La guerra de la IA en tres frentes: Nvidia supuestamente se abre camino, bancos prestan cientos de miles de millones a nivel global – e IA puede ahora automatizar su propio entrenamiento

Tres eventos. Un movimiento.

Suele ser fácil tratar las noticias de tecnología como eventos separados — un acuerdo aquí, un estudio allá. Pero a veces varias noticias cuentan la misma historia, y esta semana es un ejemplo claramente así.

Según TechCrunch, Nvidia estaría a punto de adquirir Hugging Face — a menudo descrita como una especie de GitHub para modelos de IA — por nada menos que 13 mil millones de dólares, equivalente a aproximadamente 130 mil millones de coronas suecas. El acuerdo aún no está confirmado, pero encaja en un patrón claro: Nvidia recientemente también firmó un acuerdo por seis mil millones de dólares con el constructor de modelos Poolside, y la empresa de servicios de pago Stripe compró OpenRouter por más de siete mil millones de dólares. El capital se dirige hacia modelos abiertos a una velocidad que no habíamos visto antes.

Al mismo tiempo, TechCrunch reporta que la empresa de nube de IA Lambda ha obtenido un préstamo privado de mil millones de dólares — gestionado por JP Morgan Chase — para comprar procesadores de Nvidia que luego serán arrendados a Microsoft. Es la tercera vez en poco tiempo que Lambda utiliza financiamiento de deuda para mantenerse en la carrera armamentista: en mayo la empresa cerró una línea de crédito por mil millones de dólares, y esta semana se anunció un préstamo adicional de 926 millones de dólares. A nivel mundial, bancos y empresas de tecnología han tomado prestado más de 400 mil millones de dólares relacionados con IA, según compilaciones de Bloomberg.

Y luego — en medio de todo este ruido financiero — Anthropic publica un estudio que demuestra que los sistemas de IA pueden automatizar partes del proceso de investigación que normalmente requiere ingenieros experimentados. El sistema supera lo que los investigadores humanos realizan en promedio, lo hace en seis horas, y cuesta aproximadamente 40 coronas suecas por hora en comparación con 1.500 coronas para una persona.

¿Por qué Nvidia compra una plataforma de modelos?

La respuesta simple es diversificación de riesgo — pero es más matizado que eso. Nvidia hoy es fuertemente dependiente de los grandes proveedores de nube y laboratorios de IA. Pero estos laboratorios ahora están comenzando a desarrollar sus propios circuitos de computación. OpenAI presentó esta semana su circuito desarrollado internamente llamado Jalapeño. Si los constructores de modelos fabrican sus propios circuitos, el mercado de Nvidia se reduce desde arriba.

¿La solución? Entrarse en el ecosistema desde abajo. Hugging Face tiene millones de desarrolladores que comparten, prueban e implementan modelos abiertos. Al poseer esa plataforma, Nvidia puede establecer estándares, integrar sus propias herramientas y vincular una amplia base de desarrolladores a su ecosistema de hardware. No es una compra de un producto — es una compra de una dependencia.

Lambda y la lógica del endeudamiento

La estrategia de Lambda es diferente pero igualmente reveladora. La empresa compra hardware a crédito, lo arrienda a Microsoft y cuenta con que los ingresos paguen la deuda lo suficientemente rápido como para que sea rentable. Funciona mientras la demanda de potencia de cómputo sea más fuerte que los costos de intereses — lo cual evidentemente lo es en este momento.

Pero el modelo es sensible. Requiere que los procesadores de Nvidia sigan siendo las opciones obvias, que la demanda no se enfríe y que el mercado de crédito permanezca accesible. Lambda juega un juego alto con dinero ajeno — y está lejos de estar sola en esto.

La variable que se mejora a sí misma

El estudio de Anthropic es la más interesante a largo plazo de las tres noticias. El sistema que describen — que automatiza el entrenamiento, evalúa resultados y preserva los métodos exitosos en ciclos de 30 minutos — apunta hacia lo que durante mucho tiempo se ha discutido como el próximo gran umbral en el desarrollo de la IA: la automejora recursiva.

Los investigadores son cuidadosos al destacar las limitaciones, y eso debe respetarse. Pero la dirección es clara. Si los sistemas de IA pueden mejorarse a sí mismos a un ritmo más rápido y barato que la investigación humana, entonces toda la premisa de lo que cuesta construir modelos mejores cambia — y por lo tanto quién tiene los medios para competir.

No es una amenaza para quienes ya son grandes. Es una amenaza para quienes esperaban alcanzarlos.