Tres puntos de inflexión de la IA: de ChatGPT a los agentes y la inteligencia física

En una conferencia celebrada en marzo en San Francisco, Jensen Huang, CEO y fundador de NVIDIA, describió tres puntos de inflexión críticos en el desarrollo de la IA durante los últimos dos años. Su conclusión principal: el cómputo dejó de ser un recurso auxiliar y se convirtió en el fundamento de una nueva economía, donde la IA afecta directamente los ingresos de las empresas y el PIB de los países. Cada punto de inflexión cambió radicalmente la utilidad de la tecnología, el volumen de tokens consumidos y el consumo eléctrico. Huang está convencido de que la industria del desarrollo de software pronto será completamente token-driven.

Por qué NVIDIA creció a una velocidad vertiginosa

Desde el principio, NVIDIA se centró no en chips individuales, sino en construir una pila computacional completa: desde los algoritmos hasta la arquitectura y el ecosistema. Ya en la era de los videojuegos, la compañía adoptó un enfoque de control total: algoritmos de bajo nivel, integración profunda en los motores de software y arquitectura de sistemas.

La cultura de la empresa se diseñó desde el inicio para actualizar anualmente toda la pila, desde los procesadores y las interconexiones hasta la arquitectura. Solo el control total sobre todas las capas permite implementar innovaciones a esta velocidad. Cuando una compañía posee toda la infraestructura, puede cambiarla cada año en lugar de coordinar componentes de distintos proveedores.

Tres puntos de inflexión de la IA

Primero: IA generativa. La capacidad de traducir información de una forma a otra y autogenerar tokens. GPT-3 existió mucho tiempo como modelo hasta que se le dio una interfaz accesible con ChatGPT. Sin embargo, los sistemas generativos sufrían de alucinaciones, ya que no se apoyaban en contexto actualizado ni en datos verificados.

Segundo: IA de razonamiento (modelo O1). Apareció el apoyo en investigación, hechos y RAG (generación aumentada por recuperación). La IA aprendió la generación condicional: la respuesta se forma teniendo en cuenta el contexto y la verdad fundamental (ground truth). Surgieron el autoanálisis y la autocorrección en tiempo real. La utilidad creció drásticamente, el volumen de tokens generados aumentó cientos de veces y el consumo de cómputo, mil veces. ChatGPT pasó de ser un entretenimiento a convertirse en una herramienta confiable.

Tercero, el actual: IA agéntica. La IA puede trabajar con archivos y herramientas, realizar búsquedas, planificar y ejecutar tareas complejas. Los prompts cambiaron: en lugar de preguntas, aparecieron órdenes como "crea" o "haz". Los agentes leen documentación por sí solos, exploran la web y aplican herramientas. Un solo agente consume un millón de veces más tokens que un chatbot anterior y funciona de manera continua en segundo plano. OpenClaw se convirtió en el proyecto de código abierto de más rápido crecimiento en la historia y superó a Linux en número de descargas en solo tres semanas.

La economía de los tokens y el giro hacia lo token-driven

Huang propuso ver los centros de datos no como almacenes de información, sino como fábricas de IA cuyo producto principal son los tokens. Cuanta más potencia de cómputo, más tokens, y mayores ingresos. El volumen de capacidad de cómputo se correlaciona directamente con los ingresos de las empresas y el PIB de los países.

La métrica clave es tokens por vatio. Con una potencia disponible limitada (1-2 gigavatios por fábrica), la eficiencia de la arquitectura determina el tamaño de los ingresos de una empresa al año siguiente. La decisión sobre qué arquitectura de computación elegir ahora se toma a nivel de CEO.

Según el pronóstico de Huang, esto transformará toda la industria de TI. Hoy, en su mayoría, alquila herramientas. Mañana, cada empresa de software creará agentes, combinará modelos abiertos y cerrados, contratará "trabajadores digitales" y alquilará tokens especializados. Una industria que vale billones de dólares y que apenas consumía tokens se convertirá en uno de sus mayores consumidores, generando una enorme nueva demanda de cómputo. La industria de internet ya ha redirigido todo su CapEx hacia sistemas de IA.

La próxima frontera: la IA física

En los próximos años, los sistemas agénticos pasarán a un segundo plano. Los sustituirá la IA física, que requiere comprender las leyes de la física, las relaciones causa-efecto, la gravedad, la inercia y la permanencia de los objetos: la comprensión fundamental de que los objetos siguen existiendo aunque desaparezcan del campo de visión.

NVIDIA desarrolla activamente modelos en esta área, desde la simulación física hasta la robótica y la biología digital. En dos o tres años, la IA física se convertirá en el tema central de la próxima década. Abrirá la puerta a aplicaciones de inteligencia artificial más allá de los centros de datos: en robots, manufactura, vehículos autónomos y el mundo real. Huang está convencido de que es imposible frenar el crecimiento del cómputo. En el futuro, cada empresa necesitará potencia de cómputo para generar ingresos, y cada país la necesitará para mantener la competitividad de su economía nacional.