Por Canuto  

La carrera por la inteligencia artificial ya no se limita a laboratorios y startups. Entre propuestas para socializar el capital de los principales desarrolladores, apuestas multimillonarias por chips y centros de datos, avances médicos y choques regulatorios, el ecosistema de IA parece entrar en una fase donde gobierno, Wall Street y Big Tech disputan el control de la próxima gran infraestructura económica.
***

  • La administración estadounidense explora fórmulas para que el público participe en el capital de los mayores laboratorios de IA, mientras OpenAI y otros quedan bajo presión política.
  • Google, Anthropic, xAI, SpaceX, Meta y fondos privados protagonizan una compleja cadena de acuerdos de cómputo, deuda y arrendamiento por decenas de miles de millones.
  • La IA avanza en química, medicina, banca y desarrollo de software, pero persisten límites en agentes autónomos, riesgos de ciberseguridad y dudas sobre valoraciones extremas.

La inteligencia artificial atraviesa una etapa en la que la frontera entre innovación tecnológica, poder político y mercados financieros comienza a desdibujarse. Lo que hasta hace poco era una carrera entre laboratorios privados por mejores modelos y más usuarios ahora incorpora debates sobre propiedad pública, defensa nacional, salud, banca y acceso a infraestructura crítica.

En ese contexto, un amplio repaso publicado por @tsarnick retrata un ecosistema donde la llamada singularidad ya no se presenta solo como una hipótesis tecnológica, sino como un activo económico que múltiples actores quieren capturar. El eje común del momento es simple: si el potencial de ganancias de la IA es tan alto, todos quieren sentarse en la mesa del capital.

La discusión más llamativa gira alrededor del papel del Estado en los mayores laboratorios. Según ese recuento, el presidente de Estados Unidos habría expresado interés en que el gobierno federal posea participación accionaria en las principales firmas de IA. OpenAI ya estaría entre las compañías consideradas, y se afirma que la empresa estudia donar acciones para crear un “fondo de riqueza pública” con el que los ciudadanos puedan compartir beneficios.

Esa idea, sin embargo, no satisfaría a todos los sectores políticos. El informe señala que Sam Altman también se reunió con el senador Bernie Sanders, quien estaría preparando una ley para transferir 50% de la participación de los laboratorios de alto nivel a un fondo público. Más allá de la viabilidad de esa propuesta, la señal es clara: la discusión sobre la IA se desplaza desde la mera regulación hacia la distribución de propiedad y rentas futuras.

Agentes poderosos, pero todavía frágiles

A pesar del optimismo de mercado, los sistemas actuales siguen lejos de ser infalibles. El nuevo benchmark SWE-Marathon, citado en el recuento, une veinte tareas de ingeniería que toman varias horas, y aun los modelos de frontera resuelven menos de 19%. El problema no sería solo la dificultad técnica, sino la pérdida de coherencia tras periodos prolongados de trabajo autónomo.

Esa limitación contrasta con las apuestas especulativas sobre la siguiente generación de modelos. Polymarket, de acuerdo con el texto, asigna 84% de probabilidad a que Claude Mythos llegue antes de fin de mes. En otras palabras, parte del mercado parece asumir que la próxima iteración reducirá o resolverá esas deficiencias, aunque la evidencia todavía no lo confirma.

Mientras tanto, las empresas están adoptando un enfoque más pragmático. Los CFO estarían vigilando el gasto y distribuyendo tareas complejas a modelos de frontera, pero reservando las simples para alternativas más baratas. Ese patrón amenaza las valoraciones premium de OpenAI y Anthropic, porque una parte del mercado corporativo puede aceptar menor rendimiento si el ahorro por token compensa la diferencia.

Google intenta cubrir precisamente ese extremo económico. El texto menciona checkpoints de Gemma 4 optimizados para cuantización, capaces de reducir el modelo E2B a menos de 1 GB para teléfonos. Eso apunta a una IA más accesible en el borde, con menor costo de inferencia y despliegue, algo relevante para desarrolladores y fabricantes de dispositivos.

Los especialistas ganan terreno en matemáticas y química

Donde los agentes generalistas tropiezan, los sistemas especializados parecen avanzar con mayor rapidez. LeanMarathon, según el repaso, puede autoformalizar matemáticas de investigación en Lean a lo largo de ejecuciones de varias horas. El sistema habría resuelto cada objetivo en dos artículos de teoría de números, una señal de que los dominios cerrados siguen ofreciendo terreno fértil para mejoras medibles.

Adaption Labs, por su parte, impulsa un desafío AutoScientist de cuatro semanas con un premio de USD $50.000 para liberar abiertamente modelos adaptados a objetivos. La lógica detrás de ese esfuerzo es que el crowdsourcing puede acelerar herramientas científicas útiles sin depender solo de un puñado de compañías cerradas y altamente capitalizadas.

También destaca el primer paper técnico de química de Anthropic. Allí, Claude Opus 4.7, sin ajuste específico para química, habría igualado a ChemDraw y MestReNova en predicción de NMR. Además, trabajó en sentido inverso para inferir la estructura de una molécula desconocida a partir de datos de NMR 1D y espectrometría de masas, acertando en los casos más sencillos.

Estos resultados refuerzan una idea importante para inversores y reguladores: la utilidad económica de la IA no depende solo de un gran agente universal. En muchas áreas, desde ciencia hasta software, pueden dominar modelos menos espectaculares, pero mejor adaptados a tareas concretas y más baratos de operar.

Más capacidad también implica más superficie de riesgo

La expansión de capacidades viene acompañada de nuevas vulnerabilidades. OpenAI lanzó un plugin para crear aplicaciones iOS que permite a Codex ver y recargar una app dentro de un navegador integrado. Esa clase de agencia acelera el desarrollo, pero también amplía la posibilidad de abuso si el modelo interpreta instrucciones maliciosas o es víctima de inyección de comandos.

El mismo recuento afirma que Epoch AI ya rastrea CVE de todas las organizaciones que reporta y observa un aumento en divulgaciones de severidad alta y crítica tras la llegada de la vista previa de Claude Mythos. El vínculo exacto entre un modelo y el repunte de fallas puede requerir análisis adicional, pero el mensaje es inequívoco: más autonomía suele significar más exposición.

Como respuesta, OpenAI habría introducido un modo de cierre opcional en ChatGPT que desactiva Investigación Profunda y Modo Agente para mitigar la inyección de comandos. La medida sugiere que la industria empieza a aceptar una realidad incómoda: seguridad y capacidad no son dos caminos separados, sino un mismo dial con costos y concesiones.

Para usuarios empresariales y desarrolladores, esta tensión es crucial. Si la productividad extra de los agentes viene acompañada de mayores riesgos operativos, el costo real de adopción ya no depende solo del precio del modelo, sino del presupuesto en controles, auditoría y respuesta a incidentes.

El laberinto financiero del cómputo

La cadena de suministro de cómputo se ha vuelto una red compleja de alianzas y dependencias cruzadas. Apollo y Blackstone cerraron un paquete de crédito privado de USD $35.000 millones para financiar TPUs personalizados de Google que serán arrendados por Anthropic. La operación ilustra cómo la infraestructura de IA ya se financia con mecanismos similares a los de energía, real estate o grandes proyectos industriales.

Las rivalidades corporativas tampoco impiden acuerdos extraños. xAI pasó un año persiguiendo a Anthropic, pero habría terminado alimentándolo a través de su propio Colossus 1. Al mismo tiempo, Google, con capacidad limitada para Gemini, aceptó pagar a SpaceX USD $920 millones al mes por unas 110.000 GPUs ubicadas en sitios de xAI.

Un observador resumió el impacto de ese acuerdo con una frase elocuente: con un solo trato, la oferta pública inicial de SpaceX habría pasado de 100x ingresos a 50x ingresos. La cita refleja el nivel de exuberancia presente en torno a cualquier activo que pueda convertirse en cuello de botella del boom de IA, desde chips y electricidad hasta centros de datos y redes satelitales.

Sin embargo, no todos los gobiernos reciben con entusiasmo esta expansión. La legislatura de Nueva York aprobó una moratoria de un año para permisos de centros de datos superiores a 20 MW, siempre que la gobernadora Kathy Hochul la firme. Sería la primera medida de este tipo y añade una capa regulatoria sobre consumo energético, uso de suelo e impacto ambiental.

Robots, baterías y política industrial china

La narrativa de abundancia computacional convive con avances en hardware físico. Videos del humanoide T800 de China muestran a un robot perdiendo la cabeza y continuando en funcionamiento. La escena es llamativa, pero también funciona como metáfora de resiliencia mecánica y tolerancia a fallas en sistemas robóticos que deberán operar en entornos inciertos.

Detrás de esa resiliencia aparece una combinación de política pública y química avanzada. Un nuevo estudio citado en el recuento sostiene que las alianzas entre gobiernos locales chinos y capital privado impulsaron el despegue de los vehículos eléctricos después de 2015. Ese modelo habría permitido a firmas privadas superar a incumbentes estatales en una industria estratégica.

La cuestión de las materias primas sigue siendo igual de decisiva. La Universidad de Rochester desarrolló un sistema de desalación solar con metal grabado por láser que produce agua dulce y además extrae litio. En un escenario donde baterías, vehículos eléctricos y centros de datos compiten por recursos, cualquier mejora en abastecimiento adquiere valor geopolítico y financiero.

Para los mercados, la conclusión es evidente: la IA no avanza sola. Requiere robots, materiales, energía, chips, agua, crédito y marcos políticos favorables. La competencia entre países y empresas ya no es solo por mejores modelos, sino por el ecosistema industrial que los sostiene.

Salud, longevidad y medicina automatizada

Uno de los frentes más sensibles es la medicina. Investigadores del Instituto Francis Crick utilizaron aprendizaje automático para identificar una firma plasmática de 14 proteínas que detecta cáncer de pulmón hasta cinco años antes y además indica quién se beneficiaría más de una terapia anti-IL-1β. Si esos resultados se validan a gran escala, el impacto sobre diagnóstico temprano podría ser notable.

En otro avance citado, científicos de Columbia editaron genes de LDL y hemoglobina fetal en embriones humanos sin el daño cromosómico asociado con CRISPR. El logro se presenta como un paso hacia la eliminación de enfermedades hereditarias antes del nacimiento, aunque plantea preguntas éticas profundas sobre selección genética, acceso y supervisión.

La Casa Blanca también busca acelerar la entrega de servicios médicos apoyados en IA. El texto menciona un piloto en Utah para recargas de recetas mediante IA y una vía para que “médicos” autónomos de IA pongan un clínico en cada bolsillo. Esa visión combina promesa de acceso masivo con riesgos regulatorios y de responsabilidad profesional.

En conjunto, estos desarrollos alimentan una narrativa cada vez más visible: la muerte y la enfermedad ya no se ven solo como destino biológico, sino como problemas técnicos parcialmente abordables. Aunque ese lenguaje es provocador, ayuda a explicar por qué el capital sigue fluyendo hacia biotecnología, modelos multimodales y herramientas clínicas automatizadas.

Wall Street, banca tokenizada y una valoración difícil de sostener

La velocidad del cambio también complica la valoración financiera. Morgan Stanley estaría diciendo a inversionistas de una futura salida a bolsa que los ingresos de SpaceX podrían alcanzar USD $3,4 billones para 2040, desde USD $18.670 millones, impulsados principalmente por IA. Proyecciones de ese tamaño muestran hasta qué punto el mercado intenta capitalizar escenarios de crecimiento extraordinario.

Pero no todos los guardianes del mercado comparten ese entusiasmo. S&P Dow Jones no acelerará el proceso de SpaceX ni eximirá reglas de rentabilidad para megacaps no rentables como OpenAI y Anthropic. Esa resistencia indica que parte de la infraestructura financiera tradicional aún intenta preservar criterios clásicos en medio de una ola de narrativa futurista.

La vieja guardia bancaria tampoco quiere ceder terreno en pagos y dinero digital. JPMorgan, Citi y otras entidades planean una red compartida de depósitos tokenizados para defenderse de las stablecoins con liquidación 24/7. La señal es relevante para el ecosistema cripto: los bancos parecen aceptar que la tokenización ya no puede ignorarse, pero buscan mantenerla dentro de su perímetro institucional.

En paralelo, la Casa Blanca promueve un memorando de seguridad nacional para acelerar el uso de IA en inteligencia y guerra, sin caer en vigilancia ilegal. Y el gasto de capital sigue escalando. Tras una venta de acciones de Google por USD $85.000 millones, Meta estudia una oferta de varios miles de millones para financiar gastos de IA de hasta USD $145.000 millones este año.

La suma de todos estos movimientos deja una imagen de vértigo. La IA ya no es una simple categoría tecnológica. Se está convirtiendo en una infraestructura de poder, un campo de batalla financiero y un objeto de disputa social sobre quién paga, quién gana y quién controla los beneficios de una transformación que todavía está lejos de estabilizarse.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados