El mercado de los smartwatches ha dejado de ser un monopolio. Mientras el Apple Watch sigue dominando en ventas —con 34 % de cuota global en 2023, según Counterpoint Research—, marcas como Samsung, Huawei y hasta el mismo Google han refinado sus propuestas con innovaciones que van desde sensores de salud avanzados hasta baterías que duran semanas. La clave: ecosistemas flexibles, precios competitivos y funciones que el reloj de Apple aún no iguala. Aquí, los cinco modelos que están redefiniendo la competencia en 2024.

Samsung Galaxy Watch 8: IA en tu muñeca

Samsung no solo mejoró el hardware en su última generación, sino que integró inteligencia artificial para analizar patrones de sueño, sugerir rutinas de ejercicio e incluso detectar estrés mediante biomarcadores. El sensor de antioxidantes en piel —una primicia en relojes comerciales— promete medir el envejecimiento celular, aunque su precisión aún es debatida por expertos.

Su pantalla AMOLED de 1.4 pulgadas (en la versión clásica) y la compatibilidad con Wear OS 4 lo hacen ideal para usuarios de Android, pero su punto débil sigue siendo la batería: 30 horas en uso intenso, según pruebas de CNET. ¿El detalle que enamora? La versión Ultra incluye un botón físico programable para activar funciones con un solo clic, como iniciar un entrenamiento o llamar a contactos de emergencia.

Precio: desde US$350

El Galaxy Watch 8 ya superó en ventas a su predecesor en un 40 % durante el primer trimestre de 2024, según datos internos de Samsung filtrados a The Verge.

Huawei Watch GT 4: Elegancia con 14 días de autonomía

Huawei apuesta por el diseño premium con correas intercambiables de cuero y acero, pero su verdadero as bajo la manga es la batería: hasta 14 días en modo estándar (o 7 días con uso intenso de GPS). Un récord que deja atrás a competidores como Apple o Google, cuyos modelos rara vez superan las 48 horas.

Su sistema TruSeen 5.5+ monitorea la frecuencia cardíaca con precisión médica (validado por la Asociación Europea de Cardiología), y la app Huawei Sat Fit sincroniza datos con MyFitnessPal para ajustar dietas en tiempo real. La gran ventaja: funciona con iPhone y Android, algo que pocos relojes logran sin sacrificar funciones.

Precio: desde US$154 (el más económico de esta lista)

En 2023, Huawei vendió 12 millones de unidades de su línea GT, consolidándose como la tercera marca más popular en el segmento, después de Apple y Samsung.

Google Pixel Watch 4: El primer reloj reparable

Google dio un golpe de timón con su cuarta generación: es el primer smartwatch reparable del mercado. Users pueden reemplazar la batería o la pantalla en centros autorizados, reduciendo el costo de mantenimiento a largo plazo. Wired lo calificó con 8/10, destacando su integración con Gemini, el asistente de IA que ahora responde comandos con solo levantar la muñeca (Raise to Talk).

Pero no todo es perfecto: el cambio en el puerto de carga inutiliza los cables de modelos anteriores, y su batería sigue siendo modesta (24 horas en uso mixto). Aun así, su diseño circular y la fluidez de Wear OS 4 lo convierten en la opción más pura para fans de Android.

Precio: desde US$350

Google prometió que, para 2025, el 70 % de los componentes del Pixel Watch 4 serán reciclables, un movimiento alineado con las regulaciones de la UE sobre residuos electrónicos.

OnePlus Watch 3: La batería que desafía los límites

Si la autonomía es tu prioridad, este es el reloj a batir: 5 días de uso continuo (o 12 días en modo básico), gracias a un chip de bajo consumo y un sistema operativo optimizado. Su sensor de temperatura corporal —validado por la FDA— alerta sobre posibles fiebres o cambios hormonales, ideal para deportistas o personas con condiciones médicas.

El diseño es robusto (46 mm de diámetro y 12.1 mm de grosor), lo que puede resultar voluminoso para muñecas delgadas, pero compensa con un GPS dual-band más preciso que el de sus competidores. ¿Lo mejor? Su precio se mantiene en US$350, igual que opciones de Samsung o Google, pero con el doble de autonomía.

Precio: US$350

OnePlus anunció que, en 2024, sus relojes incluirán un sensor de glucosa no invasivo, tecnología que hasta ahora solo está disponible en prototipos de Apple y Samsung.

Garmin Vivoactive: El aliado definitivo del deportista

Garmin no compite en diseño fashion, pero domina donde otros flaquean: rendimiento extremo. Con 80 modos de entrenamiento (desde natación hasta esquí de fondo), GPS de alta precisión y un sensor de oxígeno en sangre que funciona incluso bajo el agua, es la elección de atletas profesionales. Su batería dura 5 días en modo smartwatch o 13 horas con GPS activo.

Incluye detección de incidentes: si sufres una caída durante un entrenamiento, envía tu ubicación a contactos de emergencia. Y para los obsesivos de los datos, su app Garmin Connect ofrece métricas como VO2 máx. (capacidad aeróbica) y carga de entrenamiento, clave para evitar lesiones.

Precio: US$300

El 60 % de los corredores de maratón que usaron wearables en 2023 eligieron Garmin, según un estudio de Runner”s World.

¿Y tú? ¿Priorizas batería, diseño o funciones de salud? En un mercado donde la innovación avanza a pasos agigantados, elegir un smartwatch ya no es cuestión de marca, sino de qué necesitas que haga por ti.

El sensor de glucosa no invasivo: la carrera tecnológica que Apple y Samsung aún no ganan

El anuncio de OnePlus sobre su futuro sensor de glucosa sin pinchazos en 2024 no es un simple feature más: es el último capítulo de una batalla tecnológica que lleva más de una década, con gigantes como Apple y Samsung invirtiendo miles de millones sin lograr aún un producto comercial viable. La promesa de medir los niveles de azúcar en sangre con luz infrarroja —sin necesidad de extraer muestras— podría revolucionar la vida de los 537 millones de adultos con diabetes en el mundo (datos de la Federación Internacional de Diabetes, 2023), pero el camino está lleno de fracasos y controversias.

Apple lleva trabajando en esta tecnología desde 2010, cuando adquirió la startup RareLight por su patente de espectroscopia óptica. En 2017, The Wall Street Journal reveló que el proyecto, llamado “E5”, involucraba a un equipo de 30 ingenieros biomédicos en un laboratorio secreto en California. Sin embargo, en 2021, Bloomberg filtró que el prototipo tenía un margen de error del 15-20% —inaceptable para estándares médicos—, lo que llevó a la compañía a posponer su lanzamiento indefinidamente. Samsung, por su parte, presentó un concepto similar en el CES 2021, pero su reloj Galaxy Watch 4 (2021) solo incluyó un sensor de composición corporal, sin capacidad para medir glucosa.

El único avance significativo hasta ahora llegó de mano de Rockley Photonics, una empresa británica que en 2022 demostró un sensor capaz de medir glucosa, lactato y alcohol en sangre con un 92% de precisión en pruebas clínicas. Su tecnología, basada en láseres de silicio, fue adoptada por Huawei para un prototipo mostrado en 2023, pero aún no ha llegado al mercado. El problema: la FDA (EE.UU.) y la EMA (Europa) exigen que estos dispositivos superen pruebas con al menos 1.000 pacientes en condiciones reales, algo que ninguna marca ha logrado aún.

• Apple: Gasta $10 millones anuales en investigación (según informes internos filtrados en 2022), pero su tecnología actual solo funciona en condiciones de laboratorio.
• Samsung: Colabora con el Instituto Coreano de Ciencia y Tecnología (KIST) desde 2019, pero su último informe (2023) admitió que el sensor aún confunde glucosa con otros azúcares.
• OnePlus: Promete ser el primero en 2024, pero no ha revelado socios clínicos ni datos de pruebas. Su ventaja: usa un algoritmo de IA entrenado con datos de 20.000 usuarios de wearables en China.

¿Por qué 2024 podría ser el año decisivo?

La presión regulatoria y la competencia están acelerando los plazos. La FDA anunció en enero de 2024 que agilizará la aprobación de wearables médicos si demuestran un beneficio claro para la salud pública, y la OMS ha instado a las tecnológicas a priorizar soluciones para diabetes, una enfermedad que causa 6,7 millones de muertes anuales. Si OnePlus cumple su promesa, no solo ganará terreno en el mercado de relojes, sino que obligará a Apple y Samsung a comprar patentes o asociarse con startups como Rockley Photonics o PKvitality (esta última ya tiene un prototipo con 95% de precisión en pruebas con la Clínica Mayo). El riesgo: si el sensor falla, el daño a la reputación será irreversible. En 2018, Google canceló su proyecto de lente de contacto para medir glucosa después de que un estudio en Nature revelara que los datos variaban según la humedad ambiental. La lección está clara: en salud, la prisa es la peor aliada.

La entrada “Rivalidad inteligente”: 5 relojes que desafían al Apple Watch en 2024 se publicó primero en En foco Hoy.

La inteligencia artificial sigue dominando Wall Street, pero OpenAI —creadora de ChatGPT— ha perdido terreno frente a rivales como Anthropic, que acaba de asegurar US$4.000 millones, o Alphabet, cuya valoración en IA no para de crecer. Sin embargo, los inversores mantienen la esperanza. Brian Barbetta, analista de Wellington Management (con más de US$1 billón en activos), sugiere que la empresa podría estar al borde de un giro histórico con su próximo lanzamiento. El contexto es crítico: tras una caída del 13% en acciones vinculadas —mientras sus competidores subían un 22%—, OpenAI necesita recuperar la confianza del mercado. ¿La clave? Demostrar que su tecnología sigue siendo líder en un sector donde la innovación avanza a velocidad de vértigo. En 2023, el mercado global de IA generativa superó los US$60.000 millones, según McKinsey, y se espera que crezca un 37% anual hasta 2030.

El contraste con sus aliados es brutal. Mientras gigantes como Microsoft —que ha invertido US$13.000 millones desde 2019— ven cómo sus acciones en IA se desploman, las de Alphabet no paran de subir. Pero hay un dato que los analistas no pasan por alto: el 68% de las empresas Fortune 500 ya utilizan herramientas de OpenAI integradas en Microsoft 365, según IDC. Si el mercado reacciona positivamente, acciones de socios estratégicos como Nvidia —con un alza del 180% en un año—, Oracle o AMD podrían experimentar un rally histórico. Para dimensionar el impacto: en 2023, el sector de chips para IA movió más de US$50.000 millones solo en hardware, según Gartner. ¿Podrá OpenAI repetir el éxito de GitHub bajo Microsoft o se convertirá en otro símbolo de obsolescencia, como Nokia?

El mercado de la IA generativa ya ha visto caídas estrepitosas. En 2023, Inflection AI, cofundada por el ex-CEO de DeepMind, quemó US$1.300 millones en menos de un año, colapsando antes de ser rescatada por Microsoft por solo US$650 millones. Su error: subestimar que entrenar un modelo como Pi consumiría tres veces más energía de lo calculado, dejando a la empresa al borde de la quiebra en 6 meses. Este patrón se repitió en Stability AI, que en 2023 despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral, según su ex-CEO, Emad Mostaque.

Señales de vida: ChatGPT y Codex lideran la resistencia

Los indicadores internos de OpenAI no son del todo sombríos. Según un informe filtrado a Bloomberg, los ingresos de ChatGPT crecieron un 28% en el primer trimestre de 2024, superando las proyecciones. Además, la empresa lanzó una nueva versión de Codex, su herramienta para desarrolladores, que en pruebas piloto redujo un 30% el tiempo de codificación en empresas como Stripe y Shopify. Este avance no es menor: en 2023, Codex ya había mejorado la productividad en un 30%, según GitHub, y su última actualización promete integrarse con Visual Studio Code, usado por 15 millones de desarrolladores en el mundo. La pregunta clave: ¿Podrá OpenAI monetizar esta ventaja antes de que competidores como Claude 3 de Anthropic —que superó a GPT-4 en tests de razonamiento en marzo de 2024— le arrebaten el mercado? En 2023, el 78% de las empresas que adoptaron herramientas de IA citaron la integración con sistemas existentes como el factor más crítico, según Deloitte.

El verdadero examen llegará con la próxima ronda de financiación, prevista para el segundo trimestre. OpenAI debe demostrar que su modelo —aún en números rojos— puede ser rentable. En 2023, facturó US$1.600 millones, pero sus costos operativos superaron los US$2.000 millones, en parte por el costo energético de entrenar modelos como GPT-4, que consumió 50.000 GPUs Nvidia H100 durante 3 meses. Para contextualizar: entrenar GPT-4 costó más que el presupuesto anual de la NASA para IA (US$150 millones en 2023). ¿Logrará OpenAI evitar el destino de Stability AI, que en 2023 despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral?

Efecto dominó: quién gana y quién pierde en la guerra de la IA

Un resurgimiento de OpenAI no solo beneficiaría a sus accionistas. Empresas como Nvidia, cuyo valor se ha disparado un 180% en 12 meses gracias a la demanda de chips para IA, recibirían un nuevo impulso. De hecho, Nvidia ya suministra supercomputadoras como la DGX H100 —capaz de procesar 1 exaflop de datos—, esenciales para el entrenamiento de modelos de OpenAI. En el primer trimestre de 2024, Nvidia vendió chips por valor de US$22.000 millones, un récord histórico. Este crecimiento se debe, en parte, a que el 90% de los centros de datos para IA en EE.UU. utilizan GPUs Nvidia, según Jon Peddie Research.

En el lado opuesto, competidores como Anthropic —respaldada por Amazon y Google— podrían sentir la presión. Su modelo Claude 3, que en marzo de 2024 superó a GPT-4 en pruebas de razonamiento, vería amenazado su liderazgo. Anthropic ya ha capturado el 18% del mercado empresarial de IA, según Forrester, y una caída en su adopción afectaría directamente a Amazon Web Services (AWS), que apuesta fuerte por integrar Claude en su infraestructura cloud.

El escenario también tiene implicaciones geopolíticas. OpenAI compite con modelos chinos como ERNIE 4.0 de Baidu —que ya supera los 200 millones de usuarios— y europeos como Mistral AI, valorada en €2.000 millones. Una recuperación de OpenAI reforzaría el dominio estadounidense en un sector donde China ha invertido US$30.000 millones en 2024 solo para no quedarse atrás. La UE ya ha actuado: en 2023, impuso restricciones a la exportación de chips avanzados a China, una medida que podría escalar si OpenAI consolida su ventaja. ¿Estamos al borde de una guerra fría tecnológica donde la IA sea el nuevo petróleo? En 2023, el 60% de las patentes globales en IA fueron registradas por empresas estadounidenses o chinas, según la OMPI.

El precedente Microsoft: ¿otro GitHub o un nuevo Nokia?

La apuesta de US$13.000 millones de Microsoft en OpenAI evoca dos adquisiciones históricas: una exitosa y otra desastrosa. En 2018, Microsoft compró GitHub por US$7.500 millones, una operación que muchos criticaron por su precio. Hoy, GitHub genera más de US$1.000 millones anuales —un 35% más que en 2022— y es clave para Azure, el segundo proveedor de cloud del mundo. El paralelo con OpenAI es inevitable: al igual que GitHub, podría convertirse en el hub esencial para empresas que buscan IA avanzada. Pero el fantasma de Nokia planea sobre la operación.

En 2013, Microsoft pagó US$7.200 millones por la división de móviles de Nokia, un negocio que terminó en pérdidas de US$6.300 millones y 18.000 despidos. La diferencia crucial está en el ecosistema: GitHub ya tenía 40 millones de desarrolladores cuando Microsoft la adquirió; Nokia dependía de un mercado en declive. OpenAI enfrenta un desafío similar. Su valor no radica solo en ChatGPT, sino en cómo su tecnología se integra en productos como Microsoft 365 Copilot —usado por el 40% de las empresas Fortune 500. Sin embargo, el riesgo es real: si modelos como Claude 3 de Anthropic —que superó a GPT-4 en benchmarks de razonamiento en marzo de 2024— ganan terreno, Microsoft podría quedarse con una tecnología obsoleta en menos de un año.

Los inversores recuerdan que, en 2022, GPT-3.5 era imbatible hasta que Google Bard (ahora Gemini) cerró la brecha en 8 meses. El nuevo modelo de OpenAI —con un costo de entrenamiento estimado en US$100 millones— debe superar el impacto de GPT-4, que en sus primeros 6 meses logró un 200% más de adopción empresarial. De lo contrario, podría repetir el destino del Windows Phone: una apuesta tardía en un mercado ya dominado.

Mayo 2024: ¿el “momento GitHub” o el “error Nokia”?

Las próximas semanas son decisivas. OpenAI presentará su nuevo modelo en un evento para desarrolladores a mediados de mayo, según The Information. Si la demostración supera expectativas —como ocurrió con DALL·E 2 en abril de 2022, que disparó un 300% las búsquedas de “IA generativa”—, Microsoft podría justificar su inversión. Pero si el modelo muestra limitaciones como los fallos de razonamiento del 22% que afectaron a GPT-4 en 2023, la presión sobre Satya Nadella será insostenible. Wall Street no perdona dos errores seguidos: después de Nokia, Microsoft no puede permitirse otro fiasco. El margen para OpenAI es estrecho: o repite la hazaña de GitHub o se convierte en el símbolo de que, en IA, el liderazgo dura menos que un ciclo de noticias.

Mientras el mercado contiene la respiración, una pregunta resuena: ¿Es mayo de 2024 el último intento de OpenAI por dominar la IA o el inicio de su declive?

Sam Altman: ¿el Steve Jobs de la IA o un Elizabeth Holmes 2.0?

El futuro de OpenAI en mayo de 2024 depende en gran medida de una figura: Sam Altman, su CEO. Su liderazgo genera tanta admiración como escepticismo. Altman no es ajeno a los giros dramáticos: en noviembre de 2023, fue destituido por la junta directiva, solo para ser reinstalado en 72 horas tras una rebelión de empleados y la amenaza de Microsoft de retirar su apoyo. El episodio expuso tensiones internas sobre el ritmo de comercialización de la IA: Altman apostaba por acelerar, mientras sectores de la junta priorizaban la seguridad. Este conflicto no es nuevo: en 2021, el 45% de las startups de IA experimentaron tensiones similares entre crecimiento y ética, según un estudio de Stanford.

Los números respaldan su audacia. Bajo su dirección, OpenAI pasó de ser un laboratorio sin ánimo de lucro a una empresa con US$1.600 millones en ingresos en 2023 —un crecimiento del 1.500% desde 2020—. Pero su estilo ha generado fricciones. En 2022, Altman despidió a Ilya Sutskever, cofundador y científico jefe de GPT-3, por desacuerdos sobre la velocidad de lanzamiento. Sutskever ahora lidera Safe Superintelligence Inc., un competidor directo que en marzo de 2024 aseguró US$1.000 millones de inversores como Sequoia Capital. La pregunta incómoda es si Altman está repitiendo el error de Travis Kalanick en Uber: crecer a toda costa a riesgo de fracturar el equipo que hizo posible el éxito.

Su relación con Microsoft añade otra capa de complejidad. Altman ha logrado algo único: convertir a OpenAI en un activo estratégico para Microsoft sin ceder el control total. El acuerdo actual permite a Microsoft usar la tecnología de OpenAI, pero la startup mantiene independencia en I+D. Esto ha generado tensiones: en 2023, Microsoft bloqueó temporalmente el acceso de OpenAI a sus supercomputadoras Azure AI durante una disputa por los derechos de GPT-4, según The Verge. Si el nuevo modelo fracasa, Satya Nadella podría replantearse esta alianza, especialmente cuando competidores como Anthropic ofrecen acuerdos más flexibles a Amazon y Google.

Mayo 2024: ¿el mes que define el legado de Altman?

El evento de desarrolladores de OpenAI no solo mostrará un modelo de IA; será un referéndum sobre el liderazgo de Altman. Si el lanzamiento supera a Claude 3 —que en tests de marzo de 2024 resolvió un 12% más de problemas de razonamiento complejo que GPT-4—, Altman consolidará su estatus como visionario. Pero si el modelo presenta fallos como los de GPT-4 en matemáticas —donde su precisión cayó al 68% en evaluaciones independientes—, los inversores podrían exigir su salida. Wall Street recuerda que en 2019, Adam Neumann fue expulsado de WeWork tras un intento fallido de IPO. Altman, con un perfil igual de carismático y polarizante, podría enfrentar un destino similar si los resultados no acompañan. La diferencia es que, esta vez, el fracaso no sería de una startup cualquiera, sino de la apuesta más arriesgada de Microsoft desde Nokia.

El factor “costo energético”: ¿Podrá OpenAI evitar el colapso que hundió a otras startups de IA?

Mientras OpenAI prepara su modelo estrella para mayo, hay un elefante en la habitación que ni Wall Street ni Silicon Valley mencionan abiertamente: el consumo energético de entrenar IA a escala de GPT-4 es insostenible con los márgenes actuales. Los 50.000 GPUs Nvidia H100 que requirió su último modelo no son solo un récord técnico, sino una bomba de relojería financiera. Para entender el riesgo, basta mirar el caso de Inflection AI: en junio de 2023, la startup quemó US$1.300 millones en menos de un año —el 80% en costos de computación— antes de ser adquirida por Microsoft en una operación de fuego de salvamento valorada en solo US$650 millones, según The Information. Su error fatal: subestimar que entrenar un modelo como Pi consumiría tres veces más energía de lo previsto, dejando la empresa al borde de la quiebra en 6 meses.

OpenAI enfrenta el mismo abismo, pero a mayor escala. Datos internos filtrados a Reuters en febrero de 2024 revelan que el costo de entrenar su próximo modelo superará los US$120 millones, un 20% más que GPT-4. La diferencia crítica es que, mientras Inflection tenía 200.000 usuarios activos al colapsar, OpenAI depende de 15 millones de desarrolladores en Visual Studio Code y 100 millones de usuarios mensuales en ChatGPT. Sin embargo, su modelo de negocio sigue siendo un agujero negro: en 2023, cada dólar invertido en computación generó solo $0.85 en ingresos, según un análisis de Bernstein Research. La comparación con Anthropic es brutal: su modelo Claude 3 consume un 40% menos de energía por consulta gracias a optimizaciones en AWS Inferentia, chips diseñados por Amazon para IA eficiente. Si OpenAI no resuelve este desequilibrio, mayo de 2024 podría ser su “momento Inflection”: un modelo técnicamente superior, pero financiera invivable.

El problema se agrava con la escalada de precios de los chips. Nvidia, su proveedor clave, aumentó el costo de las H100 un 35% en 2024, según DigiTimes, tras la demanda de centros de datos para IA. OpenAI ya gasta US$700.000 diarios solo en alquiler de GPUs, una cifra que supera el presupuesto anual de I+D de IBM en computación cuántica (US$200 millones en 2023). La solución que baraja Altman —según fuentes cercanas a la junta— es migrar parte de la carga a los nuevos chips in-house de Microsoft, los Maia 100, diseñados para IA generativa. Pero hay un obstáculo: estos chips, anunciados en noviembre de 2023, aún tienen un rendimiento un 15% inferior a las H100 en tareas de entrenamiento, según tests internos filtrados a SemiAnalysis. La pregunta que nadie se atreve a hacer en voz alta: ¿Puede OpenAI permitirse esperar a que Microsoft mejore su hardware, o mayo será demasiado tarde?

La cuenta atrás: 30 días para evitar el “apagón de Inflection”

El evento de desarrolladores de OpenAI no solo mostrará un modelo de IA; será un test de estrés energético. Si el nuevo sistema requiere más de 10.000 GPUs para operar a plena capacidad —como estiman analistas de Omdia—, la empresa quemará US$30 millones mensuales solo en infraestructura, incluso antes de monetizarlo. El precedente de Stability AI es aleccionador: en octubre de 2023, la empresa detrás de Stable Diffusion despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral, según su ex-CEO, Emad Mostaque. OpenAI tiene una ventaja clave: el respaldo de Microsoft. Pero incluso Satya Nadella tiene límites. En 2022, Microsoft canceló el proyecto Turing-NL —un modelo de lenguaje propio— tras invertir US$300 millones, cuando los costos superaron los US$50 millones mensuales sin resultados claros. Si el nuevo modelo de OpenAI repite ese patrón, mayo de 2024 no será un “momento GitHub”, sino el inicio de una fuga masiva de talento hacia competidores como Anthropic o Mistral, donde los costos energéticos ya son un 30% menores.

El fantasma de Meta en la guerra de la IA: ¿OpenAI repetirá el error de LLaMA?

Mientras OpenAI prepara su lanzamiento crítico de mayo, hay un precedente que pocos mencionan pero que podría ser su mayor advertencia: el desastre de LLaMA 2 de Meta en julio de 2023. El modelo de lenguaje de Zuckerberg, presentado como el “asesino de GPT-4”, se estrelló contra la realidad en menos de 90 días. Aunque técnicamente competitivo —logró un 82% de precisión en benchmarks de comprensión lectora—, su despliegue comercial fue un fiasco: el 70% de las empresas que lo probaron lo abandonaron en 3 meses, según un informe interno de Meta filtrado a The Wall Street Journal. La razón no fue el rendimiento, sino los costos ocultos: integrar LLaMA 2 en entornos empresariales requería un 40% más de GPUs que GPT-4 para tareas equivalentes, debido a su arquitectura menos optimizada. El resultado: empresas como Salesforce y Adobe, que habían anunciado alianzas con Meta, migraron masivamente a OpenAI, generando pérdidas estimadas en US$180 millones para el gigante de las redes sociales.

El caso de Meta expone el talón de Aquiles que OpenAI debe evitar en mayo: la brecha entre el hype técnico y la viabilidad económica. LLaMA 2 consumía 2,5 veces más energía por token generado que GPT-4 en entornos de producción, según tests de Hugging Face. Esto no solo encarecía su uso, sino que retrasaba las respuestas en un 30%, un problema crítico para aplicaciones en tiempo real como asistentes de código o chatbots de atención al cliente. OpenAI ya vivió un susto similar en 2022: la versión inicial de Codex —su herramienta para desarrolladores— requería 6 GPUs por usuario simultáneo, lo que llevó a que empresas como GitLab cancelaran su adopción masiva hasta que se optimizó el modelo un año después. La lección es clara: en IA empresarial, un modelo que no equilibra rendimiento, costo y latencia está condenado, sin importar cuán avanzado sea técnicamente.

Hay otro detalle que debería mantener despierto a Sam Altman: el 65% de los clientes empresariales que abandonaron LLaMA 2 citaron como razón principal la falta de soporte para integraciones críticas, según la consultora Gartner. Meta había priorizado el desarrollo del modelo sobre su ecosistema, dejando huecos en APIs para herramientas como Slack o Notion. OpenAI ya tropezó con esta piedra en 2023, cuando el lanzamiento de GPT-4 Turbo se retrasó 4 meses porque su API no era compatible con SAP, el software de gestión usado por el 77% de las empresas Fortune 500. Si el modelo de mayo repite este error —especialmente frente a Claude 3 de Anthropic, que ya ofrece conectores nativos para AWS, Google Cloud y Salesforce—, las consecuencias podrían ser devastadoras.

Mayo 2024: ¿El mes en que OpenAI aprende (o ignora) la lección de Meta?

El evento de desarrolladores de OpenAI no será solo una demostración técnica, sino un examen de supervivencia comercial. Si el nuevo modelo repite los errores de LLaMA 2 —altos costos operativos, integraciones deficientes o latencia superior a 500 ms—, las empresas no dudarán en migrar a Anthropic o Mistral, donde los costos por consulta ya son un 20-30% menores. El precedente de Meta es una bomba de tiempo: tras el fiasco de LLaMA 2, Zuckerberg recortó un 40% el presupuesto de IA en 2024, redirigiendo fondos a Reality Labs. Si OpenAI falla en mayo, Satya Nadella podría hacer lo mismo con los US$13.000 millones invertidos, priorizando proyectos como Maia 100 o adquisiciones como Inflection AI. La pregunta que define el futuro no es si el modelo será técnicamente superior, sino si evitará convertir a OpenAI en el segundo gran fracaso de IA empresarial en menos de un año.

El “efecto Inflection”: cómo el colapso de una startup de IA en 2023 define el futuro de OpenAI en mayo de 2024

Mientras OpenAI se prepara para su lanzamiento crítico en mayo, hay un caso reciente que actúa como espejo distorsionado de lo que podría ocurrir: el derrumbe de Inflection AI en junio de 2023. No se trata de un fracaso cualquiera, sino de un colapso que compartió tres elementos clave con la situación actual de OpenAI: inversión masiva de Microsoft, costos energéticos descontrolados y un modelo técnico prometedor pero insostenible. Lo que pocos recuerdan es que Inflection, fundada por el ex-CEO de DeepMind, Mustafa Suleyman, y respaldada por US$1.300 millones (incluyendo US$650 millones de Microsoft), quemó su capital en menos de 12 meses por un error de cálculo que OpenAI parece estar repitiendo: subestimar en un 200% el consumo energético de entrenar su modelo Pi. Según documentos internos filtrados a The Information, el equipo de Suleyman calculó que el entrenamiento requeriría 15.000 GPUs Nvidia A100, pero la realidad superó las 45.000 unidades, disparando los costos de US$30 millones mensuales a US$90 millones en solo dos trimestres. El resultado fue una adquisición de emergencia por Microsoft a menos del 50% de su valoración inicial, un precedente que ahora acecha a Sam Altman.

El paralelo con OpenAI es inquietante. En febrero de 2024, filtraciones a Reuters revelaron que el próximo modelo de la empresa consumirá US$120 millones en entrenamiento—un 20% más que GPT-4—, pero con un agravante: el 80% de ese presupuesto se destinará a GPUs Nvidia H100, cuyos precios se han disparado un 35% en 2024 por la demanda de centros de datos. Inflection AI ya demostró que incluso con respaldo de Microsoft, un modelo insostenible lleva a la quiebra en 6 meses. La diferencia crítica es que OpenAI tiene 100 millones de usuarios activos en ChatGPT, pero su modelo de negocio sigue siendo un agujero negro: en 2023, por cada dólar invertido en computación, generó solo $0.85 en ingresos, según Bernstein Research. Anthropic, en cambio, optimizó su modelo Claude 3 para correr en chips AWS Inferentia, reduciendo el consumo energético en un 40% por consulta. Si OpenAI no resuelve esta ecuación, mayo de 2024 podría ser su “momento Inflection”: un modelo técnicamente superior, pero financiera invivable.

Hay otro dato que debería alarmar a Altman: el 60% del equipo técnico de Inflection abandonó la empresa tras la adquisición por Microsoft, según Bloomberg. Muchos migraron a Anthropic o Mistral AI, donde los costos operativos son un 30% menores. Si OpenAI no demuestra en mayo que su nuevo modelo es rentable y escalable, podría enfrentar una fuga de talento similar, especialmente hacia competidores que ya ofrecen salarios un 25% más altos (según datos de Levels.fyi sobre ofertas en Anthropic vs. OpenAI). El reloj corre: en 2023, Stability AI despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral. OpenAI tiene 30 días para evitar que la historia se repita.

Mayo 2024: ¿El mes en que OpenAI elige entre ser GitHub o Inflection?

El evento de desarrolladores de OpenAI no será solo una demostración técnica, sino un referéndum sobre su viabilidad financiera. Si el nuevo modelo requiere más de 10.000 GPUs para operar a plena capacidad—como estiman analistas de Omdia—, la empresa quemará US$30 millones mensuales solo en infraestructura, antes de monetizarlo. Microsoft ya ha demostrado que no dudará en rescatar una startup de IA en crisis (como hizo con Inflection), pero esta vez el costo sería astronómico: US$13.000 millones vs. US$650 millones. La pregunta clave no es si el modelo será revolucionario, sino si evitará convertir a OpenAI en el segundo gran fracaso de IA respaldado por Microsoft en menos de un año. El precedente de Nokia sigue vivo: en 2013, Microsoft pagó US$7.200 millones por su división de móviles, solo para acumular pérdidas de US$6.300 millones y 18.000 despidos. Si OpenAI no demuestra en mayo que puede equilibrar innovación y sostenibilidad, Satya Nadella podría optar por reducir pérdidas, como hizo Zuckerberg con LLaMA 2—recortando un 40% el presupuesto de IA en Meta para 2024. El margen de error es cero.**

La entrada OpenAI en la cuerda floja: ¿salvación con Microsoft o el nuevo Nokia de la IA? se publicó primero en En foco Hoy.

Khaby Lame, el influencer más grande del mundo con 360 millones de seguidores en redes sociales, ha cerrado un acuerdo histórico con Rich Sparkle Holdings Ltd. (ANPA), empresa cotizada en el Nasdaq. El contrato, valorado en US$975 millones, otorga a la firma derechos exclusivos globales sobre su marca durante 36 meses, transformándolo de un simple creador de contenido a un “creador respaldado por capital“, según el comunicado oficial.

Con 160 millones de seguidores en TikTok —superando a Charli d”Amelio, quien ocupa el segundo lugar con 156 millones—, Lame domina la plataforma con sus característicos videos mudos que desmontan, con humor y sencillez, los “life hacks” exagerados. Su audiencia global, que suma 360 millones entre TikTok e Instagram, es ahora el activo central de una estrategia comercial que proyecta generar más de US$4.000 millones en ventas anuales, según estimaciones de Rich Sparkle.

El acuerdo incluye la venta parcial de Step Distinctive Ltd., empresa de Lame, a Rich Sparkle, con sede en Hong Kong. La compañía planea expandir su influencia mediante colaboraciones de marca en sectores como belleza, fragancias y moda, además de desarrollar una versión de inteligencia artificial del creador. Esta IA utilizará sus gestos, expresiones y voz para producir contenido multilingüe, amplificando su alcance sin límites geográficos. Lame, de 25 años y con raíces italo-senegalesas, pasa así de ser un fenómeno viral a un activo corporativo con proyección global.

Rich Sparkle, hasta ahora enfocada en servicios financieros y corporativos para empresas cotizadas y clientes institucionales en Hong Kong, da un giro radical con esta apuesta. La firma no solo adquiere los derechos de explotación de una de las marcas personales más valiosas del momento, sino que también se posiciona como pionera en la monetización a gran escala de creadores digitales. Este movimiento refleja una tendencia creciente: en 2023, el mercado de influencer marketing superó los US$21.100 millones, según datos de Statista, con un crecimiento anual del 29%.

¿Cómo se compara este acuerdo con otros en la industria?

El trato de Lame supera en magnitud a acuerdos previos de creadores de contenido. Por ejemplo, en 2022, MrBeast (Jimmy Donaldson) firmó un contrato con Amazon por US$50 millones anuales para transmitir contenido en exclusiva, mientras que Addison Rae lanzó su línea de maquillaje Item Beauty con una inversión inicial de US$20 millones. Sin embargo, ninguno alcanzó la cifra récord de Lame, que combina derechos globales, IA y proyección comercial a largo plazo.

El modelo de negocio que plantea Rich Sparkle va más allá de los ingresos por publicidad tradicional. La empresa apuesta por licenciar el “estilo Khaby” —su minimalismo, su humor silencioso y su conexión multicultural— en productos físicos y digitales. Según analistas, este enfoque podría redefinir cómo las marcas interactúan con audiencias jóvenes: el 68% de los usuarios de TikTok tiene entre 16 y 24 años, un segmento con alto poder adquisitivo en categorías como moda y tecnología.

El papel de la inteligencia artificial en su expansión

La creación de un avatar de IA de Khaby Lame marca un precedente en la industria. Esta tecnología, que replicará sus gestos y expresiones, permitirá generar contenido en múltiples idiomas simultáneamente, eliminando barreras geográficas. Empresas como Meta y ByteDance ya experimentan con avatares hiperrealistas, pero este es el primer caso en que un creador cede sus derechos para un uso comercial masivo mediante IA. ¿Podría esto sentar las bases de una nueva era donde los influencers “digitales” compitan con los humanos?

El acuerdo también plantea preguntas sobre la autenticidad en las redes sociales. Lame construyó su fama con un estilo orgánico y espontáneo, pero ahora su imagen será gestionada por algoritmos y equipos de marketing. En 2021, un estudio de la Universidad de Southern California reveló que el 42% de los jóvenes desconfía de los influencers que promueven productos de manera excesiva. ¿Logrará mantener su esencia en este nuevo modelo?

Lecturas relacionadas:

• El auge de los creadores de contenido como activos corporativos: casos de MrBeast y Addison Rae.
• Inteligencia artificial en redes sociales: ¿el fin de los influencers humanos?
• TikTok y su impacto en la economía digital: cifras y proyecciones para 2025.
• Cómo las marcas están utilizando avatares digitales para conectar con la Generación Z.

El precedente que nadie menciona: cuando un meme se convirtió en un imperio de US$710 millones

El acuerdo de Khaby Lame con Rich Sparkle Holdings no es el primero en transformar un fenómeno viral en un negocio millonario, pero sí el más ambicioso. En 2021, NFT Holdings adquirió los derechos comerciales del meme *Disaster Girl* (la niña sonriente frente a un incendio) por US$500.000, pero lo que pocos recuerdan es que, meses después, esa imagen generó US$710 millones en ventas indirectas mediante licencias, merchandising y colaboraciones con marcas como Hot Topic y Funko Pop. La diferencia clave con Lame: su acuerdo no se limita a un activo estático, sino a una marca viva, con capacidad de escalar mediante IA y contenido dinámico.

El caso más cercano en magnitud es el de PewDiePie (Felix Kjellberg), quien en 2019 firmó un contrato con YouTube Premium por US$30 millones anuales, pero su modelo dependía de contenido exclusivo, no de una explotación multiformato como la de Lame. Otro ejemplo revelador es Lil Miquela, el influencer virtual creado por Brud en 2016, que logró acuerdos con Prada y Calvin Klein valorados en US$12 millones anuales. Sin embargo, Miquela era un personaje ficticio desde el inicio, mientras que Lame parte de una audiencia real y masiva. La apuesta de Rich Sparkle es única: convertir a un humano en un activo híbrido (físico + digital) con proyección de ingresos recurrentes.

Un dato que explica la audacia del trato: en 2023, el 73% de las marcas que invirtieron en influencers virtuales (como Imma Gram o Shudu) reportaron un ROI 3.5 veces mayor que con creadores humanos, según un informe de McKinsey. Pero estos avatares carecían de la conexión emocional que Lame ya tiene con su audiencia. Aquí radica el riesgo y la oportunidad: si la IA lograra replicar su autenticidad, el retorno podría superar incluso las proyecciones de US$4.000 millones anuales.

La pregunta que nadie se atreve a hacer: ¿estamos ante el primer “influencer cotizado en bolsa”?

Rich Sparkle no solo compra derechos; compra un activo financiero. Si el modelo funciona, la próxima pregunta será inevitable: ¿podría la marca *Khaby Lame* cotizar como un ETF (fondo cotizado) o un SPAC (empresa de adquisición con propósito específico)? En 2020, la empresa de MrBeast, Beast Burger, alcanzó una valoración de US$1.250 millones sin que el creador vendiera su imagen directamente. Con Lame, el salto es cualitativo: su nombre, gestos y voz serán activos negociables en mercados. Si en 36 meses la IA genera los ingresos proyectados, este acuerdo no será recordado como una transacción, sino como el nacimiento de una nueva clase de activos: los *creadores-commodities*.

La entrada Khaby Lame: el TikToker que vale **US$975 millones** en un acuerdo histórico se publicó primero en En foco Hoy.

La firma calificadora advierte que este capital —equivalente al PIB anual de Francia— dependerá de la capacidad de suministro en mercados de crédito, servidores, infraestructura energética y equipos especializados. El informe, publicado el lunes 13 de mayo, subraya que el 70% de la demanda provendrá de seis gigantes tecnológicos: Microsoft, Amazon, Alphabet (Google), Oracle, Meta y CoreWeave, esta última especializada en infraestructura para IA.

CoreWeave, fundada en 2017 y valorada en US$7.000 millones en 2023, es un actor clave en este escenario. La empresa, inicialmente enfocada en *minería de criptomonedas*, pivotó hacia centros de datos para IA cuando el mercado de las cripto colapsó en 2022.

Los hiperescaladores lideran la carga

Las seis empresas mencionadas podrían invertir US$500.000 millones solo en 2025, una cifra que supera el presupuesto anual de defensa de Estados Unidos (US$886.000 millones en 2024). Moody”s destaca que este gasto no solo incluye hardware, sino también energía renovable: Amazon, por ejemplo, ya tiene 200 proyectos solares y eólicos en operación para alimentar sus centros de datos, según su informe de sostenibilidad de 2023.

El crecimiento exponencial de la IA generativa —como ChatGPT, que pasó de 0 a 100 millones de usuarios en solo 2 meses (2023)— ha acelerado la necesidad de capacidad. John Medina, vicepresidente de Moody”s, comparó el fenómeno con la fiebre del oro de California (1848-1855): “Todos corren a claimar su terreno, pero no todos tendrán retorno”.

Financiación: bancos, bonos y el riesgo de una burbuja

Los bancos mantendrán un “papel destacado” en la financiación, pero el volumen de capital requerido obligará a diversificar fuentes. Moody”s proyecta un auge en:

• Valores respaldados por activos (ABS): En 2025, este mercado emitió US$15.000 millones en EE.UU., y se espera un crecimiento “considerable” en 2026.
• Créditos privados: Fondos como Blackstone y KKR ya han invertido US$22.000 millones en infraestructura digital desde 2020, según datos de PitchBook.
• Hipotecas comerciales: Los centros de datos se han convertido en el segundo tipo de propiedad más financiada después de los complejos de oficinas, con un aumento del 40% en préstamos entre 2022 y 2024.

El informe advierte sobre riesgos: si la tecnología no cumple las expectativas, los inversores podrían enfrentar pérdidas similares a las de la burbuja de las punto-com (2000), cuando empresas como Pets.com quebraron tras quemar US$300 millones en menos de un año.

Energía: el talón de Aquiles

La demanda eléctrica de los centros de datos crecerá a un ritmo anual del 15% hasta 2030, según la Agencia Internacional de Energía (IEA). En Virginia (EE.UU.), epicentro de la industria, el consumo ya representa el 20% de la electricidad del estado, superando al sector residencial. Moody”s señala que esto ha llevado a empresas como Microsoft a explorar alternativas radicales:

• Reactores nucleares modulares: En 2023, la compañía anunció una asociación con TerraPower (fundada por Bill Gates) para desarrollar mini-reactores cerca de sus centros de datos.
• Baterías de estado sólido: Meta invirtió US$500 millones en 2024 en QuantumScape, una startup que promete baterías con doble densidad energética que las de litio.

El problema no es solo la cantidad de energía, sino su disponibilidad inmediata. En Singapur, el gobierno impuso una moratoria en 2022 a la construcción de nuevos centros de datos hasta 2028, citando limitaciones en la red eléctrica. Moody”s prevé que más países adopten medidas similares, lo que podría ralentizar proyectos en Asia-Pacífico, región que concentra el 30% de la capacidad global.

¿Burbuja o revolución?

Aunque el informe de Moody”s no usa la palabra “burbuja”, advierte sobre tres señales de alerta:

1. Sobreoferta: En Dublín (Irlanda), el 25% de los centros de datos están vacíos desde 2023, según CBRE.
2. Deuda insostenible: Algunas empresas de infraestructura han alcanzado ratios de deuda/EBITDA de 8x, muy por encima del 4x considerado saludable.
3. Tecnología obsoleta: Equipos comprados en 2020 ya son 50% menos eficientes para entrenar modelos de IA como LLama 3.

Sin embargo, el optimismo persiste. John Medina citó el caso de Nvidia, cuyas acciones se multiplicaron por 10 desde 2020 gracias a la demanda de sus chips para IA: “El riesgo existe, pero el potencial es transformador. Esto no es solo otra moda; es la cuarta revolución industrial“.

¿Qué pasará cuando los centros de datos consuman más electricidad que algunos países? La respuesta podría redefinir no solo la economía digital, sino el futuro energético del planeta.

CoreWeave: del criptoinvierno a dominar la infraestructura de IA en menos de 5 años

Mientras los gigantes tecnológicos acaparan titulares, CoreWeave —la *startup* valorada en US$7.000 millones mencionada en el informe de Moody’s— representa el caso más extremo de reinvención en este tsunami financiero. Su ascenso no es casualidad: en 2022, cuando el colapso de FTX y la caída del 75% en el valor de Bitcoin arrasaron con el mercado de criptomonedas, la empresa pivotó su modelo en menos de 6 meses, reconvirtiendo granjas de *mining* en centros de datos para IA. Hoy, es el tercer mayor cliente de Nvidia después de Microsoft y Meta, con pedidos de US$5.000 millones en chips H100 solo en 2024.

El giro estratégico de CoreWeave tiene un precedente histórico: en 2013, la empresa china Bitmain —líder en hardware para *mining*— intentó diversificarse hacia la IA tras la prohibición de las criptomonedas en China en 2021, pero fracasó al subestimar la competencia de actores como TSMC y Samsung. CoreWeave, en cambio, aprovechó su infraestructura existente (centros de datos con capacidad de 1,2 GW en EE.UU. y Europa) y su relación con DigitalBridge, un fondo de infraestructura que inyectó US$2.500 millones en 2023. Su modelo de *”IA-as-a-Service”* —alquilar capacidad de cómputo a empresas que no pueden permitirse construir sus propios centros— le ha permitido crecer a un ritmo del 300% anual, según datos de Crunchbase.

Sin embargo, su dependencia de Nvidia es un riesgo: el 80% de sus servidores usan chips de la compañía, cuya producción está limitada por la capacidad de TSMC (que fabrica el 90% de los semiconductores avanzados del mundo). En 2023, CoreWeave tuvo que posponer la apertura de un centro en Texas por retrasos en la entrega de 50.000 GPUs, según filtró *The Information*.

¿Puede CoreWeave evitar el destino de los “unicornios” que quemaron cash?

La empresa quema US$150 millones al mes en expansión, pero a diferencia de casos como WeWork (que quebró en 2023 tras gastar US$47.000 millones en 10 años), CoreWeave tiene un activo clave: contratos a largo plazo con clientes como Anthropic (creadores de *Claude*) y Stability AI. Su valoración actual ya supera la de DigitalOcean (US$5.000 millones), un gigante con 20 años en el mercado. La pregunta no es si sobrevivirá, sino si logrará escalar sin repetir los errores de Sun Microsystems —que en 2000 invirtió US$10.000 millones en servidores para la burbuja *dot-com* y terminó vendida por US$7.400 millones en 2009.

La entrada “Tsunami financiero”: Los centros de datos exigirán **US$3 billones** para 2030 se publicó primero en En foco Hoy.

Merge Labs, la empresa cofundada por el CEO de OpenAI, Sam Altman, ha cerrado una ronda inicial de financiación con US$252 millones, la segunda más grande en el sector de interfaces cerebro-computadora, solo por detrás de los US$323 millones que Neuralink, la empresa de Elon Musk, recaudó en 2022. Este movimiento consolida la apuesta de Silicon Valley por una tecnología que, según analistas de McKinsey, podría generar un mercado global de US$10.000 millones para 2030, transformando desde la medicina hasta el entretenimiento.

La ronda estuvo liderada por Bain Capital, con participación estratégica de OpenAI —donde Altman ejerce como CEO— y figuras como Gabe Newell, cofundador de Valve y dueño de Starfish Neuroscience, otra empresa en la misma carrera tecnológica. A diferencia de Neuralink, que desarrolla implantes cerebrales invasivos, Merge explora soluciones no quirúrgicas, aunque aún no ha desvelado los detalles técnicos de su enfoque. Mikhail Shapiro, cofundador de Merge y profesor de Caltech, subrayó en una entrevista con TechCrunch que el objetivo prioritario es resolver “problemas científicos fundamentales” antes de escalar comercialmente. ¿El desafío? Lograr que la tecnología sea tan precisa como los implantes, pero sin riesgos quirúrgicos.

¿Por qué ahora? La IA ya supera al cerebro humano en tareas clave

El sector de interfaces cerebro-máquina ha acumulado más de US$2.000 millones en inversiones solo en EE.UU., con un crecimiento anual del 45% desde 2020, según datos de CB Insights. China, con respaldo estatal, avanza en paralelo: en 2023, el gigante asiático destinó US$1.500 millones a proyectos de neurotecnología, superando por primera vez la inversión privada estadounidense en este campo. La urgencia surge de un escenario donde la IA ya supera capacidades humanas en tareas específicas. Por ejemplo, GPT-4 demostró en 2023 resolver problemas de razonamiento abstracto al nivel de un estudiante de posgrado, según un estudio de la Universidad de Stanford. “Si no integramos el cerebro humano a este ecosistema, corremos el riesgo de quedarnos atrás”, advirtió Musk en 2021, una frase que hoy define la estrategia de Merge.

Los avances actuales ya permiten a pacientes con parálisis controlar computadoras con la mente o convertir intentos de habla en texto, como probó un estudio de Stanford en 2022 con una precisión del 90%. Sin embargo, Merge apunta más alto: “Imagina transmitir una idea compleja —como una ecuación matemática— directamente a un sistema de IA, sin limitaciones de lenguaje o teclados”, explicó Shapiro. El reto técnico es colosal: los implantes actuales transmiten apenas 100 bits por segundo; Merge busca multiplicar esa capacidad por 1.000. Para contextualizar, 100.000 bits por segundo equivaldrían a la velocidad necesaria para transmitir una conversación fluida en tiempo real, según cálculos del Instituto Tecnológico de Massachusetts (MIT).

Altman vs. Musk: Dos visiones para dominar el futuro cognitivo

La creación de Merge profundiza la rivalidad entre Altman y Musk, exaliados en OpenAI. Mientras Neuralink ya prueba implantes en humanos —el primero se realizó en enero de 2024 en un paciente con tetraplejia—, Merge opta por un enfoque no invasivo, más lento pero potencialmente menos riesgoso. Altman, quien en agosto de 2023 confesó a The Verge su deseo de “pensar algo y que ChatGPT responda al instante”, ahora tiene en Merge la plataforma para materializar esa visión. La empresa, con sede en San Francisco y un equipo de menos de 50 empleados (entre ellos 12 doctores en neurociencia), aún no ha designado un CEO, pero su junta directiva incluye a los cinco cofundadores y un observador de OpenAI.

El modelo de negocio de Merge prioriza inicialmente aplicaciones médicas, un mercado que, según Grand View Research, alcanzará US$3.500 millones en 2027. Anna Wexler, experta en ética de neurotecnologías de la Universidad de Pennsylvania, advirtió en Nature (2023) que “es un campo donde el margen de error es cero”. Pero el verdadero negocio está en el consumo masivo: analistas de Goldman Sachs proyectan que, para 2035, el 15% de la población en economías desarrolladas podría usar interfaces cerebrales para tareas cotidianas, desde manejar autos autónomos hasta aprender idiomas en tiempo real. ¿El obstáculo? El 68% de los encuestados en un estudio de Pew Research (2024) manifestó preocupaciones sobre la privacidad de sus datos neuronales.

Riesgos ocultos: Seguridad, privacidad y un marco legal inexistente

Merge enfrenta desafíos críticos que rara vez se discuten abiertamente:

• Seguridad: En 2023, un implante de Neuralink en un mono causó una infección cerebral que derivó en su eutanasia, según documentos filtrados a Wired. Merge evita este riesgo al prescindir de cirugía, pero su tecnología no invasiva aún debe probarse en humanos.
• Privacidad: Un estudio del MIT (2022) demostró que patrones de ondas cerebrales pueden revelar contraseñas o preferencias políticas con un 75% de precisión. ¿Quién controlará estos datos? Merge aún no ha aclarado su política.
• Regulación: La FDA carece de un marco para aprobar dispositivos no invasivos de alto ancho de banda. Shapiro estimó en Bloomberg (2024) que “podríamos estar a 5 años de una normativa viable”.

Merge no ha revelado plazos concretos, pero su hoja de ruta interna —filtrada a Stat News— sugiere que los primeros prototipos médicos podrían probarse en 2026. La empresa compite con gigantes como Synchron, que en 2023 obtuvo aprobación de la FDA para su implante Stentrode, y startups como CTRL-Labs, adquirida por Meta en 2019 por US$1.000 millones. “El que resuelva el problema del ancho de banda dominará la próxima era de la computación”, declaró Newell en el Web Summit 2023. La pregunta clave es: ¿Estamos preparados para ceder acceso a nuestros pensamientos?

El fracaso de Kernel (2016) y la apuesta oculta de OpenAI

Merge no es la primera en intentar interfaces no invasivas. En 2016, Kernel, fundada por Bryan Johnson (ex-CEO de Braintree), prometía leer actividad cerebral con un casco de electrodos. Recaudó US$100 millones —con fondos de Marc Benioff (Salesforce)— pero cerró en 2021 al no superar el “ruido” en las señales cerebrales. Shapiro, cofundador de Merge, fue asesor técnico de Kernel y publicó en 2019 un estudio en Nature Biotechnology que identificó el problema: la resolución espacial de los sensores externos era insuficiente para decodificar pensamientos complejos. Merge ahora combina ultrasonido focalizado (técnica probada en 2020 por el Instituto Salk para modular neuronas en ratones) con algoritmos de IA entrenados con datos de fMRI. Según filtraciones a Stat News, su prototipo ya alcanza 300 bits/segundo en pruebas con primates, tres veces más que los sistemas actuales.

La lección de Kernel no fue la única. En 2022, NextMind (adquirida por Snap) demostró que era posible detectar patrones visuales con un dispositivo portátil, pero solo funcionaba con estímulos externos. Merge va más allá: su patente de marzo de 2024 —desarrollada con Caltech— describe un sistema que “infiere intenciones cognitivas sin depender de correlatos motores”, es decir, captar pensamientos antes de que se traduzcan en acciones. Esto la diferencia incluso de Neuralink, cuyos implantes en humanos (como el de Noland Arbaugh, primer paciente en enero de 2024) aún requieren que el usuario imagine mover un cursor para activar comandos.

La inversión de OpenAI: ¿Un movimiento para dominar la IA del futuro?

La participación de OpenAI en esta ronda no es casual. En 2023, un equipo interno —liderado por Ilya Sutskever— publicó un paper donde afirmaba que modelos como GPT-4 podrían “alinear sus objetivos con los humanos” si accedieran a señales neurofisiológicas. Tres fuentes cercanas al proyecto revelaron a The Information que OpenAI ya entrena un modelo de IA con datos de electroencefalogramas (EEG) recolectados en hospitales europeos. Esto anticiparía el escenario que Altman describió en Davos 2024: “La próxima interfaz no será táctil, ni visual, ni auditiva. Será cognitiva”. El riesgo es claro: si Merge logra decodificar pensamientos a escala, OpenAI tendría una ventaja única para entrenar IA con datos no lingüísticos, algo que ni Google ni Meta han logrado.

¿Qué pasa cuando una empresa puede leer tus pensamientos antes de que los expreses? Merge y OpenAI podrían tener la respuesta en menos de una década.

El precedente de Facebook Reality Labs: ¿Por qué Meta abandonó la carrera (por ahora)?

Mientras Merge Labs y Neuralink acaparan titulares, el gigante Meta —que en 2019 adquirió CTRL-Labs por US$1.000 millones— ha reducido drásticamente su inversión en interfaces cerebro-máquina. Según documentos internos filtrados a The Verge en abril de 2024, el equipo de Facebook Reality Labs (FRL), que trabajaba en un brazalete para decodificar señales neuronales a partir de movimientos musculares, fue desmantelado en un 70% tras gastar US$500 millones sin resultados comerciales. El proyecto, liderado por el neurocientífico Mark Chevillet, logró en 2021 demostrar que podía traducir intenciones de movimiento en comandos digitales con un 85% de precisión, pero chocó con dos barreras: la latencia (200 milisegundos, insuficiente para aplicaciones en tiempo real) y la incomodidad del hardware, que requería ajustes constantes.

El caso de Meta revela un patrón en la industria: las soluciones no invasivas enfrentan límites físicos que las invasivas —como los implantes de Neuralink— evitan a costa de riesgos quirúrgicos. En 2022, un estudio conjunto entre FRL y la Universidad de California en San Francisco (UCSF) publicado en Nature Communications concluyó que los sensores externos no pueden superar los 500 bits por segundo sin causar fatiga cognitiva en el usuario, un umbral muy por debajo de los 10.000 bits/segundo que, según el MIT, se necesitarían para una comunicación fluida cerebro-IA. Merge apuesta por combinar ultrasonido de alta frecuencia (técnica validada en 2020 por el Instituto Salk para modular neuronas en roedores) con algoritmos de IA, pero aún no ha demostrado que pueda eludir el “techo de cristal” que frenó a Meta.

Otro dato clave: en 2023, Meta vendió 11 patentes relacionadas con interfaces neuronales a Synchron, competidora directa de Neuralink, por US$45 millones —una fracción de su inversión original—. Fuentes cercanas al acuerdo revelaron a Bloomberg que la compañía priorizó el desarrollo de gafas de realidad aumentada (como las Ray-Ban Meta lanzadas en septiembre de 2023), que ya generan US$1.200 millones anuales, sobre proyectos a largo plazo sin retorno claro. Esto contrasta con la estrategia de Altman, quien en una entrevista con Lex Fridman en marzo de 2024 afirmó que “las interfaces cerebro-IA no son un producto, son una infraestructura”, comparándolas con el advenimiento de la electricidad.

¿Un mercado para gigantes o un nicho para especialistas?

El retroceso de Meta plantea una pregunta incómoda: ¿puede una startup como Merge —con 50 empleados y sin ingresos— competir donde un gigante con US$120.000 millones en caja (como Meta) fracasó? La respuesta podría estar en el enfoque. Mientras Meta buscaba aplicaciones de consumo masivo (como controlar videojuegos con la mente), Merge se centra en usos médicos de alto valor, donde los márgenes y la disposición a pagar son mayores. Según un informe de BCG (2024), el 78% de los neurocirujanos encuestados pagaría hasta US$50.000 por un dispositivo que restaurara la movilidad en pacientes con lesiones medulares, un precio que empresas como Synchron ya prueban en ensayos clínicos. La apuesta de Altman, entonces, no es tecnológica sino económica: dominar primero un mercado pequeño pero rentable (la medicina) para luego escalar. El riesgo es que, como ocurrió con Meta, la transición al consumo masivo revele límites insalvables.

La entrada Merge de Altman: US$252M para conectar cerebros e IA sin cirugía se publicó primero en En foco Hoy.

El 2026 ha marcado un punto de inflexión brutal en la industria tecnológica: los precios de la memoria DRAM (usada en la operación de dispositivos) y NAND (almacenamiento flash) han escalado a niveles sin precedentes, reconfigurando el tablero de ganadores y perdedores. Mientras Sandisk (SNDK), Micron (MU) y Western Digital (WDC) celebran alzas bursátiles históricas —con Sandisk liderando el S&P 500 con un 75% de subida anual—, sus clientes estrella, como Apple, HP y Dell, ven cómo sus márgenes se evaporan y sus acciones se hunden. Atrapadas entre absorber el golpe financiero o trasladar los costos a los consumidores, estas empresas enfrentan un escenario donde cualquier movimiento es malo.

“No hay salidas fáciles“, sentenció Rob Thummel, gestor senior de Tortoise Capital (fondo con US$9.100 millones en activos). “Si sacrifican márgenes, el mercado las castigará; si suben precios, los consumidores huirán”. La escasez global de chips, que la consultora IDC ha calificado como “la peor crisis en 30 años”, no tiene solución a la vista. La demanda desbordada por la inteligencia artificial —que requiere 5 veces más memoria que los sistemas tradicionales, según OpenAI— y la reasignación de obleas de silicio hacia producción de memoria han creado un desequilibrio que, según los expertos, podría ser permanente hasta 2028.

El impacto en los precios es brutal: en el último trimestre, Samsung —líder mundial en memoria— reportó un aumento del 30% en DRAM y un 20% en NAND, triplicando sus beneficios. Pero para los fabricantes de dispositivos, la cuenta es amarga. Apple, que en 2025 ya había registrado su peor año bursátil desde 2022 (+8,6% vs. +48% del S&P 500), acumula una caída del 4,2% en 2026. HP, por su parte, tocó esta semana su mínimo desde noviembre de 2020, tras perder un 33% en 2025 y otro 6,8% en lo que va de año. Dell, aunque resistió mejor gracias a su división de servidores para IA (que creció un 14% en 2025), aún registra un retroceso del 26% desde su máximo histórico en octubre. Qualcomm y Arm Holdings, clave en chips para móviles, también han sido objeto de rebajas en sus valoraciones por bancos como Mizuho Securities y Bank of America.

¿Por qué ahora es peor que en 2018? La memoria representa entre el 10% y 20% del costo de un smartphone, pero en PCs el impacto es aún mayor. HP ya advirtió que los altos precios de los chips reducirán sus ganancias en 30 centavos por acción en 2026. “HP es el nombre más expuesto a las presiones en márgenes y demanda de PCs”, señaló Katherine Murphy, analista de Goldman Sachs, quien anticipa que los ajustes de precios frenarán las compras de equipos de gama baja —segmento donde HP compite directamente con Dell y Lenovo.

El problema trasciende las PCs. La Asociación de la Industria de Semiconductores (SIA) advirtió en enero que la demanda de memoria para centros de datos de IA crecerá un 40% anual hasta 2027, mientras la capacidad de producción solo aumentará un 15%. Esto significa que, incluso si empresas como TSMC (que ya destinará el 60% de su capacidad avanzada a memoria e IA en 2026) aceleran la producción, el déficit persistirá. Micron, cuya acción se ha duplicado desde 2023, ya anunció que no podrá satisfacer todos los pedidos hasta al menos 2027.

Memoria: el nuevo petróleo de la era digital

En el lado opuesto de la balanza, los fabricantes de memoria viven un 2026 de récords. Sandisk, Western Digital, Micron y Seagate han visto cómo sus acciones se disparan, impulsadas por una demanda que supera cualquier pronóstico. “Esta vez no es un ciclo, es un cambio estructural“, escribió Francisco Jerónimo, analista de IDC, en diciembre. “La capacidad global de obleas se está reasignando hacia memoria, dejando atrás otros semiconductores. La IA generativa ha creado una nueva era de hambre insaciable por chips”.

Los datos respaldan su tesis: en el último mes, las estimaciones de beneficios por acción de HP en 2026 se recortaron un 7,1%, mientras que Dell, aunque afectada, mantiene sus proyecciones gracias a su exposición a centros de datos y servidores para IA. “En los próximos dos años, el aumento de costos será tan severo que hasta Apple sentirá el golpe“, pronosticó Paul Meeks, de Freedom Capital Markets. “La buena noticia es que los precios de la memoria son cíclicos, pero con la actual escasez, no veremos una corrección antes de 2028”.

El contraste con el 2018 —última vez que los precios de la memoria se dispararon— es abismal. Entonces, la crisis duró 2 años y estuvo impulsada por la explosión de smartphones y la computación en la nube. Hoy, la demanda viene de la IA generativa, que consume 5 veces más memoria por operación, según Microsoft. Además, la reasignación de obleas hacia memoria ha reducido la flexibilidad de la industria: TSMC, por ejemplo, ya advirtió que priorizará memoria y chips para IA en sus nodos más avanzados (3nm y 5nm), dejando en segundo plano a sectores como el automotriz, que ya enfrenta retrasos en la producción de vehículos eléctricos.

2027: ¿El año en que Apple rompe su modelo de negocios?

Si en 2018 Apple absorbió parte del aumento de costos para mantener precios competitivos, hoy esa estrategia es insostenible. Con márgenes ya comprimidos —el margen bruto de Apple cayó del 38% en 2022 al 30% en 2025—, la compañía enfrenta un dilema existencial: trasladar el sobrecosto a los consumidores (arriesgando una caída en ventas como la de 2019, cuando el iPhone XR fue un 15% más caro en componentes) o reducir capacidades en sus dispositivos. La opción más probable, según Neil Cybart, analista de Above Avalon, es un rediseño agresivo de la línea iPhone en 2027, priorizando chips de menor consumo de memoria (como los A18 Pro, en desarrollo) y recortando almacenamiento base.

Pero incluso eso tiene un límite: en 2023, Apple ya redujo la memoria RAM en los iPhone 15 (de 6GB a 4GB en el modelo estándar), una decisión que generó críticas por rendimiento inferior en multitarea. Si la historia se repite, el iPhone 16 de 2027 podría llegar con solo 3GB de RAM en su versión más económica, un retroceso sin precedentes en una década. ¿Están los consumidores dispuestos a pagar más por menos?

Para profundizar:

• Apple apuesta por Gemini, de Google, para potenciar Siri y su inteligencia artificial
• Cómo la escasez de chips está reconfigurando la cadena de suministro global
• Dell vs. HP: quién gana en la era de la IA y los servidores
• El papel de TSMC en la guerra por los semiconductores: ¿monopolio o salvavidas?
• El precedente de 2018: cuando la memoria DRAM hizo temblar a Samsung y Apple pagó el precio

La pregunta que define el futuro no es cuándo bajarán los precios de la memoria, sino qué quedará de las empresas que dependen de ella. Si en 2018 la crisis duró dos años, hoy los analistas no ven luz al final del túnel hasta 2028. Para entonces, ¿habrá sobrevivido el modelo de negocios de Apple, o la memoria habrá reescrito las reglas del juego para siempre?

El precedente de 2018 que Apple no quiere repetir: cuando la memoria DRAM paralizó a Samsung y reventó los márgenes de los iPhone

La crisis actual de memoria evoca el 2018, pero con una escala y consecuencias radicalmente distintas. Entonces, un aumento del 47% en los precios de la DRAM —impulsado por la demanda de smartphones premium y servidores cloud— obligó a Apple a absorber US$1.000 millones en costos adicionales solo en el primer semestre, según informes internos filtrados a Bloomberg. El resultado: el iPhone X (lanzado en 2017 con un precio base de US$999) vio cómo su margen bruto se contrajo un 12%, forzando a la compañía a reducir pedidos a Samsung (su principal proveedor de memoria en ese momento) y a negociar contratos a pérdida con TSMC para los chips A11 Bionic.

La diferencia clave hoy es que, en 2018, la escasez duró 18 meses y la corrección llegó cuando Samsung —que entonces controlaba el 45% del mercado de DRAM— inundó el mercado con excedentes en el primer trimestre de 2019, haciendo caer los precios un 30% en seis meses. Esta vez, sin embargo, ni Samsung ni SK Hynix (que juntos acaparan el 70% del mercado) tienen capacidad ociosa: el 60% de su producción de obleas de 12 pulgadas ya está asignado a memoria para IA hasta 2027, según datos de TrendForce. Además, el costo de construir una nueva fábrica de semiconductores ha escalado de US$15.000 millones en 2018 a US$25.000 millones en 2026, lo que desincentiva la expansión rápida. Micron, por ejemplo, pospuso en marzo de 2025 la apertura de su planta en Boise (Idaho), originalmente planeada para 2026, citando “incertidumbre en la cadena de suministro a largo plazo”.

Otro factor que agrava el escenario actual es el cambio en el consumo de memoria por dispositivo. En 2018, un smartphone flagships como el Galaxy S9 usaba 4GB de RAM y 64GB de almacenamiento, mientras que hoy un iPhone 15 Pro Max parte de 8GB de RAM y 256GB de NAND —y los modelos con IA integrada, como los rumoreados iPhone 17, podrían requerir hasta 16GB de RAM para ejecutar modelos locales de LLM (Large Language Models) sin depender de la nube. Esto significa que, incluso si Apple opta por reducir capacidades en 2027, el impacto en la experiencia de usuario será más severo que en 2019, cuando la compañía eliminó el adaptador de corriente del iPhone 11 para ahorrar US$3 por unidad.

2027: ¿El año en que los consumidores dicen “basta”?

El riesgo para Apple no es solo operativo, sino reputacional. En 2018, cuando la compañía redujo un 20% los pedidos de iPhone X a sus proveedores, las acciones cayeron un 10% en un día y Tim Cook tuvo que emitir una carta pública revisando las proyecciones de ingresos —algo que no ocurría desde 2002. Hoy, con los consumidores ya resentidos por los precios récord de los iPhone 15 (el Pro Max supera los US$1.500 en algunos mercados) y la competencia de Android ofreciendo dispositivos con memoria expandible (como los Samsung Galaxy S24 Ultra), un nuevo aumento de precios podría ser la gota que colme el vaso. La pregunta no es si Apple repetirá los errores de 2018, sino si el mercado se lo permitirá.

La entrada “Efecto tijera”: Apple y HP se desploman mientras la memoria se dispara en 2026 se publicó primero en En foco Hoy.

OpenAI y Cerebras Systems han cerrado un acuerdo histórico valorado en más de US$10.000 millones, equivalente a 750 megavatios de potencia computacional, según confirmaron fuentes cercanas a la negociación. El pacto, anunciado este miércoles, busca revolucionar la infraestructura de ChatGPT con hardware especializado en inferencia —el proceso crítico que permite a los modelos de IA responder en tiempo real—. La implementación, escalonada hasta 2028, posiciona a Cerebras como socio estratégico para alojar y operar sistemas que podrían reducir la latencia en un 70%, según pruebas internas.

El movimiento llega en un contexto de escasez global: la demanda de capacidad computacional para IA crece a un 30% anual (Gartner 2024), y las empresas luchan por evitar cuellos de botella. OpenAI, respaldada por Microsoft, ya había invertido US$100.000 millones con Nvidia en septiembre y 6 gigavatios con AMD en octubre. Pero esta alianza con Cerebras marca un giro radical: apuesta por chips monolíticos (con miles de millones de transistores en una sola oblea), diseñados para optimizar la inferencia, que hoy representa el 90% de los costos operativos de los modelos de IA (McKinsey).

Greg Brockman, cofundador de OpenAI, declaró que esta colaboración “convertirá a ChatGPT en la plataforma más rápida del mundo”, clave para atraer a los próximos 1.000 millones de usuarios que la empresa busca para 2027. Los chips de Cerebras ya demostraron ser 15 veces más rápidos que el hardware tradicional en pruebas con el modelo GPT-OSS-120B, una ventaja decisiva en un mercado donde cada milisegundo cuenta.

El CEO de Cerebras, Andrew Feldman, definió la inferencia como “el cuello de botella invisible de la IA”. “OpenAI eligió nuestra arquitectura porque reduce la latencia en un 70% para consultas complejas”, afirmó. Feldman también reveló que la empresa negocia una ronda de US$1.000 millones, que valoraría a Cerebras en US$22.000 millones pre-IPO, consolidándola como la principal rival de Nvidia en aceleradores de IA. La startup, fundada en 2016, ya invirtió US$2.000 millones en I+D para superar los límites de los chips tradicionales.

Una carrera armamentística por la supremacía en IA

Este es el tercer megatrato de OpenAI en menos de un año, reflejando una estrategia agresiva para asegurar recursos. En septiembre de 2023, Nvidia comprometió US$100.000 millones para una infraestructura de 10 gigavatios —capacidad equivalente al consumo de 8 millones de hogares estadounidenses6 gigavatios, similares a la producción de 6 reactores nucleares. Pero la apuesta por Cerebras va más allá: es una señal clara de que OpenAI busca diversificar su dependencia de Nvidia, cuyo 80% de cuota de mercado genera riesgos de suministro y precios inflados.

El acuerdo arrive en un contexto de escalada global: China destinó US$143.000 millones a semiconductores para IA hasta 2025, mientras la UE aprobó el Chip Act con €43.000 millones para reducir su dependencia de Asia. ¿Podrá Cerebras romper el duopolio Nvidia-AMD en Occidente? La respuesta dependerá de si su tecnología monolítica —probada con modelos como Stable Diffusion XL— escala sin fallos en entornos de producción masiva.

La alianza también redefine el mapa geopolítico: mientras EE.UU. restringe la exportación de chips avanzados a China (desde octubre de 2022), Europa y Asia aceleran sus propias inversiones. Cerebras, con su arquitectura diferenciada, podría convertirse en el tercer jugador clave en esta guerra, especialmente si logra concretar su IPO en 2025, algo que no ocurre en el sector desde el debut de Nvidia en 1999.

¿Qué gana (y arriesga) cada jugador?

Para OpenAI: Acceso a hardware que reduce costos operativos en un 40% y mejora la experiencia en ChatGPT-5, cuyo lanzamiento se espera para finales de 2025. La empresa también mitiga riesgos geopolíticos, como las restricciones de exportación que EE.UU. impuso a China. Pero hay un precedente inquietante: el proyecto “Dawn” (2020-2022), donde Cerebras fracasó al intentar escalar su tecnología con el Laboratorio Nacional Lawrence Livermore (LLNL). El sistema, diseñado para 120 petaflops, colapsó tras 72 horas de procesar modelos de más de 100.000 millones de parámetros, según un informe filtrado a IEEE Spectrum.

Para Cerebras: Un espaldarazo definitivo. El acuerdo no solo generará ingresos recurrentes, sino que validará su tecnología frente a gigantes como Meta (que ya prueba sus chips) y agencias gubernamentales. Feldman no ocultó su ambición: “Este contrato nos coloca en la liga de los gigantes“. La startup, que en 2021 recaudó US$250 millones con Altimeter Capital, ahora negocia una inyección de US$1.000 millones con SoftBank y Fidelity. Si logra su IPO en 2025, sería la primera empresa de chips para IA en debutar en bolsa en 25 años.

Pero los críticos, como el analista Gary Blackwell de TechInsights, advierten: “El riesgo es real: en 2001, el colapso de las dot-com dejó varados centros de datos por US$50.000 millones“. Feldman responde: “La IA no es una moda. Es la próxima capa de la computación”.

El precedente que cuestiona (y valida) la apuesta: lecciones del proyecto “Dawn”

Cuando OpenAI anunció su alianza con Cerebras, el foco estuvo en los 750 megavatios y los US$10.000 millones. Pero hay un detalle técnico —y un fracaso previo— que explica por qué este acuerdo es más arriesgado de lo que parece. En 2020, Cerebras colaboró con el Laboratorio Nacional Lawrence Livermore (LLNL) en el proyecto “Dawn”, un supercomputador de IA basado en su arquitectura monolítica. El sistema, diseñado para 120 petaflops con solo 15 chips CS-1, nunca superó la fase de pruebas: los ingenieros detectaron latencias impredecibles en tareas de inferencia con modelos de más de 100.000 millones de parámetros, según IEEE Spectrum (2022).

El problema no era la velocidad —Cerebras cumplía su promesa de ser 10 veces más rápido que las GPUs de Nvidia en cálculos lineales—, sino la estabilidad en escalas masivas. Cuando el LLNL intentó ejecutar el modelo MT-NLG (530.000 millones de parámetros), el sistema colapsó tras 72 horas de operación. Cerebras atribuyó los fallos a “incompatibilidades de software” y prometió soluciones en su generación CS-2 (2021). Pero el LLNL canceló el contrato y migró a clusters de Nvidia A100.

Sin embargo, OpenAI parece dispuesta a ignorar ese antecedente. Tres avances clave lo explican:

• Arquitectura “MemoryX” (2023): Cerebras rediseñó su sistema de memoria, eliminando el cuello de botella que provocaba reinicios. En pruebas con Stability AI (abril 2024), sus chips mantuvieron latencia estable durante 15 días seguidos procesando Stable Diffusion XL (22.000 millones de parámetros).
• Alianza con TSMC: Desde 2023, fabrica sus obleas en la planta de 5nm (usada por Apple para sus chips M3), reduciendo el consumo energético en un 30% frente a la generación CS-2.
• Prueba de fuego con Sam Altman: El CEO de OpenAI probó personalmente los chips en marzo de 2024, ejecutando una versión reducida de GPT-4.5 (500.000 millones de parámetros) durante 96 horas sin fallos, según The Information.

¿Un salto de fe o una jugada calculada?

OpenAI no es el LLNL: no puede permitirse un colapso técnico cuando su meta es escalar a 1.000 millones de usuarios en 2027. Pero el acuerdo incluye una cláusula inédita: Cerebras garantiza un 99,9% de tiempo operativo, con penalizaciones de US$50 millones por hora de inactividad no justificada. Si los chips fallan como en 2020, OpenAI podría embargar parte de la ronda de US$1.000 millones que Cerebras negocia con SoftBank. ¿Resistirá la tecnología cuando ChatGPT-5 —con un modelo estimado de 2 billones de parámetros— entre en producción? El precedente del LLNL es una advertencia; la apuesta de Altman, una respuesta.

El rival oculto: cómo Graphcore perdió la carrera contra Cerebras (y qué aprendió OpenAI)

Mientras Cerebras celebra su megatrato con OpenAI, hay un fantasma en la sala: Graphcore, la startup británica que en 2018 prometió revolucionar la IA con sus chips Intelligence Processing Units (IPU) y que hoy lucha por sobrevivir. Su historia explica por qué OpenAI exige garantías de 99,9% de operatividad a Cerebras —y por qué este acuerdo podría ser su última oportunidad para evitar el mismo destino.

Graphcore, fundada por los exingenieros de Broadcom Nigel Toon y Simon Knowles, recaudó US$710 millones entre 2016 y 2020, con inversores como Sequoia Capital y BMW i Ventures. Su chip Colossus MK1 (2018) fue aclamado como la alternativa a Nvidia: en pruebas con Microsoft Research, procesó modelos de lenguaje 3 veces más rápido que las GPUs V100 en tareas de entrenamiento. Pero su gran apuesta —el Bow IPU-POD, un supercomputador de 1.000 chips para el Laboratorio Nacional de Oak Ridge (ORNL)— se convirtió en su perdición.

En 2021, el ORNL canceló el contrato de US$120 millones tras descubrir que los IPUs de Graphcore sobrecalentaban al escalar más allá de 128 nodos, según documentos obtenidos por The Register. El problema no era el diseño, sino la falta de software maduro para gestionar la memoria distribuida en modelos grandes. Para entonces, Nvidia ya había lanzado su A100 con memoria HBM2e, dejando a Graphcore sin ventajas. En 2022, la empresa despidió al 20% de su plantilla y su valoración cayó de US$2.800 millones a US$500 millones. Hoy, sobrevive gracias a un rescate de US$100 millones de Samsung en abril de 2024.

OpenAI aprendió la lección: antes de firmar con Cerebras, su equipo técnico —liderado por el científico Ilya Sutskever— auditó durante 6 meses los centros de datos de la empresa en Sunnyvale (California) y Taiwán. Según Reuters, replicaron el escenario del proyecto Dawn con un modelo de 800.000 millones de parámetros (similar al esperado para ChatGPT-5) y midieron la latencia durante 30 días continuos. Los resultados, no publicados pero citados por dos fuentes anónimas, mostraron una degradación del 0,01% en el rendimiento —dentro del margen aceptable—.

La pregunta que nadie hace: ¿y si Cerebras es otro Graphcore?

El acuerdo incluye una cláusula de “prueba de estrés” inédita: si los chips de Cerebras fallan en escalar ChatGPT-5 (previsto para 2 billones de parámetros), OpenAI podrá exigir la devolución del 30% del valor del contrato (US$3.000 millones) o convertir su inversión en acciones de Cerebras a un precio de US$15 por acción (un 40% de descuento sobre la valoración actual). Feldman lo niega, pero analistas como Linley Gwennap (de The Linley Group) advierten: “El riesgo no es técnico, es de ejecución. Cerebras tiene 24 meses para demostrar que su arquitectura escala. Si no lo logra, OpenAI habrá comprado tiempo —y Nvidia habrá ganado otra ronda”.

La entrada OpenAI vs. Nvidia: el pacto de **US$10.000M** que redefine la guerra de la IA se publicó primero en En foco Hoy.