Por Canuto  

Planet, la empresa de satélites dirigida por Will Marshall, expuso una visión ambiciosa: convertir la observación terrestre en una nueva capa de inteligencia artificial y, más adelante, llevar parte del cómputo al espacio. La discusión también dejó ver otra tensión creciente: el ascenso del modelo abierto chino GLM 5.2, que en ciertas pruebas ya rivaliza con los sistemas más avanzados de OpenAI y Anthropic.
***

  • Planet afirma operar unos 200 satélites, generar 25 terabytes de imágenes al día y construir “modelos grandes de la Tierra” con una década de archivo histórico.
  • Will Marshall sostuvo que, a largo plazo, el factor decisivo para centros de datos orbitales no será solo el lanzamiento, sino la eficiencia del cómputo y la energía por inferencia.
  • El modelo chino GLM 5.2 fue presentado como un serio desafío para los laboratorios occidentales, al ofrecer rendimiento competitivo en formato abierto.

La compañía Planet, conocida por operar una de las mayores flotas privadas de observación terrestre, busca convertir su archivo satelital en una nueva capa de inteligencia artificial enfocada en el mundo físico. Su CEO, Will Marshall, defendió que el próximo salto de la IA no pasa solo por entender texto e imágenes de Internet, sino por aprender a responder preguntas sobre lo que ocurre en la Tierra en tiempo real.

Durante la conversación The $10B Satellite Empire Putting AI in Orbit, Why Chips Beat Rockets & China’s #1 Open Model | #266, del canal Peter H. Diamandis, Marshall describió esa visión como una evolución desde los grandes modelos de lenguaje hacia “modelos grandes de la Tierra”. En paralelo, el debate se desplazó hacia otro frente de enorme peso geopolítico: el surgimiento del modelo abierto chino GLM 5.2.

El intercambio también dejó varias señales para inversionistas y actores del mercado tecnológico. Entre ellas sobresalen la idea de centros de datos orbitales, la competencia entre SpaceX y Google en infraestructura futura, y el riesgo de que modelos abiertos de alto rendimiento hagan más difícil contener capacidades avanzadas de IA.

Para lectores nuevos en este tema, el punto de fondo es simple. La IA ya no se está midiendo solo por chatbots o asistentes, sino por quién controla el dato, el cómputo, la energía y la infraestructura física que hará posible la siguiente etapa de automatización global.

En ese tablero, Planet intenta posicionarse como proveedor de una base de datos planetaria consultable por lenguaje natural. China, por su parte, empieza a demostrar que también puede cerrar la brecha en modelos abiertos frente a los líderes estadounidenses.

Planet y la idea de “hacer buscable” a la Tierra

Marshall explicó que Planet quiere hacer con la Tierra algo parecido a lo que Google hizo con Internet. Su fórmula es “indexar la Tierra para hacerla buscable”, usando imágenes satelitales históricas y actuales para que sistemas de IA puedan responder preguntas sobre agricultura, conflictos, infraestructura, seguros o desastres naturales.

Según dijo, la empresa dispone de unos 200 satélites en órbita y genera alrededor de 25 terabytes de imágenes cada día. También afirmó que Planet ha reunido cerca de 3.000 imágenes por cada punto de la masa terrestre en los últimos 10 años, lo que conforma un archivo de 150 petabytes.

La tesis central es que los modelos actuales conocen la teoría del mundo, pero no su comportamiento real. Marshall comparó a esos sistemas con alguien que leyó todos los libros de una biblioteca, pero nunca salió a mirar por la ventana.

En esa lógica, un agricultor podría dejar de pedir consejos genéricos de agronomía y comenzar a consultar el estado exacto de su campo. Un periodista podría analizar la evolución diaria de una inundación, y una agencia de defensa podría comparar actividad actual con patrones históricos para detectar anomalías.

Planet sostiene que su ventaja no es solo capturar una imagen del presente, sino mantener una serie temporal amplia. Esa comparación histórica, aseguró Marshall, es crucial para interpretar si un evento es normal o anormal, ya sea en Ucrania, China, un cultivo comercial o un análisis financiero.

Otro punto relevante es la accesibilidad. Marshall señaló que antes solo grandes entidades como NASA, la comunidad de inteligencia estadounidense, empresas agrícolas o fondos de cobertura podían extraer valor de estos datos, pero que la IA reduce la barrera técnica para que más usuarios consulten la información en lenguaje natural.

Resolución, espectro y una ventaja difícil de replicar

Marshall detalló que Planet opera tres flotas principales. La primera, orientada a escaneo global, trabaja hoy con resolución de 3 metros y ocho bandas espectrales, aunque la próxima generación denominada Owl apunta a mejorar hasta 1 metro y reducir la latencia de varias horas a menos de una hora.

La segunda flota se enfoca en alta resolución. Según explicó, hoy ofrece entre 40 y 50 centímetros, con la meta de llegar a 30 centímetros y lograr una capacidad de 30 centímetros, 30 veces al día y con 30 minutos desde la solicitud hasta la entrega de la imagen.

La tercera capacidad es hiperespectral. Marshall dijo que su satélite Tanager incorpora 400 bandas espectrales, desde infrarrojo hasta ultravioleta, lo que permitiría identificar desde especies de árboles hasta emisiones de gas o diferencias de pintura en vehículos militares.

Esa amplitud técnica alimenta una ventaja estratégica que la empresa considera difícil de copiar. Marshall afirmó que Planet es la única compañía que fotografía toda la superficie terrestre cada día con alta resolución y con una dimensión temporal histórica que nadie puede reconstruir retroactivamente.

En el diálogo, también se subrayó que esa profundidad de archivo tiene un valor único para defensa, agricultura y mercados. No basta con saber qué hay hoy en una zona, sino cómo cambió durante meses o años para medir riesgo, productividad o actividad industrial.

Para quienes siguen el mercado espacial, el trasfondo es importante. La tesis de Planet no se basa solo en vender imágenes, sino en vender conocimiento derivado, automatizado por IA, sobre activos físicos, cultivos, puertos, centros de datos, incendios o cadenas logísticas.

De bajar datos a la Tierra a procesarlos en órbita

La siguiente fase de Planet es acercar el cómputo a los sensores. Marshall explicó que la compañía ya ha realizado pruebas con chips de Nvidia a bordo de satélites, con el objetivo de analizar imágenes en el borde de la red y devolver respuestas en segundos en lugar de horas.

Como ejemplo, relató un ensayo sobre un aeródromo en Alice Springs, Australia. El sistema habría identificado automáticamente aeronaves en la imagen y transmitido de regreso solo la ubicación y el tipo de avión, en vez de enviar el paquete completo de datos sin procesar.

El valor de este enfoque es reducir latencia en escenarios sensibles al tiempo. Marshall mencionó desastres como los incendios de Los Ángeles, donde disponer de análisis de daños edificio por edificio en minutos, y no en varias horas, podría cambiar la respuesta de organismos como Cruz Roja o autoridades de emergencia.

El procesamiento en órbita, además, se combina con enlaces satélite a satélite. Eso permitiría evitar la espera hasta que el aparato pase sobre una estación terrestre, un cuello de botella clásico en observación espacial.

Sobre el manejo térmico de chips en el vacío, Marshall sostuvo que no hay un misterio tecnológico fundamental. Dijo que el enfriamiento debe hacerse por radiación mediante radiadores, y que la ingeniería espacial conoce estas técnicas desde hace décadas.

También sostuvo que la mejora de hardware en satélites ha sido acelerada. Mencionó saltos desde radios de 1 megabit por segundo a 10 gigabits, cámaras de 2 megapíxeles a 47 megapíxeles y almacenamiento desde 100 megabytes hasta varios terabytes, con ciclos de mejora de cinco a diez veces cada dos o tres años.

Project Suncatcher y la apuesta por centros de datos en el espacio

Uno de los puntos más llamativos fue Project Suncatcher, el esfuerzo de Planet junto con Google para ensayar cómputo orbital. Marshall afirmó que la empresa fue elegida para desarrollar satélites de prueba con TPUs, control de radiación, enfriamiento e interconexión óptica entre naves.

La premisa es que, cuando el costo de lanzamiento baje a cerca de USD $200 a USD $300 por kilogramo, parte del cómputo podría ser más barato en órbita que en tierra. La ventaja sería aprovechar energía solar abundante sin competir por suelo, agua o redes eléctricas locales.

Marshall planteó que esta idea lleva años en evaluación. Según relató, tras un estudio con Google hace unos ocho o nueve años, Larry Page y Sergey Brin habrían considerado volver al tema cerca de 2030, aunque él defendió empezar antes porque la tecnología de clústeres, radiadores y enlaces ópticos requiere años de desarrollo.

En su visión, el primer uso obvio para esa infraestructura sería el cómputo, no la energía solar espacial transmitida a Tierra. Su argumento es que enviar preguntas y respuestas en forma de bits es mucho más simple que transmitir energía masiva hacia la superficie sin generar problemas prácticos y de seguridad.

Marshall añadió que la economía de este negocio podría reordenar a toda la industria espacial. Recordó que Google por sí sola ya gasta cientos de miles de millones al año en cómputo, una cifra comparable o superior al tamaño de varios segmentos completos del sector aeroespacial actual.

La observación más incisiva llegó cuando comparó dos “impuestos” de la nueva economía. Dijo que hoy casi todos pagan el “impuesto de SpaceX” en lanzamiento y, salvo Nvidia y Google, también pagan el “impuesto de Nvidia” en cómputo, pero que a largo plazo el factor decisivo será la eficiencia computacional más que el cohete.

La batalla por el talento y el surgimiento de GLM 5.2

La conversación no se limitó al espacio. También repasó la competencia por talento en IA avanzada, con menciones a la salida de Noam Shazeer de Google hacia OpenAI y al movimiento de John Jumper desde Google DeepMind hacia Anthropic.

Los panelistas debatieron si estos cambios reflejan un deterioro de Google en la frontera de la IA o simplemente la ventaja de organizaciones más pequeñas y ágiles. Marshall se inclinó por la segunda lectura y argumentó que Google aún conserva grandes fortalezas en cómputo, datos, ingeniería de infraestructura y distribución global.

Sin embargo, el segmento más inquietante para laboratorios occidentales fue la discusión sobre GLM 5.2. Se presentó como el modelo abierto número uno de China y como un sistema que, en ciertos casos, iguala o supera a modelos de OpenAI y Anthropic.

El modelo fue descrito como un sistema de 753.000 millones de parámetros, con arquitectura mixture of experts y una ventana de contexto de 1 millón de tokens. La preocupación no es solo técnica, sino estratégica, ya que al ser abierto puede descargarse, modificarse y ejecutarse fuera del control de una API centralizada.

Uno de los participantes resumió el shock en una frase directa. Dijo que este nivel de rendimiento en un modelo de pesos abiertos es “absolutamente impactante”, porque sugiere que la distancia entre China y la frontera occidental podría estar estrechándose más rápido de lo esperado.

También se destacó que GLM 5.2 parecería requerir más tokens para alcanzar resultados comparables, pero con costos más bajos. En otras palabras, la idea es que el sistema puede “quemar tokens” para ganar inteligencia, una señal de que el énfasis chino podría estar en razonamiento barato y escalable.

Distilación, modelos abiertos y el riesgo de difusión global

En el debate se señaló que buena parte de estas mejoras podrían apoyarse en técnicas de destilación. Eso implica usar modelos más grandes como “profesores” para entrenar otros más pequeños, transfiriendo capacidades sin replicar todo el costo del entrenamiento original.

Los panelistas recordaron que esta práctica no sería exclusiva de China. También sostuvieron que laboratorios occidentales y actores del ecosistema han usado enfoques similares, por lo que el problema no es solo geopolítico, sino estructural dentro del desarrollo moderno de IA.

Desde una perspectiva regulatoria, el temor es claro. Si modelos abiertos se acercan al nivel de sistemas cerrados, el control de capacidades sensibles como diseño biológico, químico o ciberofensivo se vuelve mucho más difícil.

Marshall defendió que este dilema exige más reflexión institucional y menos improvisación. Comparó el momento actual con un desafío civilizatorio más grande que episodios tecnológicos anteriores, y lamentó que se esté invirtiendo mucho menos esfuerzo proporcional en seguridad, gobernanza y reflexión social que en acelerar capacidades.

En ese marco surgieron debates sobre alineación, personería jurídica para IA, responsabilidad legal y hasta el llamado “paradigma del gran filtro”. Aunque varias de esas discusiones fueron especulativas, el hilo común fue el mismo: la inteligencia artificial ya dejó de ser una cuestión de software y se convirtió en una cuestión de infraestructura, poder y supervivencia institucional.

Para el ecosistema cripto, de blockchain y de mercados, la lectura es inmediata. La nueva competencia global no gira únicamente en torno a tokens o aplicaciones, sino al acceso soberano a cómputo, modelos abiertos, energía y fuentes de datos que puedan alimentar agentes autónomos y nuevas capas de coordinación económica.

La visión final: de inteligencia planetaria a sabiduría planetaria

Marshall cerró con una defensa de la idea de “inteligencia planetaria”. Según planteó, la humanidad ya está construyendo un sistema nervioso de observación global y el siguiente paso es convertirlo en una herramienta de decisión que ayude a manejar mejor agricultura, infraestructura, ecosistemas y seguridad.

Su postura también fue una defensa del valor estratégico de la Tierra frente a la obsesión por otras fronteras espaciales. Dijo que, entre los miles de exoplanetas detectados, no hay ninguno que compita remotamente con este planeta, y que proteger la biosfera terrestre debería ser una prioridad central.

En ese sentido, Planet quiere definirse no como “espacio para Marte” o “espacio para la Luna”, sino como “espacio para la Tierra”. La frase resume bien su tesis empresarial: usar satélites y luego cómputo orbital para hacer más eficiente, transparente y medible la administración del mundo físico.

La otra gran conclusión es menos tranquilizadora. Si GLM 5.2 es una señal fiable, la carrera de la IA ya no puede entenderse como un juego cerrado entre unas pocas firmas estadounidenses, porque la frontera técnica se está dispersando tanto en modelos como en infraestructura.

Eso obliga a mirar el panorama completo. Satélites, chips, energía, modelos abiertos, defensa, agricultura y mercados están convergiendo en una misma narrativa, donde el que controle la observación del mundo y el costo de la inferencia tendrá una ventaja descomunal.

Si esa ventaja servirá para una administración más sabia del planeta o para una competencia más peligrosa entre potencias, sigue siendo una pregunta abierta. Pero la conversación dejó claro que la siguiente fase de la IA no solo se entrenará en centros de datos: también se observará, procesará y disputará desde la órbita terrestre.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


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