Claude lidera el 26% del desarrollo y Anthropic, quien plantea la “teoría de desaceleración de la IA”, genera un intenso debate sobre la “IA desarrollando IA”. El paradigma de entrenamiento RSI cataliza una gran expansión de la demanda de poder computacional.

Según ha sabido Zhihui Finance APP, el líder mundial más sólido en aplicaciones de IA, Anthropic, anunció el 17 de septiembre los resultados de sus mediciones, mostrando que hasta agosto, Claude ya "dominaba" el 26% del trabajo de I+D en IA, y la proporción del trabajo que alcanza o supera el nivel de "colaboración" supera el 90%. Con Anthropic y OpenAI centrando totalmente sus esfuerzos en RSI (Recursión de Auto-mejora) —el más reciente paradigma de entrenamiento de grandes modelos de IA—, las capacidades de I+D en los laboratorios de vanguardia se están potenciando y el tamaño del capital se expande simultáneamente; ahora, el foco de los inversores de la industria global de IA se ha extendido desde grandes modelos de IA y productos inteligentes de IA puros hacia plataformas de I+D e infraestructuras de computación a largo plazo, tanto en capacidad como en cobertura.

Según una serie de informes recientes de medios que citan a personas familiarizadas con el asunto, los inversores y OpenAI, otro líder en aplicaciones de IA, están discutiendo una nueva ronda de financiación que podría valorar la empresa en 1,2 billones de dólares, y la compañía busca una valoración de aproximadamente 1,5 billones; la valoración de Anthropic tras la ronda de financiación de mayo fue de 965 mil millones de dólares, y la IPO en discusión actualmente busca captar hasta 100 mil millones con una valoración propuesta de aproximadamente 2 billones de dólares, lo que haría que la emisión de acciones igualara o incluso superara notablemente a SpaceX, marcando un nuevo récord histórico — estos 2 billones corresponden al valor previsto para la salida a bolsa, no al valor de mercado ya alcanzado mediante una transacción completada.

El recién lanzado gran modelo Astra por OpenAI expande aún más el alcance de tareas profesionales que la IA puede asumir. Jensen Huang, CEO de Nvidia, luego afirmó en redes sociales que la llegada de GPT-6 Astra significa que la "AGI (Inteligencia Artificial General) ha llegado". A esto se suma el robusto rango de ingresos confirmado de Nvidia y las fuertes proyecciones de envíos posteriores, más el salto de la I+D en grandes modelos de IA hacia el innovador estadio de “recursión de auto-mejora (RSI)”, lo que abre una nueva curva de aceleración en la demanda de potencia informática en IA — es decir, se prevé que Astra amplíe la demanda de potencia de IA en aplicaciones comerciales, y la trayectoria RSI en la que la IA comienza a "crear IA" podría incrementar la experimentación, evaluación y entrenamiento continuo sostenido en operadores de vanguardia, prolongando así el ciclo de inversión en potencia de cálculo. Esto explica el gran alza en las acciones estadounidenses relacionadas con potencia de IA este jueves, donde el Índice de Semiconductores de Philadelphia subió más de un 3%.

Cabe destacar que, poco después de que Anthropic revelara que Claude contribuye con el 26% de su inversión en I+D y antes de su arrollador intento por lograr la mayor IPO de la historia humana, su CEO lanzó el pasado fin de semana una declaración significativa por la "desaceleración de IA". El mercado también ha comenzado esta semana a valorar los riesgos vinculados a la discusión sobre desacelerar el avance de la IA: tanto Anthropic como OpenAI y otros líderes globales en IA abogaron durante el fin de semana por una ralentización en el desarrollo de grandes modelos de IA de vanguardia.

El debate sobre la "desaceleración de la IA" afecta al juicio del mercado sobre el ritmo de innovación, la ruta del gasto de capital y la compensación de riesgos, pero no implica que la demanda actual de aplicaciones de IA haya dejado de crecer. El 12 de septiembre, Amodei pidió frenar el ritmo del aumento de capacidades de los modelos, y Altman luego coincidió señalando la necesidad de controlar el avance de la vanguardia, aunque la industria no ha logrado un consenso absoluto respecto a los métodos de coordinación, evaluación externa y arreglo regulatorio.

¡Claude, por sí solo, domina el 26% del trabajo de I+D! Importante revelación de Anthropic sobre la implicación de la IA en investigación y recursos de seguridad

Un informe presentado el jueves por Anthropic PBC indicó que más de una cuarta parte del trabajo de I+D en inteligencia artificial es impulsado por su línea insignia de chatbot o productos de agentes inteligentes IA Claude, brindando así la señal más clara hasta la fecha de que la tecnología de IA realmente puede acelerar de manera significativa el desarrollo de modelos futuros.

Según el último informe oficial publicado el jueves, Anthropic descubrió que Claude "domina" el 26% del trabajo de I+D de la compañía, mientras que a principios de año este porcentaje era prácticamente nulo. El desarrollador de IA también afirmó que Claude colabora con los empleados en aproximadamente el 90% de los procesos laborales o de tareas complejas.

Estos datos forman parte de un informe más amplio, diseñado para ayudar al público a seguir los progresos en el desarrollo de la IA, en respuesta a la preocupación creciente de que esta tecnología pueda mejorar rápidamente por sí sola y escapar al control humano.

La empresa también reafirmó su plan de introducir evaluadores externos de terceros provenientes de varias organizaciones dentro de sus propias instalaciones, otorgándoles acceso a procesos internos, sistemas y datos al mismo nivel que los empleados, con el objetivo de perfeccionar la seguridad de la tecnología IA y los sistemas de control y gestión de riesgos en torno a las aplicaciones de inteligencia artificial.

“Las capacidades de los sistemas de IA están creciendo exponencialmente, y han comenzado a automatizar una mayor parte del proceso de construcción autónoma. Mientras se discute a nivel global una desaceleración en el desarrollo de la IA de vanguardia, el público necesita más información”, escribió la compañía.

Anthropic es una de varias empresas de IA enfocadas en la “Recursión de Auto-mejora” (RSI). Este concepto se refiere a sistemas capaces de mejorar sus propias habilidades con poca o ninguna ayuda humana. Algunas empresas ven esto como el futuro del desarrollo de la IA, aunque, una vez realizada, esta forma de capacidad superior puede acarrear amenazas de seguridad preocupantes.

Anthropic señala en su blog que intenta construir un marco para rastrear agentes y monitorizar la magnitud del trabajo que completan en su plataforma. Según la empresa, hasta agosto había más de 30.000 agentes realizando investigación e ingeniería al mismo tiempo dentro de la compañía.

Anthropic también ha detallado la asignación de recursos entre la aceleración del desarrollo de IA y la seguridad de IA. De acuerdo a sus mediciones, entre el 6% y el 12% de los recursos informáticos de la empresa —según el tipo de investigación desarrollada— se destinan a la monitorización de seguridad.

A principios de septiembre, su máximo rival en grandes modelos de IA, OpenAI, también compartió en su blog sus avances sobre la automatización de la investigación, señalando que tras descubrir que uno de sus modelos accedió ilegalmente a sistemas externos de Hugging Face, la empresa detuvo el entrenamiento de ciertos modelos.

La semana pasada, Jacob Corkson, empleado de Anthropic, dejó la empresa de forma pública y llamativa, avivando aún más la preocupación sobre los riesgos existenciales de la IA para la sociedad humana. En su publicación de renuncia en redes sociales, acusó a los desarrolladores de IA de estar “apostando con nuestras vidas”.

En días recientes, varios directivos de empresas de IA, incluyendo al CEO de Anthropic Dario Amodei y al CEO de OpenAI Sam Altman, pidieron ralentizar el desarrollo de la tecnología para afrontar sus riesgos cada vez menos previsibles — aunque hay diferencias respecto a cómo debería llevarse a cabo.

El sábado, Amodei, en un extenso escrito de 3.800 palabras, pidió regulación gubernamental y solicitó que la industria tecnológica apoye más ampliamente las iniciativas de desaceleración de la IA. Esto provocó la fuerte oposición del presidente estadounidense Donald Trump, quien desestimó las preocupaciones sobre el riesgo de esta tecnología como un “fraude tecnológico” y rechazó la idea de implementar nuevas regulaciones.

Otros líderes del sector tecnológico también respondieron. Altman y el CEO de Nvidia, Jensen Huang, defienden que las empresas de IA pueden controlar por sí mismas el ritmo del desarrollo de la IA de manera segura; el CEO de Meta Platforms, Mark Zuckerberg, considera que los laboratorios de IA deben confiar en evaluadores independientes y consultores de operaciones de seguridad para garantizar la seguridad de los modelos.

¿Desde la “IA como ayuda a la investigación” hacia la recursión de mejora: se abre una nueva dimensión de demanda de potencia de IA?

El significado de la inversión en Astra y RSI radica en que los grandes modelos de IA de alto rendimiento y la propia I+D en IA se están convirtiendo en nuevos escenarios de consumo sostenido de potencia de cálculo. OpenAI reveló el 6 de septiembre que ya ha logrado su objetivo de “practicantes de investigación automatizados”, capaces de completar —bajo supervisión humana— tareas que normalmente requerirían días de trabajo a cargo de un investigador experimentado; hasta mediados de agosto, cada día laboral humano correspondía a unos 3,1 días de trabajo de agentes inteligentes. Esto mide la duración de operación y no significa un aumento de 3,1 veces en la productividad investigadora. Por lo tanto, se puede deducir que la automatización de la investigación incrementará tanto la generación de código y la inferencia para evaluación experimental como la demanda de entrenamiento para modelos candidatos. Sin embargo, RSI aún no es el paradigma dominante ya establecido; la dirección de la investigación y la asignación de recursos todavía están decididas por humanos.

El modelo Astra GPT-6 de OpenAI y la orientación de los líderes de IA sobre la RSI se perfilan como los dos principales motores para expandir exponencialmente la demanda de potencia de IA, ya que mejores modelos y herramientas más amplias de aplicación intensifican la necesidad de infraestructura de potencia de IA. OpenAI informó recientemente que Astra ha reforzado su capacidad de programación, navegación, operación de computadoras y ejecución de tareas complejas, ampliando el abanico de trabajos en los que el modelo puede participar. El responsable de producto señaló que la demanda de Astra genera presión sobre la infraestructura; desde el 10 de septiembre, la empresa suspendió nuevas suscripciones y actualizaciones al plan Pro 20X de 200 dólares mensuales, mientras que los actuales pueden renovarse normalmente.

La esencia de la Recursión de Auto-mejora (Recursive Self-Improvement, RSI) es involucrar a la IA en el desarrollo de IA más potente, y dejar que los modelos resultantes sigan mejorando a su vez las capacidades de I+D, formando así un bucle de retroalimentación iterativo. No se trata de un nuevo algoritmo que sustituya al pre-entrenamiento o a la RL, sino de un paradigma de I+D que abarca desde el diseño de la investigación, la codificación, la experimentación, la evaluación de resultados y la iteración de modelos. Hasta ahora, los avances demostrados públicamente por Anthropic y OpenAI se centran principalmente en la automatización supervisada por humanos, y aún no han alcanzado una recursión totalmente autónoma e independiente de intervención humana.

Hasta agosto, Claude había "dominado" el 26% de las tareas de I+D en IA, y la proporción de funciones en las que había alcanzado o superado el nivel de "colaboración" era superior al 90%. Unas 30.000 agentes inteligentes estaban simultáneamente implicados en investigación e ingeniería en la plataforma interna más utilizada por la empresa. La importancia industrial de estos datos es que la IA ha pasado de ser una herramienta de soporte ocasional para los investigadores a convertirse en un recurso ejecutor que participa continuamente en los procesos de I+D; la propia actividad investigadora está emergiendo como una fuente sostenida de demanda de computación por inferencia.

El enfoque RSI por parte de Anthropic y OpenAI busca, ante todo, aumentar la eficiencia en todo el proceso de iteración investigadora. Este proceso en sí requiere más experimentos en paralelo y agentes de investigación en funcionamiento permanente. Desde el punto de vista ingenieril, los agentes de investigación pueden ayudar a plantear y filtrar propuestas, modificar código de entrenamiento, generar configuraciones experimentales, ejecutar pruebas y analizar resultados, permitiendo a los investigadores explorar simultáneamente más caminos; la reflexión y programación de los agentes requiere potencia para inferencia, y validar propuestas exige recursos de entrenamiento, evaluación y procesamiento de datos.

OpenAI ha comunicado que hasta mediados de agosto, por cada jornada laboral humana de su organización investigadora se registraron alrededor de 3,1 jornadas estándar de agentes inteligentes; el investigador típico, clasificado por uso, consumía a diario más de 600 dólares en inferencia (según precios API), lo cual es una conversión de tiempo de ejecución y precios de servicio, no una duplicación de productividad ni un coste real en efectivo interno. La empresa también ha señalado que, a medida que otros cuellos de botella en I+D se reducen, los recursos de computación pueden convertirse en la limitación principal. La investigación en seguridad constituye asimismo una carga de trabajo independiente: entre el 13 y el 20 de julio, Anthropic dedicó el 6% del cálculo total de IA y un 12% del cálculo de I+D impulsado por IA a procesos de seguridad relacionados con IA.

Estos avances en la investigación sobre RSI y el lanzamiento disruptivo del modelo Astra, sumados al debate sobre AGI, indican que cuando los grandes modelos de IA asuman plenamente más funciones de I+D, la industria no solo destinará potencia a entrenar modelos, sino que también se requerirá potencia para ejecutar agentes de investigación, quienes organizarán aún más experimentos; la automatización de la investigación ampliará la escala de experimentos posibles y aumentará los requisitos de capacidad, eficiencia de asignación y fiabilidad informática.

El catalizador más importante de la inversión temática en potencia de IA provocada por RSI y Astra no es sólo "el aumento de los parámetros del modelo", sino la expansión del alcance de tareas que puede asumir la IA y la profundización de los procesos de ejecución de cada tarea: la inferencia orientada al usuario y la investigación orientada al desarrollo de modelos amplían conjuntamente el espacio de demanda a largo plazo para los recursos de infraestructura de potencia de IA. RSI y Astra envían señales directas de demanda desde el sector comercial, permitiendo que “automatización de I+D + inferencia de usuario” constituyan dos trayectorias simultáneas de crecimiento de la demanda de potencia de cómputo.

Según el informe de previsión de la conocida consultora TrendForce, el volumen de envíos de racks NVL72 crecerá más del 50% interanualmente en 2027; el valor total de los sistemas de racks NVL alrededor de las GPU de IA de Nvidia (incluidos GB200/GB300 y la próxima generación basada en la arquitectura Vera Rubin) podría superar los 710 mil millones de dólares, con un crecimiento anual del 214% impulsado por actualizaciones de producto y subidas de precios. A medida que Astra y otros grandes modelos avanzados lideran la demanda de potencia de IA aún más fuerte, Morgan Stanley prevé que el gasto total de capital en centros de datos de los cuatro grandes proveedores norteamericanos de supercloud y aplicaciones de IA crecerá de 917 mil millones de dólares en 2026 a 1,47 billones en 2027 y 1,64 billones en 2028, mientras que la capacidad desplegada aumentará de 35 GW en 2025 a 145 GW en 2028.

Desde la perspectiva de la arquitectura de los sistemas de inferencia, las tareas más complejas suelen requerir un mayor contexto, uso reiterado de modelos, ejecución de herramientas y validación de resultados: el Prefill debe procesar la entrada, el Decode generar salida de forma continuada, y la caché de clave-valor (KV Cache) consume más memoria a medida que los contextos y las concurrencias crecen, exigiendo mejoras coordinadas en el rendimiento de cálculo, el ancho de banda y la capacidad de memoria. Una conclusión industrial adicional es que las GPU y TPU ejecutan los cálculos del modelo, las CPU se encargan de la ejecución de herramientas y la coordinación de tareas, la HBM, DRAM de servidor, almacenamiento y las infraestructuras de red de alto rendimiento, y los dispositivos ópticos de interconexión en centros de datos soportan la transferencia eficiente de datos y la gestión de estados; en última instancia, será necesario que enormes clústeres de servidores de potencia IA puedan ofrecer servicios operativos sostenibles a gran escala en el futuro.