Artículos Relacionados con Computación

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Computación", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

La amenaza de la computación cuántica se acerca: las criptomonedas podrían exponer el riesgo antes que los bancos

La computación cuántica plantea un riesgo para todos los sistemas que dependen de criptografía, pero las criptomonedas podrían ser las primeras en enfrentar un ataque real debido a su naturaleza descentralizada y libro público abierto. Expertos como Eddy Zervigon de Quantum Xchange las describen como el "canario en la mina": un primer indicador de que existe una computadora cuántica capaz de ejecutar algoritmos como el de Shor para romper la criptografía de curva elíptica que protege activos como Bitcoin. Aunque esta tecnología aún no existe, estimaciones de compañías como IBM y avances de Google apuntan a que podría estar operativa hacia 2029. El desafío principal para las criptomonedas no es la criptografía en sí, sino la velocidad de su proceso de gobernanza descentralizado. Mientras instituciones financieras tradicionales pueden migrar rápidamente a estándares poscuánticos con decisiones internas, las cadenas públicas como Bitcoin requieren un amplio consenso entre participantes globales anónimos, un proceso históricamente lento y conflictivo. Una migración completa de todas las direcciones vulnerables podría llevar al menos 76 días en condiciones ideales, y debe completarse antes de que exista una computadora cuántica capaz, debido al riesgo de ataques instantáneos a transacciones expuestas. Además, la amenaza no es binaria. No se necesita descifrar instantáneamente; bastaría con hacerlo en meses para que los datos o fondos sigan siendo valiosos. Un tercio de los bitcoins ya tienen sus claves públicas permanentemente expuestas en la cadena, haciéndolos blanco potencial de ataques "estáticos". Las soluciones técnicas poscuánticas están disponibles, pero la prueba real es si la gobernanza descentralizada puede coordinarse a tiempo. El sector cripto podría ser la primera alarma, y su respuesta marcará el camino para el resto de la infraestructura financiera.

marsbitHace 3 hora(s)

La amenaza de la computación cuántica se acerca: las criptomonedas podrían exponer el riesgo antes que los bancos

marsbitHace 3 hora(s)

¿Repitiendo el "momento DeepSeek"? Wall Street coincide: Kimi K3, en cambio, refuerza la demanda de potencia de cómputo

Los analistas de Wall Street de UBS, Nomura, Bank of America Merrill Lynch y Citigroup argumentan que el lanzamiento del modelo de IA Kimi K3, un LLM de código abierto de 2.8 billones de parámetros, no debilita sino que refuerza la demanda de capacidad de cálculo (computación). A diferencia del impacto en eficiencia visto con DeepSeek R1, K3 se centra en la escala, con características como una ventana de contexto de 1M de tokens, inferencia continua y arquitectura MoE. Estas características aumentan la presión sobre los recursos de inferencia, memoria, red y almacenamiento. Los bancos citan la "Paradoja de Jevons": modelos más asequibles impulsan un uso y despliegue más amplios, incrementando finalmente el consumo total de recursos. La competencia entre modelos líderes chinos y estadounidenses probablemente acelere las inversiones en infraestructura de IA. Los sectores beneficiados identificados incluyen el almacenamiento (p.ej., HBM, eSSD), la computación (p.ej., NVIDIA, TSMC), las redes (necesidad de clústeres de "supernodos") y las plataformas en la nube. En resumen, se considera que los modelos de código abierto potentes como K3 no son el final de la demanda de infraestructura de IA, sino un catalizador para su próxima fase de expansión, siempre que el crecimiento del volumen de tokens y las cargas de trabajo complejas continúen.

链捕手07/21 06:21

¿Repitiendo el "momento DeepSeek"? Wall Street coincide: Kimi K3, en cambio, refuerza la demanda de potencia de cómputo

链捕手07/21 06:21

Un inversor camina 20,000 pasos en Shanghai

A orillas del río Huangpu, una multitud se congrega. La Conferencia Mundial de Inteligencia Artificial (WAIC) celebra su novena edición con una escala sin precedentes: más de 10.000 m² de espacio expositivo, 1.100 empresas y más de 300 lanzamientos globales. La fiebre es tal que las entradas, con un precio original de 168 yuanes, se llegaron a revender por 2.000. El evento, repartido en varios pabellones, muestra la evolución del sector: desde competir por parámetros hasta demostrar aplicaciones reales. El pabellón H1 exhibe grandes modelos y agentes, con lanzamientos como el modelo K3 de Kimi. El H2 es una exhibición de potencia de cálculo, destacando la solución Atlas 950 de Huawei. El H3, el más concurrido, es un paraíso robótico con más de 200 empresas y 300 robots en funcionamiento, incluido el exoesqueleto transformable GD01 de Unitree y los robots industriales de智元. El H4 alberga la zona de startups, con más de 160 proyectos emergentes. Los inversores son una presencia constante. Su agenda está repleta: ver lanzamientos, reuniones con fundadores, paneles y eventos paralelos organizados por fondos como Sequoia China, Hillhouse y ZhenFund. "Caminar 20.000 pasos al día no es una exageración", comentan. El fervor refleja el auge de la inversión en IA: en el primer semestre de 2026, el sector de la inteligencia encarnada recaudó más de 90.000 millones de yuanes, y toda la IA superó los 300.000 millones. Surgen unicornios valuados en decenas de miles de millones, como智谱 y DeepSeek, y se especula con próximas salidas a bolsa. La convicción entre los inversores es clara: así como internet generó empresas billonarias, la IA lo hará más rápido. Con "la munición" en la mano, buscan entre stands y reuniones dibujar el mapa tecnológico de la próxima década, sin querer perderse la próxima gran oportunidad.

marsbit07/19 07:31

Un inversor camina 20,000 pasos en Shanghai

marsbit07/19 07:31

Lanzamiento detenido repentinamente: Gemini 3.5 Pro se retrasa, Google cae en la trampa de la decepción

Ayer, el mundo de la IA estaba eufórico ante los rumores del lanzamiento inminente de Gemini 3.5 Pro de Google (con nombre en clave «Cappuccino»), prometiendo una ventana de contexto de 2 millones de tokens y capacidades que superarían a GPT-5.6 y Claude Fable 5. Sin embargo, un informe exclusivo de Bloomberg reveló hoy un retraso de varios meses en su publicación. La causa principal, según fuentes internas, es que el modelo no cumplió los estándares exigidos, especialmente en capacidades de codificación IA. Un último intento por mejorar esta función con nuevos datos de entrenamiento tuvo resultados «decepcionantes». El retraso provocó una caída en las acciones de Google y expuso problemas estructurales dentro de la compañía: una burocracia compleja que ralentiza la innovación, dificultades internas para priorizar el uso de IA en la codificación por parte de sus ingenieros, y una aparente escasez de recursos de computación (GPU) para sus propios equipos, a pesar de sus enormes inversiones en infraestructura. Este entorno ha generado frustración y una fuga de talento hacia competidores como OpenAI y Anthropic. Analistas como Ethan Mollick sugieren que este no es un problema exclusivo de Google, sino parte de una tendencia más amplia llamada la «trampa de la decepción de los grandes modelos de próxima generación», donde los avances se vuelven marginales y extremadamente costosos, señalando un posible estancamiento en el ritmo de desarrollo de la IA. El episodio subraya los crecientes desafíos que enfrentan incluso los gigantes tecnológicos en la carrera por la supremacía en inteligencia artificial.

marsbit07/17 08:28

Lanzamiento detenido repentinamente: Gemini 3.5 Pro se retrasa, Google cae en la trampa de la decepción

marsbit07/17 08:28

GPT-5.6 Sol de repente se vuelve más tonto, ¿el presupuesto de razonamiento se reduce de 960 a 128? ¿Ya no hay un modelo de inteligencia fija?

El equipo japonés que usaba Codex Sol MAX para tareas complejas notó un repentino descenso en su rendimiento: de una calidad "12 o 13" cayó a un "8", perdiendo profundidad en el razonamiento. La queja se repitió en la comunidad: el modelo responde más rápido, pero parece menos reflexivo. Los usuarios investigaron y descubrieron un parámetro interno no documentado: el "juice value". Este valor, que refleja el presupuesto de cómputo para razonamiento, habría bajado de 960 a 128 para el modo Max, una reducción del ~87%. Simultáneamente, el contexto útil se redujo de ~372k a ~272k tokens. Tibo (Thibault Sottiaux) de OpenAI respondió que no hubo "nerf" (reducción de inteligencia). Explicó que estaban optimizando la eficiencia del razonamiento para liberar capacidad (~10% más de uso para suscriptores). También citó un experimento para analizar un uso mayor al esperado, en el que ajustaron temporalmente el "juice value" (esfuerzo de razonamiento), pero ya lo revirtieron. Asimismo, mencionó que están ajustando el uso de multi-agentes y auto-revisiones. El incidente destaca la tensión entre la eficiencia operativa de la plataforma y la experiencia del usuario. Para los usuarios, un "juice value" más bajo se traduce en que el modelo "piensa menos". El debate expone cómo el rendimiento percibido de un modelo puede variar mediante parámetros de configuración internos que controla el proveedor, llevando a algunos a comparar el servicio con una "bombilla cuya intensidad controla la plataforma". La comunidad pide más transparencia sobre las garantías específicas que ofrece cada nivel de servicio.

marsbit07/15 03:35

GPT-5.6 Sol de repente se vuelve más tonto, ¿el presupuesto de razonamiento se reduce de 960 a 128? ¿Ya no hay un modelo de inteligencia fija?

marsbit07/15 03:35

¿Después de una valoración de 1000 millones y una fuerte apuesta de Nvidia, Prime Intellect ¿está borrando su etiqueta Web3?

Prime Intellect, una infraestructura de IA descentralizada fundada en 2024, ha completado una ronda de financiación Serie A de 130 millones de dólares con una valoración de 1.000 millones. La inversión fue liderada por Radical Ventures y contó con la participación poco común de los brazos de capital de riesgo de NVIDIA, Intel y Dell Technologies. La empresa anunció que sus ingresos anualizados (ARR) superan ya los 100 millones de dólares, con más de 6.000 clientes empresariales. La plataforma ha evolucionado desde proyectos de investigación distribuida global (como sus modelos INTELLECT) hacia un producto comercial integral: Prime Intellect Lab. Este entorno unificado permite a empresas entrenar, optimizar y desplegar sus propios modelos de IA, especialmente agentes inteligentes, sin necesidad de costosos clústeres de GPU propios. La colaboración con NVIDIA es profunda, integrando hardware Blackwell y el software de orquestación Dynamo para inferencia. Los documentos públicos que antes mencionaban contratos en redes de prueba de Web3 y distribución de recompensas en tokens han sido eliminados, señalando un cambio estratégico hacia un enfoque de "IA primero" dirigido al mercado empresarial y la viabilidad comercial, distanciándose de narrativas web3 para alinearse con inversores tradicionales.

Foresight News07/13 02:37

¿Después de una valoración de 1000 millones y una fuerte apuesta de Nvidia, Prime Intellect ¿está borrando su etiqueta Web3?

Foresight News07/13 02:37

活动图片