Hoy la bolsa surcoreana se ha pegado un batacazo enorme. El principal indicador bursátil de este país asiático es el KOSPI, y durante 2026 ha sido el protagonista de una de las mayores subidas de los grandes mercados internacionales impulsado principalmente por dos empresas: Samsung y SK hynix. Estas compañías son los mayores fabricantes de chips HBM (High Bandwidth Memory o memoria de alto ancho de banda) del planeta, las memorias que están acaparando los centros de datos para aplicaciones de inteligencia artificial (IA).

El auge que está experimentando esta tecnología desde finales de 2022 ha catapultado el negocio no solo de estas empresas surcoreanas, sino también el de la estadounidense Micron Technology. El índice KOSPI registró una subida espectacular durante el primer semestre de 2026 gracias en gran medida a los buenos resultados económicos que obtuvieron Samsung y SK hynix, pero hoy se ha desplomado. Ha caído un 8,8% durante la sesión, lo que obligó a los responsables de la bolsa a tomar una decisión drástica: suspender temporalmente la negociación durante 20 minutos.

Finalmente la sesión cerró con una caída del 6,02%. Durante esta semana el índice KOSPI ha perdido un 11,7%, aunque aún acumula una subida del 20% frente a su valor de 2025 gracias al empuje que obtuvo durante la primera mitad de 2026. En este escenario es imposible pasar por alto estas turbulencias. Y, curiosamente, el epicentro de este terremoto no está en Corea del Sur. Reside en EEUU. En Wall Street. Y es la consecuencia de la retirada de las inversiones masivas que han recibido durante los últimos años las empresas vinculadas a la IA.

La desconfianza está derrumbando las expectativas que estaban puestas en la IA

Samsung y SK hynix siguen yendo bien. Realmente bien. El batacazo de la bolsa surcoreana no ha sido provocado por una posible caída de las ventas de memorias HBM; responde a la desconfianza de los inversores en la IA. Al miedo a que esta tecnología no cumpla las expectativas. No obstante, las implicaciones de lo que está ocurriendo son más profundas de lo que podemos intuir a priori. La victoria demócrata en las últimas elecciones legislativas de EEUU ha provocado inquietud entre los inversores.

En Xataka

AMD está a las puertas de conseguir algo inédito en la historia de la industria tecnológica: superar a Intel

Los demócratas controlan ambas cámaras del Congreso, lo que podría facilitar un endurecimiento de la normativa que regula tanto la IA como la construcción de nuevos centros de datos. Algunas grandes tecnológicas estadounidenses, como xAI o Google, están gastando muchísimo dinero en la construcción de infraestructuras para IA que pueden ser utilizadas por ellas mismas o alquiladas a los laboratorios que necesitan entrenar y ejecutar sus modelos de lenguaje.

Si las restricciones de la regulación ralentizan la construcción de centros de datos, podría reducirse el ritmo de crecimiento de la demanda de semiconductores. Y este escenario degradaría el negocio de Samsung y SK hynix. Por el momento es solo una posibilidad, pero la desconfianza basta para provocar miedo en los inversores, y su temor, como hemos comprobado en muchas ocasiones, puede desencadenar caídas muy abruptas en los principales mercados financieros.

En el fondo el mayor temor de los inversores es que la IA nunca consiga ser rentable. Y Corea del Sur tiene un grave problema estructural: depende demasiado de solo dos fabricantes de semiconductores. Según el Instituto Económico de Corea en América, Samsung y SK hynix han llegado a representar el 55,5% de la capitalización bursátil del índice KOSPI. Es un problema. En gran medida el comportamiento de todo el mercado bursátil de Corea del Sur está determinado por estas dos empresas, y una turbulencia como la que se está produciendo tiene la capacidad de convulsionarlo.

Imagen | Samsung

Más información | Reuters | Samsung | SK hynix

En Xataka | Una parte de la comunidad matemática está en pie de guerra contra OpenAI

Una de las promesas, quizá la más importante, que han hecho los líderes de algunos de los laboratorios de inteligencia artificial (IA) es que su tecnología contribuirá a la cura de muchas enfermedades. "Creo que la IA podría curar la mayoría de las grandes enfermedades en los próximos cinco a diez años". Estas palabras las escribió Dario Amodei, el director general de Anthropic, el pasado 13 de septiembre.

Demis Hassabis, el consejero delegado de Google DeepMind, defendió en abril de 2025 esta misma premisa: "Podemos curar todas las enfermedades con ayuda de la IA. Quizá dentro de la próxima década. No veo por qué no". Y Sam Altman, el máximo responsable de OpenAI, también ha expresado sus deseos recientemente: "No quiero detener el progreso tecnológico. Quiero esa cura para el cáncer, para el Alzheimer".

Estas declaraciones son muy alentadoras, pero por el momento solo son promesas. A pesar de lo rápido que está avanzando la IA, las expectativas de los líderes de las compañías tecnológicas están todavía muy alejadas de las aportaciones que está realizando al desarrollo de nuevos medicamentos. Esta tecnología está demostrando que es una herramienta muy valiosa en este ámbito, pero está muy lejos de poner en nuestras manos medicamentos eficaces y seguros. Y aún más lejos de curar el cáncer o el Alzheimer.

El experimento de Vertex

Jeff Leiden, el presidente de la empresa farmacéutica Vertex, ha explicado que su laboratorio ha recurrido a aproximadamente 50 compañías de IA para analizar una base de datos con unos 10.000 compuestos farmacológicos. El resultado que ha obtenido ha sido muy decepcionante: ningún modelo de IA logró desarrollar un medicamento viable. Esto no quiere decir en absoluto que esta tecnología no tenga nada que decir en el terreno del desarrollo de nuevos fármacos, pero pone encima de la mesa una realidad inapelable: hoy la IA no puede descubrir nuevos medicamentos por sí sola.

En Xataka

AMD va a adelantar a Intel por primera vez en su historia

Además, Leiden ha hecho una reflexión importante: la IA actualmente puede actuar como un copiloto de los investigadores. Puede ayudarlos, pero no puede reemplazarlos. Para desarrollar un nuevo medicamento no basta encontrar una molécula que sea capaz de interactuar con una proteína concreta. El organismo de los seres humanos es extraordinariamente complejo debido a que intervienen en él miles de procesos biológicos. Y entre muchos de ellos existen unas dependencias muy profundas que es difícil identificar y entender.

Los modelos de IA tienen la capacidad gracias, sobre todo, a su habilidad a la hora de identificar patrones, de encontrar posibles dianas terapéuticas, predecir estructuras de proteínas o proponer moléculas prometedoras. Pero de momento ninguno de ellos ha conseguido anticipar con suficiente precisión cómo se comportará un compuesto cuando entre en contacto con un organismo humano. Y este conocimiento es esencial.

Además, hay otra idea que no debemos pasar por alto: el proceso de desarrollo de medicamentos se complica aún más cuando es necesario predecir efectos secundarios e interacciones con los procesos biológicos. Sea como sea, imaginemos que una IA logra desarrollar una molécula muy prometedora que, sobre el papel, no tiene efectos secundarios perniciosos ni desencadena interacciones potencialmente peligrosas con algunos procesos biológicos. Aun así, quedaría un cabo suelto: los ensayos clínicos.

Esta etapa del desarrollo de nuevos medicamentos es fundamental y no puede omitirse por mucho que los modelos de IA predigan que un fármaco funciona correctamente y no es peligroso. Los ensayos preclínicos y las fases de investigación clínica pueden prolongarse durante varios años, por lo que acelerar el descubrimiento de candidatos farmacológicos no implica necesariamente aumentar la proporción de medicamentos que terminan llegando al mercado. La industria farmacéutica está utilizando la IA, sí, pero sus expectativas son mucho más conservadoras que las de los líderes de los laboratorios de IA.

Imagen | Artem Podrez

Más información | The Wall Street Journal

En Xataka | Una parte de la comunidad matemática está en pie de guerra contra OpenAI

AMD está a punto de arrebatar a Intel su reinado. Durante los últimos cinco años los ingresos de la compañía liderada por Lip-Bu Tan han permanecido prácticamente estancados o han retrocedido. Mientras tanto, la facturación de AMD ha crecido notablemente, especialmente durante los últimos dos años. Para muestra, un botón: en 2021 Intel facturaba casi cinco veces más que AMD. Sus ingresos eran de 79.000 millones de dólares, frente a los 16.400 millones de su rival.

En 2022 se produjo un cambio de tendencia importante. La facturación de Intel se redujo a 63.100 millones de dólares, mientras que la de AMD se incrementó hasta los 23.600 millones. Y llegamos a 2025, un año en el que los ingresos de la compañía liderada por Lisa Su alcanzaron los 34.600 millones de dólares. AMD empezaba a intimidar seriamente a Intel, cuya facturación cayó el año pasado hasta los 52.900 millones de dólares.

La tendencia al alza de los ingresos de AMD y al estancamiento de los de Intel se ha mantenido durante los últimos meses. Y ahora, en la recta final de 2026, la compañía de Lisa Su está a punto de dar el golpe definitivo: sus previsiones apuntan a que ingresará más dinero que su histórico rival por primera vez. AMD prevé ingresar aproximadamente 17.000 millones de dólares durante el cuarto trimestre de 2026. E Intel espera facturar entre 15.000 y 16.000 millones durante este mismo periodo.

El motor de AMD: los aceleradores de IA y los procesadores EPYC

Basta pasarse por los foros especializados en hardware de PC para darse cuenta de que muchos usuarios prefieren los procesadores Ryzen de AMD a las CPU que nos ha propuesto Intel durante los últimos años. Nuestros análisis también están alineados con esta corriente de pensamiento, y de una cosa no cabe duda: los chips Ryzen son extraordinariamente competitivos desde hace ya muchos años tanto al lidiar con videojuegos como en un escenario ofimático o de creación de contenidos. De una cosa no cabe duda: AMD ya no es en absoluto la "segundona" que era en los años 90 y a principios de los 2000.

En Xataka

Elon Musk está convencido de que muchas "neoclouds' desaparecerán. Jensen Huang dice que ni de coña

En cualquier caso, durante los últimos años las dos fuentes de ingresos que han catapultado el crecimiento de AMD han sido los aceleradores de IA y los procesadores EPYC. Estas dos familias de chips están destinadas a centros de datos, y la explosión de la inteligencia artificial (IA) que estamos viviendo ha provocado que su demanda se dispare, sobre todo durante los últimos dos años. Precisamente, este incremento de la demanda de los aceleradores para IA Instinct y los procesadores EPYC coincide con el aumento más robusto de los ingresos de esta compañía.

No obstante, más allá de la competitividad de estas dos familias de chips desde un punto de vista estrictamente técnico, hay algo que AMD ha hecho muy bien: ha ideado una estrategia que persigue ofrecer sistemas completos para centros de datos mediante Helios, su plataforma de computación a escala de rack. Anthropic, Meta, Microsoft, OpenAI y Oracle Cloud Infrastructure ya le están comprando sus sistemas Helios. Lisa Su ha anticipado que su división de soluciones para centros de datos representará más del 80% de los ingresos de AMD en 2027.

En la otra cara de la moneda tenemos a Intel. La llegada de Lip-Bu Tan en marzo del año pasado ha sido un acicate para los inversores, y los resultados económicos de la compañía han mejorado. Sin embargo, sigue teniendo dificultades para satisfacer la demanda de procesadores Xeon, que le permiten competir en el mercado de los centros de datos. Además, el mercado del PC se ha debilitado mucho como consecuencia del drástico incremento del precio de algunos componentes, y este panorama también está haciendo daño a Intel. Ahora mismo el futuro a medio plazo pinta mucho más amable para AMD que para Intel.

Imagen | Xataka

Más información | AMD | Intel

En Xataka | AMD vs. Intel: quién lleva la delantera en la gran batalla histórica de los procesadores

La rentabilidad a medio y largo plazo de las neoclouds no está en absoluto clara. Ni siquiera los expertos se ponen de acuerdo acerca de su futuro. Estas empresas se dedican principalmente a alquilar la capacidad de computación de sus centros de datos a los laboratorios de inteligencia artificial (IA) que necesitan una infraestructura para entrenar y ejecutar sus modelos. Algunas de las más importantes son CoreWeave, Lambda, Together AI, TensorWave o Nebius. Las cuatro primeras son estadounidenses, y la última está en Países Bajos.

La explosión de la IA que estamos viviendo desde hace ya cuatro años y la fiebre por construir a un ritmo vertiginoso más centros de datos en todo el planeta nos invitan a intuir que a las neoclouds debe de estar yéndoles muy bien. Y sí, al menos a algunas de ellas les va bien. La neerlandesa Nebius ingresó 582 millones de dólares durante el segundo trimestre de 2026, aunque al cierre de junio su tasa de ingresos anualizada ya alcanzaba los 3.000 millones. CoreWeave, por su parte, facturó 2.575 millones de dólares durante ese mismo periodo, más del doble que un año antes.

Además, los laboratorios de IA han adquirido unos compromisos muy jugosos con algunas de ellas. OpenAI, Thinking Machines Lab, Perplexity y Cognition han contratado entre todas ellas más de 140.000 millones de dólares a la neocloud Crusoe en capacidad de procesamiento. Algunos expertos, como Jensen Huang, el director general de Nvidia, creen que estas empresas tienen un futuro extraordinario. Sin embargo, otros, como Elon Musk, el líder de SpaceX, Tesla y xAI, defienden que muchas de ellas están condenadas a la bancarrota a medio plazo.

Una inversión enorme requiere una financiación a su altura

En este ámbito ni Elon Musk ni Jensen Huang son personas desinteresadas. Nvidia lidera el mercado de los chips para entrenamiento e inferencia de modelos de IA, de modo que los laboratorios y las compañías propietarias de los centros de datos le están reportando unos beneficios inimaginables antes de que se produjese la catarsis de la IA que estamos viviendo. Y xAI ha transformado una parte de su infraestructura en un negocio de alquiler de capacidad de computación para terceros.

En Xataka

Explicando el mayor "hackeo" de criptomonedas de la historia: cómo se ha hecho posible lo que parecía imposible

Sea como sea, es interesante comprobar cuáles son los argumentos utilizados por estos dos líderes de la industria tecnológica para sostener sus tesis. Elon Musk cree que las compañías que se dedican exclusivamente a alquilar infraestructura para entrenar y ejecutar modelos de IA tendrán muchas dificultades a la hora de conseguir financiación. Según él, SpaceX ha captado 40.000 millones de dólares en deuda para comprar chips de IA gracias a su calificación crediticia y a que tiene varias fuentes de ingresos.

Como he mencionado unas líneas más arriba, Jensen Huang se ha posicionado en el otro platillo de la balanza. El líder de Nvidia asegura que la demanda de capacidad computacional terminará sosteniendo el negocio de las neoclouds. Huang defiende que las dificultades que están teniendo algunas de estas empresas para obtener liquidez es temporal, y que la demanda de servicios de computación es tan grande que desencadenará la aparición de nuevas formas de financiación.

El pasado 10 de agosto, Nvidia anunció un acuerdo con seis instituciones financieras, entre las que aparecen BlackRock, Goldman Sachs y Blackstone, que persigue movilizar más de 500.000 millones de dólares en capital de terceros para financiar infraestructura de IA. Si esto sale bien ayudará, no cabe duda, pero no debemos pasar por alto que los mercados bursátiles están reaccionando negativamente ante la posibilidad de que el endeudamiento de estas compañías termine siendo insostenible. No tendremos que esperar mucho para comprobarlo porque probablemente 2027 va a ser un año decisivo en este sector.

Imagen | Nebius

Más información | SCMP

En Xataka | China tiene un plan para ganar a EEUU la guerra de la IA. Y DeepSeek es su campeón

El pasado 12 de septiembre Dario Amodei, el director general de Anthropic, publicó uno de sus ensayos más controvertidos. Lo tituló 'Debemos marcar el ritmo de la frontera' (We Must Pace the Frontier), y en su texto defiende la necesidad de ralentizar el desarrollo de los modelos de inteligencia artificial (IA) de frontera con el propósito de asegurar su correcta alineación con los intereses del ser humano y de minimizar en la medida de lo posible los riesgos derivados de la puesta a punto de las IA más avanzadas.

Este párrafo de su artículo es especialmente clarificador: "Desde este verano, la IA está avanzando mucho más deprisa impulsada principalmente por su creciente capacidad de desarrollar la siguiente generación de modelos. Esta dinámica se denomina automejora recursiva y está empezando a producirse en toda la industria, incluida Anthropic". Podemos entender la automejora recursiva como la capacidad de un modelo de lenguaje de desarrollar de forma autónoma nuevos modelos más avanzados que él mismo.

De las palabras de Amodei se desprende que los modelos más avanzados de Anthropic y otros laboratorios ya están participando en el desarrollo de nuevos modelos de lenguaje más capaces, aunque por el momento ninguna de estas empresas ha demostrado públicamente que uno de sus modelos haya alcanzado la automejora recursiva en sentido estricto. Sin embargo, acaba de producirse un giro inesperado: un grupo de investigadores del MIT (Instituto Tecnológico de Massachusetts) ha demostrado que GPT-6 Astra ha conseguido modificar directamente el funcionamiento de otra IA.

Qué ha conseguido realmente hacer Astra y qué significa

Varios investigadores del Laboratorio de Inteligencia Artificial e Informática del MIT han comprobado que GPT-6 Astra, el modelo de IA de OpenAI, es capaz de modificar directamente los parámetros internos de otra red neuronal para mejorar su comportamiento. Curiosamente, estos científicos han realizado su experimento sobre Qwen3.5-0.8B, un modelo de lenguaje de 800 millones de parámetros desarrollado por la compañía china Alibaba. Lo que ha conseguido hacer Astra es mejorar mucho su rendimiento en operaciones matemáticas manipulando tan solo el 0,016% de sus parámetros.

En Xataka

Explicando el mayor "hackeo" de criptomonedas de la historia: cómo se ha hecho posible lo que parecía imposible

Como explican los investigadores del MIT en su artículo, es impactante que Astra haya logrado mejorar tanto el rendimiento en matemáticas de Qwen3.5-0.8B llevando a cabo una modificación tan modesta. No obstante, también es sorprendente que esta mejora haya sido posible sin recurrir a un nuevo proceso de entrenamiento del modelo. Lo que ha hecho Astra es, sencillamente, modificar el valor de los pesos de Qwen. Para entender por qué esto es importante nos interesa repasar qué son los pesos de un modelo de IA.

A los grandes modelos de lenguaje se les da de maravilla reconocer patrones. De hecho, esta capacidad reside en el corazón de su funcionamiento y se consigue gracias a miles de millones de parámetros numéricos, entre ellos los pesos, que el modelo va ajustando durante el entrenamiento. Una IA es una gigantesca red de miles de millones de pequeñas conexiones. Durante el proceso de entrenamiento, la IA analiza una cantidad ingente de información y va ajustando esas conexiones para aprender a reconocer patrones.

El valor numérico de cada una de esas conexiones determina cuánto influye cada una de ellas en el comportamiento del modelo. Estos valores son los pesos. En vez de reentrenar a Qwen, Astra ha identificado un problema en su funcionamiento y ha manipulado directamente los valores numéricos que lo desencadenaban. Es una estrategia inédita hasta ahora en manos de una IA que abre un nuevo camino a la hora de acelerar el desarrollo de nuevos modelos, aunque no estamos ante la automejora recursiva de la que hemos hablado unas líneas más arriba. No en sentido estricto.

Que los investigadores de los laboratorios de IA tengan una herramienta más en su arsenal a la hora de refinar sus modelos de frontera es una buena noticia. La posibilidad de que un modelo de IA intervenga directamente sobre otras redes neuronales tiene la capacidad de acelerar la investigación científica, de corregir problemas que hasta ahora requerían larguísimos procesos de entrenamiento y de facilitar el desarrollo de modelos más eficientes. Sin embargo, este escenario también plantea riesgos.

Si los modelos de lenguaje más avanzados comienzan a intervenir de una forma más autónoma sobre sus propios componentes o sobre otros modelos, los laboratorios de IA tendrán que encontrar la forma de garantizar que esas modificaciones no desencadenen errores, vulnerabilidades difíciles de localizar o comportamientos anómalos. Además, si las mejoras se acumulan en sucesivas generaciones de modelos de IA, corremos el riesgo de que resulte mucho más complicado evaluar y controlar la evolución de los modelos de frontera.

Imagen | Ruth Gledhill

Más información | Rikiya Takehi (MIT) | Anthropic

En Xataka | China tiene un plan para ganar a EEUU la guerra de la IA. Y DeepSeek es su campeón

La disputa por la supremacía mundial que están librando EEUU y China se sostiene ante todo sobre la inteligencia artificial (IA). En la base de este conflicto residen los chips que se utilizan para entrenar los modelos de lenguaje y ejecutar la inferencia, así como los recursos necesarios para producir estos semiconductores, como algunos minerales críticos. Y sobre la IA sobrevuelan las capacidades estratégicas de estos países que ya se están viendo beneficiadas por esta tecnología, como su desarrollo científico, técnico, económico o militar.

Las decisiones que han tomado los Gobiernos de Washington y Pekín durante los últimos cuatro años ponen encima de la mesa una realidad inapelable: ninguno de ellos está dispuesto a dar un solo paso atrás. A ceder lo más mínimo si ello implica una merma de su capacidad de ejercer presión. Ambos están usando las sanciones para protegerse y debilitar al rival, pero hay otro recurso que con frecuencia pasa inadvertido, y que, sin embargo, puede tener un papel decisivo en la evolución de este conflicto: el espionaje.

The New York Times ha destapado una presunta operación de espionaje diseñada por el Gobierno chino y articulada alrededor de Jensen Huang, el director general de Nvidia. Los servicios de inteligencia estadounidenses llevan al menos dos años siguiendo de cerca a Alice Huang, una ejecutiva de la empresa singapurense Megaspeed, y han llegado a una conclusión: trabaja para los servicios de inteligencia chinos. Huang Le, como también se la conoce, habría pasado inadvertida de no estar vinculada a uno de los pesos pesados de la industria de la IA: Jensen Huang, el director general de Nvidia.

Nvidia lo niega todo

La trama que describe The New York Times podría haber sido extraída del guion de una película de Hollywood, pero es muy real. El 26 de agosto de 2022 el Gobierno de EEUU comunicó a Nvidia que necesitaba una licencia especial para exportar a China dos de sus aceleradores para IA más avanzados: los chips A100 y H100. En la práctica esta medida intentaba evitar sobre todo que las organizaciones chinas que tienen algún vínculo con el ejército chino se hiciesen con estas GPU, y transformó a Nvidia en un arma arrojadiza que ha colocado a Jensen Huang en el punto de mira tanto de la Administración de EEUU como de la de China.

En Xataka

Construir máquinas capaces de estudiar el universo cuesta miles de millones. El CERN ha calculado cuánto dinero nos devuelven

El líder de Nvidia se ha pronunciado públicamente en muchas ocasiones en contra de las restricciones a la exportación aprobadas por el Gobierno de EEUU. Ha advertido a los Gobiernos de Joe Biden primero, y Donald Trump después, de que esta estrategia impulsaría el desarrollo de la industria china de los semiconductores. No obstante, su disconformidad ha tenido otro efecto: ha alimentado las sospechas del Departamento de Comercio de EEUU, que es el responsable de velar por el cumplimiento de las restricciones de exportación. Y, de propina, lo ha colocado en el punto de mira de los servicios de inteligencia.

Entonces, ¿qué pinta Alice Huang en esta trama? La historia es rocambolesca. Su empresa, Megaspeed, opera centros de datos en el sudeste asiático y alquila capacidad de computación a varias empresas chinas, entre las que se encuentra Alibaba. Y las autoridades de EEUU sospechan que ha ayudado a las organizaciones chinas que no pueden conseguir los chips para IA de Nvidia más avanzados a obtenerlos. Pero hay algo más. También creen que Alice Huang y Jensen Huang mantienen desde hace al menos dos años una relación profesional y social muy estrecha.

The New York Times confirma que fueron fotografiados juntos en un bar de Taipéi (Taiwán), en junio de 2024, durante una reunión en la que también participaron otros ejecutivos del sector tecnológico. Todos ellos estaban bebiendo alcohol. En mayo de 2025, de nuevo en Taipéi, volvieron a coincidir en una cena de negocios con más proveedores de la industria, y fueron fotografiados saliendo juntos del restaurante. El relato del Times no afirma que Jensen Huang y Alice Huang tengan, o hayan tenido en el pasado, una relación sentimental, pero lo insinúa de una forma velada.

Nvidia ya se ha pronunciado oficialmente. Y lo niega todo. Asegura que la relación que tienen los dos Huang es estrictamente comercial. También sostiene que sus clientes reciben información ordinaria acerca de su negocio, pero en ningún caso secretos comerciales sensibles ni otros datos relevantes para la seguridad nacional de EEUU. La otra protagonista, Megaspeed, ha abierto una investigación interna y se ha mostrado dispuesta a colaborar con el Gobierno de EEUU.

Imagen | Flickr

Más información | The New York Times

En Xataka | Nvidia está financiando a sus proveedores para garantizar que podrá fabricar todos los chips de IA que quiere vender

Nvidia está viviendo un momento muy dulce. En apenas dos años ha multiplicado por más de tres sus ingresos y por cuatro su beneficio neto. Y lo ha logrado gracias a la enorme demanda de sus aceleradores que ha desencadenado la eclosión de la inteligencia artificial (IA). Sus cifras son espectaculares. Durante el ejercicio fiscal de 2024 sus beneficios crecieron un 581%. En 2025 se incrementaron un 145%. Y en el ejercicio fiscal de 2026, que concluyó el pasado 25 de enero (su calendario fiscal no coincide con el año natural), tuvo un beneficio neto de 120.067 millones de dólares.

Esta evolución pone encima de la mesa una realidad inapelable: el negocio de esta compañía se ha transformado. Su motor históricamente eran las GPU para videojuegos, pero ya no lo son en absoluto. Durante el segundo trimestre de su ejercicio fiscal 2027, que terminó el 26 de julio, el 92,5% de sus ingresos procedió de los centros de datos. No hace falta añadir nada más. Actualmente los aceleradores para IA y su ecosistema lo son todo para Nvidia. O casi todo.

En este escenario, Nvidia está haciendo lo que cualquier entidad con ánimo de lucro haría: asegurar en la medida de lo posible su mercado y dedicar una parte de sus recursos al sostenimiento de su crecimiento. La estrategia que han puesto a punto Jensen Huang y sus colaboradores tiene mucho sentido: están adelantando miles de millones de dólares a sus proveedores para que amplíen sus instalaciones y reserven capacidad de producción para sus aceleradores de IA.

Nvidia necesita reforzar su cadena de suministro

La demanda de chips para IA está creciendo más rápido que la capacidad de fabricación que son capaces de soportar las compañías involucradas en su producción, como TSMC, SK hynix, Samsung o Micron. Estas son las empresas más conocidas, pero Nvidia también necesita a otras corporaciones. De hecho, ha anunciado acuerdos con seis proveedores de componentes esenciales para sus aceleradores de IA. Estas empresas le proporcionan sustratos, capacidad de empaquetado avanzado, pruebas de semiconductores y motores ópticos.

En Xataka

Construir máquinas capaces de estudiar el universo cuesta miles de millones. El CERN ha calculado cuánto dinero nos devuelven

Los sustratos son unos componentes fundamentales para conectar los chips de un acelerador para IA a la placa de circuito impreso. Su fabricación es muy compleja, lo que ha provocado que su disponibilidad sea uno de los mayores obstáculos a los que se enfrentan los fabricantes de semiconductores para incrementar la producción de aceleradores de IA. Sea como sea, Nvidia tiene un plan: quiere incrementar la producción de sustratos 2,5 veces durante los próximos tres años. Y para lograrlo ha llegado a acuerdos con Ibiden, Samsung Electro-Mechanics y Unimicron, tres empresas esenciales en su cadena de suministro.

El empaquetado avanzado es otro de los recursos fundamentales para que la compañía liderada por Jensen Huang pueda sostener su negocio. La producción de un acelerador de IA no acaba cuando se fabrican sus chips. Las GPU modernas integran varios componentes, como las memorias HBM, que tienen que ser ensamblados utilizando técnicas de empaquetado muy sofisticadas. En este terreno Nvidia está respaldando a su principal proveedor de capacidad de empaquetado avanzado, Amkor, para incrementar su capacidad de fabricación de obleas de interposición en más de un 300% antes de que termine 2028. Ambición, desde luego, no le falta.

Imagen | Nvidia

Más información | Tom's Hardware

En Xataka | Estos dos problemas han desconcertado a los matemáticos durante décadas. Un genio los ha resuelto de un plumazo

OpenAI necesita más chips para entrenar y resolver la inferencia de sus modelos de inteligencia artificial (IA). Los centros de datos que administra junto a sus socios, entre los que se encuentran Oracle, SoftBank y CoreWeave, están repletos de servidores con chips de Nvidia. Sin embargo, las instalaciones que está construyendo actualmente en Texas, Nuevo México, Wisconsin, Ohio o Michigan, con toda probabilidad apostarán también por circuitos integrados de la propia OpenAI y Google.

A finales de agosto el laboratorio de IA que dirige Sam Altman presentó Jalapeño, un chip optimizado para tareas de inferencia. Que OpenAI ya tenga sus propios semiconductores para IA no implica que vaya a dejar de comprar a Nvidia sus GPU. Al menos por el momento no ha confirmado que esta sea su intención. Además, como acabo de mencionar, Jalapeño es un chip para inferencia, de manera que las GPU de Nvidia siguen siendo importantes en el proceso de entrenamiento de sus modelos de IA.

Lo que es evidente es que OpenAI quiere reducir su dependencia de la compañía liderada por Jensen Huang. Las GPU de Nvidia tienen un coste muy alto y su disponibilidad oscila mucho debido a las dificultades que tiene TSMC, que es la empresa que las fabrica, a la hora de dar respuesta a la demanda. Además, controlar la fase de diseño de la lógica de estos chips le permitiría optimizarlos para entrenar sus propios modelos y resolver sus cada vez mayores necesidades de inferencia.

Google, de competidor a socio

Según The Information, OpenAI está negociando con Google la compra de sus procesadores para ampliar sus recursos de computación. Si este acuerdo finalmente se concreta, el laboratorio de Sam Altman usará los circuitos integrados de Nvidia, los de Google y también sus propios chips. Esta apuesta es muy contundente, y, en cierto modo, sorprendente en un escenario en el que todavía no está claro ni que OpenAI ni los demás laboratorios de IA vayan a conseguir resolver la tensión que existe entre la necesidad de ser rentables y la de continuar invirtiendo una fortuna en infraestructura.

En Xataka

Construir máquinas capaces de estudiar el universo cuesta miles de millones. El CERN ha calculado cuánto dinero nos devuelven

No obstante, hay algo más que no podemos pasar por alto: OpenAI y Google son competidores directos en el mercado de los modelos de IA. A priori podríamos pensar que a Google no tendría que interesarle vender sus TPU (Tensor Processing Units o Unidades de Procesamiento Tensorial) a uno de sus mayores competidores, pero si analizamos el escenario actual con cuidado nos daremos cuenta de que no tiene por qué ser así. OpenAI alquila chips a Google desde 2025, por lo que este probable acuerdo de compra es un paso más hacia la estabilización de la relación comercial que mantienen estas dos compañías.

Para Google la venta de sus procesadores TPU puede ser una fuente de ingresos muy importante. De hecho, OpenAI no es el único laboratorio de IA que está intentando reducir su dependencia de las GPU de Nvidia. Anthropic está recorriendo este mismo camino. Y los laboratorios de IA chinos también debido a la imposibilidad de acceder a los chips más potentes de Nvidia como consecuencia de las restricciones a la exportación impuestas por el Gobierno de EEUU. Sea como sea, si finalmente la compra prospera, OpenAI gana. Y Google gana. La única que no gana es Nvidia.

Imagen | TSMC

Más información | The Information

En Xataka | Estos dos problemas han desconcertado a los matemáticos durante décadas. Un genio los ha resuelto de un plumazo

Anthropic no es una sociedad mercantil tradicional. Desde su constitución, el 26 de enero de 2021, este laboratorio de inteligencia artificial (IA) está registrado como una PBC (Public Benefit Corporation o Corporación de Beneficio Público). Esta declaración de intenciones significa que sus administradores tienen la obligación de equilibrar los intereses económicos de los accionistas con los de las personas afectadas por la actividad de la empresa. Además, sus estatutos recogen que su objetivo es contribuir al beneficio público.

Dario Amodei, el director general de Anthropic, y otros portavoces de esta compañía han pregonado en muchas ocasiones que su razón de ser es desarrollar y mantener sistemas de IA de una forma responsable y garantizando el beneficio de la humanidad a largo plazo. Todo esto suena muy bien, pero la salida a bolsa de este laboratorio, que está prevista para mediados del próximo mes de noviembre, podría dar al traste con los principios a los que se aferraron sus fundadores cuando salieron de OpenAI y lo constituyeron.

La cúpula directiva de Anthropic tiene un plan para mantener el poder de decisión cuando esta empresa cotice en bolsa. La presión de los accionistas podría amenazar sus principios constituyentes, y para evitarlo los siete cofundadores, entre los que se encuentran los hermanos Daniela y Dario Amodei, han diseñado una estructura que les permitirá controlar conjuntamente el 50,1% de los derechos de voto en determinadas decisiones corporativas. El instrumento que van a utilizar para llevar a cabo su propósito es muy ingenioso.

Siguiendo los pasos de Palantir

Anthropic va a separar el control administrativo y estratégico de la empresa de la propiedad económica de sus acciones. El mecanismo que va a hacer posible este plan gira en torno a la Founder LLC (Founder Limited Liability Company o Sociedad de Responsabilidad Limitada del Fundador), una sociedad de responsabilidad limitada que agrupará a Dario Amodei, director general de Anthropic, a su hermana Daniela Amodei, presidenta de la compañía, y a los otros cinco cofundadores.

En Xataka

Construir máquinas capaces de estudiar el universo cuesta miles de millones. El CERN ha calculado cuánto dinero nos devuelven

Esta entidad va a recibir una sola acción de clase F, que no es otra cosa que una acción especial que aglutinará el 50,1% del poder de voto en las decisiones sometidas a los accionistas. Este mecanismo se parece mucho al que usa Palantir para proteger el control de sus fundadores, por lo que, en realidad, no se trata de una estrategia nueva, aunque es relativamente inusual. Dario Amodei tendrá una participación económica relativamente modesta, pero la estructura de voto le permitirá ejercer una influencia muy superior a la que le correspondería por su porcentaje de propiedad.

Por otro lado, este diseño encaja como un guante con el compromiso de los fundadores de donar el 80% de su participación económica a organizaciones benéficas. Además, Anthropic está contemplando la posibilidad de entregar a sus empleados un tipo especial de acciones que les serviría para deshacer empates en las votaciones que estén igualadas. Esta decisión, si finalmente la lleva a efecto, respaldará el equilibrio de su estructura de gobierno, aunque el control de los fundadores seguirá siendo un elemento central.

Sea como sea, el plan de Anthropic implica riesgos. La retención férrea del control del laboratorio que planean mantener los fundadores podría disuadir a algunos posibles accionistas, a los que quizá no les convenza tener una capacidad de influencia muy limitada. Por otro lado, la salida a bolsa no eliminará la tensión entre la necesidad de ser rentable y la de preservar la seguridad de la IA. Su estructura persigue permitir a la cúpula directiva renunciar a oportunidades comerciales para priorizar la seguridad, pero no está claro cómo encajarán los accionistas que este tipo de decisiones perjudiquen sus resultados financieros a corto plazo.

Imagen | TechCrunch (editada)

Más información | TechCrunch

En Xataka | "No confío en que Anthropic y OpenAI abran la IA de frontera": un ingeniero de DeepSeek carga contra EEUU

La comunidad matemática sigue conteniendo el aliento. Todavía no se ha recuperado de la catarsis que desencadenó el pasado 6 de octubre la publicación de golpe de más de 700 resultados matemáticos producidos por un modelo de frontera interno de OpenAI, y ya ha llegado el siguiente hito científico. Y es que el laboratorio de inteligencia artificial (IA) liderado por Sam Altman asegura haber logrado avances en tres problemas científicos muy complejos.

No obstante, en esta ocasión no todos los resultados están apegados estrictamente a la investigación en el área de las matemáticas. Uno de ellos sí lo está, pero los otros dos abordan la informática teórica y la física. En el ámbito de las matemáticas el modelo de IA interno usado por OpenAI ha contribuido, en teoría, al esclarecimiento del problema de Kakeya, una conjetura que estudia las propiedades de los conjuntos que contienen un segmento de longitud unidad en todas las direcciones.

Esta simple definición ya es complicada, es verdad, pero lo que nos interesa es saber que la conjetura de Kakeya tiene a los matemáticos enfrascados desde hace más de tres décadas. Por otro lado, el resultado del terreno de la informática teórica afecta a la hipótesis del tiempo exponencial, que sostiene, a grandes rasgos, que determinados problemas computacionales no pueden resolverse mediante algoritmos exactos en un tiempo subexponencial. El resultado de OpenAI cuestiona esta tesis.

El tercer resultado, el del ámbito de la física teórica, aborda la cromodinámica cuántica, la teoría que describe la interacción fuerte entre los quarks y los gluones. Lo curioso es que, a diferencia de lo que hizo a principios de octubre cuando publicó de golpe los más de 700 resultados que he mencionado en las primeras líneas de este artículo, OpenAI no ha dado a conocer estos tres resultados de forma masiva. Y no lo ha hecho porque no quiere volver a desencadenar las mismas críticas que ha recibido por parte de la comunidad matemática.

OpenAI anda con pies de plomo

No tiene otra opción. Si no quiere que los investigadores se le echen de nuevo encima, debe encontrar otra estrategia de publicación de los resultados que entregan sus modelos de IA de frontera. Precisamente, OpenAI está buscando la fórmula adecuada: "Nuestro proceso de publicación sigue evolucionando en respuesta a los comentarios de las comunidades académicas de estas disciplinas. A nuestro juicio, lo más adecuado es considerar estos manuscritos como una forma de datos de investigación sin procesar".

En Xataka

Construir máquinas capaces de estudiar el universo cuesta miles de millones. El CERN ha calculado cuánto dinero nos devuelven

Según este laboratorio, la comunidad académica tiene la última palabra acerca de la elección de la estrategia de publicación que utilizará en el futuro: "Para convertir estos datos de investigación sin procesar en conocimiento científico, en esta publicación estamos probando un nuevo enfoque. Contactamos con expertos externos y les pedimos que asumieran una función de coordinación, organizando grupos para comprender los nuevos resultados".

Curiosamente, OpenAI asegura que los expertos a los que ha consultado recomiendan tres estrategias de publicación diferentes: "Para el resultado de matemáticas, publicar el contenido generado por la IA y dejar que los investigadores se organicen libremente para explicarlo [...] Para el resultado de informática, formar un grupo externo de colaboradores que lo expliquen y, al mismo tiempo, hacer público el contenido generado por la IA para que cualquiera pueda examinarlo y avanzar a partir de él [...] Para el resultado de física, formar un grupo externo de colaboradores y dejar en sus manos la decisión sobre la publicación de los materiales".

En este escenario es importante que tengamos en cuenta una premisa esencial: que un modelo de IA entregue una demostración formalizada no implica automáticamente que haya resuelto el problema científico en discusión. La comunidad académica debe comprobar que los razonamientos son válidos, que la formalización encaja en el enunciado apropiado y que las conclusiones resisten el escrutinio de los expertos. Todavía no sabemos si la academia dará su visto bueno a todos los resultados que están entregando los modelos de IA de OpenAI, pero probablemente no tendremos que esperar mucho para comprobarlo.

Imagen | Jeswin Thomas

Más información | OpenAI

En Xataka | Estos dos problemas han desconcertado a los matemáticos durante décadas. Un genio los ha resuelto de un plumazo