Caldera (ERA) Caída

En los últimos años, la industria de la IA buscó su "nuevo continente" en los chatbots, inspirada por el éxito inicial de ChatGPT. Sin embargo, tras tres años de desarrollo, este modelo enfrenta serios desafíos comerciales. OpenAI, con 900 millones de usuarios semanales, sigue perdiendo dinero: por cada dólar ganado, gasta 1.22. En China, la monetización en el segmento de consumo también es difícil, como muestra la reacción negativa al anuncio de tarifas del chatbot Doubao. Mientras tanto, Anthropic, que se enfoca en clientes empresariales (85% de sus ingresos), superó los ingresos de OpenAI en 2026. Esto sugiere que el verdadero valor de la IA está en ser una herramienta de trabajo productiva, no solo un compañero de conversación. Los usuarios buscan agentes que ejecuten tareas, no solo respondan preguntas. El modelo de negocio del chatbot como "super-entrada" está en entredicho. A diferencia de los productos de Internet tradicionales, su costo marginal aumenta con cada usuario, carece de efectos de red sólidos y su rueda de datos es débil. La monetización mediante suscripciones es baja (solo ~5% en ChatGPT paga), y la publicidad enfrenta obstáculos debido a la falta de intención de compra en las consultas y la ruptura de la confianza del usuario. La migración entre chatbots es fácil, y la ventaja competitiva basada en la capacidad del modelo se está reduciendo. Los datos muestran que el crecimiento de usuarios de ChatGPT se está desacelerando, y el uso diario promedio de las apps de IA nativas es bajo comparado con aplicaciones como TikTok. El futuro de la IA puede no ser un chatbot independiente. La evolución apunta hacia agentes con capacidad de ejecución (como OpenClaw) y, más aún, hacia la integración de la IA en aplicaciones existentes (mensajería, sistemas operativos como Apple Intelligence) o hardware, en lugar de aplicaciones nativas aisladas. La lección clave es que, en la era de la IA, aferrarse al "mapa antiguo" del modelo de chatbot no llevará al nuevo continente; es necesario actualizar el enfoque hacia soluciones integradas que resuelvan problemas concretos.

En su discurso en GTC Taipei 2026, Jensen Huang, CEO de NVIDIA, anunció el comienzo de la era de los agentes de IA: una nueva fase donde la IA ya no solo genera contenido, sino que realiza trabajo útil. Este cambio transforma los tokens en unidades de ingresos y ganancias, impulsando una demanda masiva de fábricas de IA. Huang presentó Vera Rubin, un sistema integral diseñado específicamente para ejecutar estos agentes, y Vera CPU, el primer procesador creado para las necesidades de baja latencia e impaciencia de los agentes, no para los humanos. Destacó que el futuro de la computación estará definido por un patrón unificado: agentes compuestos por modelos de lenguaje, marcos de trabajo, herramientas y entornos de ejecución, que operarán tanto en la nube, en empresas y en PCs como en robots y dispositivos periféricos. Junto con Microsoft, NVIDIA está reinventando la PC personal con una nueva línea de dispositivos que integran capacidades de agente de IA local. Además, presentó Cosmos 3 para IA física, Alpamayo 2 para conducción autónoma e Isaac GR00T, una plataforma de referencia para robots humanoides. Huang subrayó que NVIDIA ha evolucionado de una empresa de GPU a una de infraestructura completa, posicionada para impulsar esta nueva economía donde "la computación es ingresos".

En junio de 2026, la acción de Marvell Technology (MRVL) alcanzó un máximo histórico de 290 dólares, multiplicándose por 30 desde 2016. Este análisis explora la valoración del mercado, argumentando que Marvell es más que un "pequeño Broadcom". Su valor reside en un nicho único: la **conectividad** para la infraestructura de IA, donde lidera con el 70% del mercado en chips DSP ópticos de alta velocidad. Marvell no fabrica GPU; vende "conexión": el flujo de datos entre chips, servidores y centros de datos a través de la luz. Su estrategia, dirigida por el CEO Matt Murphy desde 2016, se centró en recortar negocios periféricos, adquirir empresas clave (como Inphi y Celestial AI) y asociarse a largo plazo con hiperescaladores como AWS. Su negocio tiene tres pilares: 1) Interconexión óptica (su ventaja más sólida), 2) Chips personalizados de IA para grandes tecnológicas (con 18 proyectos en curso), y 3) Chips de conmutación y almacenamiento empresarial. La inversión estratégica de 20.000 millones de NVIDIA en Marvall subraya su papel crucial en el ecosistema de IA, aunque también introduce una relación compleja de cooperación y competencia. Financieramente, Marvell muestra un crecimiento acelerado (40%+) y apalancamiento operativo, con un PEG atractivo de ~0,6. Los riesgos incluyen la pérdida del diseño Trainium3 para Amazon, márgenes estructuralmente más bajos que Broadcom, la concentración de clientes, ventas de ejecutivos y presiones en la cadena de suministro. Sin embargo, su posición dominante en interconexión óptica y su cartera integral de conectividad "eléctrica + óptica" ofrecen una ventaja competitiva duradera. La tesis central es que, en la era de la IA, el valor de "conectar" superará al de los "nodos" de computación, y Marvell está posicionado de manera única para capitalizar esta tendencia estructural.

En 2026, el gasto de capital de los grandes proveedores de nube en inferencia de IA superó por primera vez al de entrenamiento, marcando un punto de inflexión hacia el uso de modelos grandes. La inferencia enfrenta la "barrera de memoria", donde el movimiento de datos (pesos del modelo, activaciones, KV Cache) entre la DRAM externa y las GPU consume más energía y tiempo que el cálculo en sí. Empresas como Cerebras abordan esto con un enfoque radical: el Wafer-Scale Engine (WSE). En lugar de cortar una oblea en múltiples chips, usan casi toda la oblea como un solo chip gigante (ej. WSE-3). Esto proporciona 44 GB de SRAM en el chip y un ancho de banda de memoria interno masivo (21 PB/s), miles de veces mayor que el HBM de las GPU, reduciendo drásticamente la latencia para cargar pesos del modelo. En inferencia, esto permite una generación de tokens entre 1.5 y 5 veces más rápida que una GPU NVIDIA B200 en ciertos modelos, con una ventaja notable en el tiempo para el primer token (TTFT) y cargas de trabajo de agentes. Su arquitectura también reduce drásticamente el consumo energético de la interconexión. Sin embargo, este enfoque conlleva desafíos: la capacidad de SRAM ya no escala fácilmente con procesos más avanzados, presenta retos de refrigeración, un ecosistema de software propietario y un ancho de banda de E/S externo limitado (150 GB/s) que dificulta la expansión multi-chip. Mientras tanto, los grandes actores persiguen otras rutas: chips ASIC especializados (Google TPU, Microsoft Maia), tecnologías de empaquetado avanzado estandarizadas (como SoW de TSMC) que podrían democratizar el concepto de "wafer-scale", y la interconexión óptica como solución a largo plazo para la barrera de memoria. Cerebras también enfrenta el reto comercial de cumplir grandes pedidos, teniendo que construir centros de datos especializados para 2026-2028. En última instancia, la arquitectura de computación se trata de equilibrar ventajas: Cerebras optimiza para la latencia extrema en cargas específicas, mientras que NVIDIA prioriza la flexibilidad y el rendimiento agregado del clúster para cargas diversas. El camino hacia la AGI sigue abierto y la incertidumbre tecnológica y comercial es precisamente lo que impulsa la innovación.

Un investigador de seguridad descubrió un grave error en el protocolo Orchard de Zcash, el cual permitía la creación ilimitada de tokens, llevando a una caída del 50% en su valor. Este bug fue identificado utilizando Claude Opus 4.8 de Anthropic, un modelo de IA disponible públicamente. El caso destaca cómo la IA democratiza la ciberseguridad, reduciendo drásticamente el costo de encontrar vulnerabilidades. Modelos potentes y accesibles como Opus 4.8 permiten que tanto investigadores como potenciales atacantes descubran fallos complejos que antes requerían expertos dedicados. Esto genera una paradoja: un aumento masivo de informes de seguridad, muchos de baja calidad o falsos, que saturan a los mantenedores de software, a menudo voluntarios sin recursos. Simultáneamente, se exponen vulnerabilidades reales y antiguas en la base de nuestro mundo digital. La industria enfrenta una crisis de talento, con una escasez global de profesionales capacitados para analizar, priorizar y reparar estas fallas. Mientras la IA abarata el descubrimiento, la reparación sigue siendo costosa y requiere juicio humano experto. En esencia, la IA ilumina las grietas en los cimientos de nuestra infraestructura digital. La verdadera prueba será si contamos con suficientes personas dispuestas y capaces de repararlas, manteniendo la frágil cadena de confianza sobre la que se construye la vida en línea.