gestiona con arquitectura. Cada mitigación de esta tabla ya es una decisión de diseño de las secciones anteriores.

Mapa de riesgo → mitigación de diseño

17Roadmap: de MVP a Unicornio

Con compuertas de salida honestas. Cada etapa tiene una condición medible para avanzar — o para parar.

18Costos reales de fabricación

Del protoboard al contenedor: números con fuente, supuestos marcados.

Escalera de costo unitario (clip + hub)

Ancla de realismo: el BOM verificado de v0 suma $226 con precios retail unitarios; la regla industrial de que el costo de módulos retail ≈ 2–2.5× el BOM de producción a 1 k unidades sostiene las celdas [EST]. Los Ray-Ban Meta se venden a $379 con una estructura de costos de gigante; NeuroLens a $499 con costo ~$98 a 1 k unidades da margen bruto de hardware ~60% — sin subsidio cruzado de nube.

Costos no recurrentes (NRE) hasta producto certificado

19Plan de venta a sectores industriales

Beachhead propuesto con datos: mantenimiento de infraestructura crítica en LATAM — telecom, data centers, energía.

Por qué ese beachhead y no otro

• El ROI de la categoría ya está probado por otros: DHL midió +15% de productividad con vision picking y lo volvió estándar global; Honeywell reportó −50% en costos de viaje con RealWear; Amazon está expandiendo Vuzix Ultralite Pro para mantenimiento de sus data centers de IA (Q2 2026). No hay que evangelizar la categoría — hay que ganar el deal con precio, español y soberanía de datos.
• El incumbente cuesta 4–6× y habla inglés: RealWear Navigator $2,900 + suscripción por cotización; su control de voz soporta español pero su IA y su stack son nube. En LATAM el costo por técnico es la variable que mata proyectos.
• La soberanía de datos es requisito duro, no preferencia: un carrier no puede mandar el audio de su NOC a Meta; un banco no puede mandar el piso de su data center a Gemini; el sector público ni hablar. El único competidor "on-device" del mercado consumer (Brilliant Labs Halo) sigue mandando su agente a la nube. En infraestructura crítica, NeuroLens no tiene competidor directo hoy (ago-2026).
• Lo conocemos desde adentro: el fundador ha operado bases de datos de carrier por años — sabe qué evidencia pide una auditoría, cómo se ve una ventana de cambio a las 2 AM, y qué significa que un compromiso verbal de un proveedor no quede registrado. El primer usuario del producto es su propio autor. Ese es el estándar de credibilidad que un gerente de operaciones respeta.

Los tres casos de uso que se venden (con la métrica que los paga)

Motion de venta

1. Piloto pagado de 90 días (10 unidades, $15–25 k, éxito definido por contrato con las métricas de arriba). Se vende al gerente de operaciones/campo, no a TI — TI se gana con el argumento on-prem.
2. Desactivador de objeciones legal/laboral en la primera junta: el kit de §16 (LED físico, geocercas, llave del trabajador, modo works council). La objeción #1 en esta categoría no es técnica, es "el sindicato/legal no lo va a permitir" — llegar con eso resuelto acorta el ciclo meses.
3. Convertir a flota con precio público por seat (§14) — sin la danza de cotizaciones de los incumbentes.
4. Canal: integradores regionales que ya venden RealWear/Zebra a estas cuentas y quieren margen en una alternativa; después, alianzas con los ISVs de mantenimiento (CMMS/EAM) vía el SDK del acto III.

20Ventajas competitivas imposibles de copiar

Con precisión: "imposible de copiar" no existe. Existe "estructuralmente carísimo de copiar para cada competidor concreto". Ese es el estándar de esta sección.

A1Anexo — Lo no verificado

Todo lo marcado [EST] en el documento, consolidado. Son estimaciones de ingeniería o supuestos de negocio pendientes de medición — el plan de v0/M1 existe en buena parte para convertir esta lista en datos:

• Presupuesto térmico de 0.3–0.55 W en la sien (cálculo propio desde límites de piel publicados; validar con termopar en v0).
• Reparto 85/15 de escucha pasiva/activa y las autonomías derivadas del clip.
• RTF de whisper/EmbeddingGemma/Qwen en el AX630C específicamente (los números citados son de RK3588/Pi 5; el M5Stack lista los modelos como soportados pero no publica RTF).
• FPS reales de YOLOv8n en el NPU del RV1106 (el dato medido es de la clase RK3566).
• Umbral de descarte de voz lejana (mitigación Art. 177) — requiere calibración de campo.
• Costos unitarios a 100/1k/10k unidades y todos los NRE (rangos de industria, no cotizaciones).
• Precios de SaaS ($12/$25–35) — hipótesis a validar contra el piloto M2.
• Geometrías de patillas comerciales (medir muestra real antes de congelar las garras S/M/L).
• Momentos por jornada (15–40) — supuesto de diseño.
• La caracterización "retrofit + memoria local = área de patentes despejada" es inferencia desde los clusters públicos y litigios; requiere FTO profesional (§13).

A2Anexo — Fuentes principales

Mercado: Counterpoint (envíos H2-2025 +139%, cuotas Q1-2026) · IDC (forecast 2026–2030, CAGRs) · Omdia (AI glasses 5.1 M→10 M) · UploadVR/CNBC (Meta 7 M unidades 2025) · TechCrunch (Plaud $100 M ARR; adquisiciones Limitless→Meta dic-2025 y Bee→Amazon 2025; Humane→HP $116 M) · Road to VR / Tom's Guide / TechRadar (precios y specs de Ray-Ban Display $799, G2 $599, Halo $299–349, RayNeo X3 Pro $1,169, Rokid $499, Vuzix M400 ~$2,000 / Z100 $499, RealWear Navigator 520 $2,900, Iristick G2 Pro $3,637) · Yanko Design (CAMIO $79) · Seeed (OpenGlass) · informes Vuzix Q1/Q2-2026 · casos DHL, Honeywell, Amazon–Vuzix.
Hardware: luckfox.com (Pico Ultra $26.99) · Waveshare (SC3336 $8.99) · Adafruit (ICS-43434, MAX98357A, BQ24074, MAX17048, transductor óseo) · M5Stack (LLM630 $99.90, AX630C 0.5/1.5 W) · Radxa/ALLNET (Zero 3W) · Sipeed (LicheeRV Nano) · CNX Software (consumos Pi Zero 2 W) · xMEMS/Electronic Design (límites térmicos 41–48 °C) · Oxeltech/UL (seguridad LiPo) · TDK (T5848 AAD) · Memfault (throughput BLE).
IA offline: Turing Pi (whisper.cpp RTF en RK3588) · whisper.cpp #166 (Pi 4 streaming) · alphacephei (Vosk es) · k2-fsa/sherpa-onnx (NeMo es, diarización) · papers Moonshine v2 + moonshine-voice PyPI (español ago-2026) · Google (EmbeddingGemma) · asg017/sqlite-vec (v0.1.9–v0.1.10) · Marco Bambini (benchmarks vectoriales SQLite) · LanceDB docs · moondream.ai · LearnOpenCV (VLMs en Pi) · Qengineering (YOLO NPU) · Kevin Chen (teardown Rewind) · retrace/OpenRecall (GitHub) · DeepWiki Omi (nRF5340+AAD) · localaimaster/kunalganglani/Adafruit (LLMs en Pi 5).
Legal: Justia/CELE (CPF 177/211 bis) · SCJN vía La Silla Rota jul-2026 (grabación por participante) · Hogan Lovells/KPMG/IAPP/AMDA (nueva LFPDPPP 2025, SABG, multas UMA) · King & Spalding/Duane Morris (BIPA, reforma SB 2979, clase Amazon Voice ID) · Texas AG (Meta $1.4 B CUBI) · RecordingLaw (estados all-party, CIPA §632/637.2) · William Fry + artificialintelligenceact.eu + Gibson Dunn (AI Act Art. 5(1)(f), multas, Digital Omnibus) · NPR (Brewer v. Otter.ai) · TechCrunch/Clarkson (Bartone v. Meta) · Fortune (crisis LED 2026) · PRNewswire/Mondaq (Solos v. Meta ene-2026) · Tom's Guide (Xreal v. Viture) · GreyB (Magic Leap 8,555 patentes) · TriangleIP/UpCounsel (costos US/PCT) · Vanguardia/IMPI (tarifas México) · Infobae (LFT vigilancia) · Engineering.com/IP.com (publicación defensiva) · Mathys & Squire (SpaceX trade secrets) · Opensource.com (modelo SparkFun).