Dos noticias casi simultáneas recorrieron Silicon Valley.
Una: Anthropic podría lograr 109 mil millones de dólares en ventas este trimestre, alcanzando por primera vez la rentabilidad trimestral.
Otra: OpenAI acelera su proceso de OPV (Oferta Pública de Venta, IPO en inglés), planeando presentar en secreto el folleto de presentación en las próximas semanas para cotizar en otoño, con una valoración que podría rondar el billón de dólares.
La noticia provocó que las acciones de SoftBank Group se dispararan casi un 20% durante la sesión, con una ganancia de valor de mercado de aproximadamente 240 mil millones de yuanes (RMB) en un solo día.
Mientras una apenas toca la línea de rentabilidad, la otra sigue sumida en pérdidas y se apresura a salir a bolsa. Al mirar hacia atrás, al cambio de personal de hace dos días, la lógica se vuelve clara—
El 19 de mayo, el cofundador anterior de OpenAI, Andréj Karpathy, anunció en X: se une a tiempo completo a Anthropic.
No se trata de un simple cambio de trabajo.
Hoy, OpenAI es la empresa de IA con mayor volumen en el mercado de capitales.
Acaba de completar una ronda de financiación de 122 mil millones de dólares con una valoración de 852 mil millones de dólares.
Masayoshi Son, de SoftBank de Japón, haciendo caso omiso de la oposición interna de los altos ejecutivos, ha apostado más de 60 mil millones de dólares concentrados en OpenAI.
Pero dentro de la empresa, algo más está ocurriendo:
De los 11 cofundadores que firmaron el acuerdo inicial en aquella oficina modesta, hoy solo quedan 2 personas: el CEO Sam Altman y el presidente Greg Brockman.
Más capital se acumula, pero los cofundadores clave se van reduciendo.
Detrás de esto no hay solo "diferencias ideológicas", es más bien el resultado de una lucha de estrategias, una competencia por capacidad de cómputo y la superposición de juegos de gigantes.
¿Quién es Karpathy? ¿Por qué eligió Anthropic?
Para entender esto, primero hay que conocer la posición de Karpathy en la industria de la IA.
Para los principales inversores, no es solo un gestor técnico, sino más bien una figura clave que puede influir directamente en el ritmo de I+D — a la empresa a la que vaya, la velocidad de iteración de sus modelos cambiará.
Karpathy, de 39 años, tiene un currículum realmente destacado.
Doctorado en Stanford bajo la tutela de Fei-Fei Li, participó en la creación del primer curso de aprendizaje profundo de Stanford.
Pero lo que realmente lo hizo famoso fueron sus cinco años en Tesla.
Dejó OpenAI para unirse a Tesla en 2017, y regresó brevemente a OpenAI en 2023.
En 2017, Musk, entonces miembro de la junta de OpenAI, evitó a la dirección de OpenAI y fichó directamente a Karpathy para Tesla, encargándole la dirección de IA y visión para la conducción autónoma. La evidencia del juicio muestra que esta operación generó descontento en OpenAI en ese momento.
En Tesla, Karpathy hizo mucho más que escribir artículos.
Construyó desde cero el sistema de ingeniería de conducción autónoma, incluyendo formar un equipo de anotación de datos y desplegar redes neuronales en los chips diseñados por Tesla.
El concepto popular en los últimos años en el mundo tecnológico "Vibe Coding" (programación por ambiente), también lo popularizó él.
¿Y qué va a hacer ahora en Anthropic?
La respuesta es: unirse al equipo de preentrenamiento para usar a Claude y acelerar el preentrenamiento de la próxima generación de modelos.
En pocas palabras, actualmente OpenAI entrena sus grandes modelos principalmente apilando capacidad de cómputo (potencia) — muchos GPU de Nvidia funcionando simultáneamente, compitiendo por quién puede pagar más electricidad y hardware.
Lo que Karpathy quiere hacer en Anthropic es que Claude participe acelerando el propio proceso de entrenamiento.
Si este camino tiene éxito, el coste de entrenamiento de los grandes modelos disminuirá significativamente.
La elección de Karpathy transmite, de hecho, una señal: desde la perspectiva de quienes realmente hacen ingeniería, el camino de simplemente quemar dinero y apilar potencia computacional está llegando a su límite, y usar modelos para asistir en el entrenamiento es la dirección más realista.
Consumo de capacidad de cómputo y la "sombra de WeWork"
La salida consecutiva de talento clave suele estar relacionada con la dirección operativa de la empresa.
Hoy, OpenAI ha pasado de ser una organización de investigación sin fines de lucro en sus inicios, a una empresa con presión para generar ingresos.
Hasta febrero de 2026, los ingresos anualizados de OpenAI superaron los 250 mil millones de dólares.
Pero los costes de computación crecen aún más rápido.
Según una predicción de Reuters en 2024 citando a fuentes informadas, OpenAI podría enfrentar pérdidas de hasta 140 mil millones de dólares en 2026, y no espera un flujo de caja positivo hasta 2029. Esta predicción aún no ha sido actualizada ni confirmada.
La capacidad de cómputo es un activo pesado que se deprecia muy rápido. Para controlar las pérdidas, OpenAI comenzó a recortar negocios no rentables.
El proyecto de video Sora, porque consumía alrededor de 1 millón de dólares diarios en costes de servidores y el crecimiento de usuarios no cumplía las expectativas, cerró en marzo de este año.
La división científica OpenAI for Science, establecida en 2025, también vio a su equipo dividido e integrado en otras líneas de productos.
Estos ajustes, por un lado, buscan cumplir con los requisitos regulatorios para convertirse en 2025 en una "Compañía de Beneficio Público (PBC)", y por otro lado, también se preparan para la OPV. Pero para los científicos que se unieron impulsados por un ideal tecnológico, las prioridades de la empresa ya han cambiado.
Y Son eligió este momento para aumentar su apuesta.
En el último año, SoftBank ha invertido más de 60 mil millones de dólares en OpenAI a través de varios canales.
Esto generó mucha controversia interna en SoftBank.
Varios altos ejecutivos consideran en privado que concentrar tanto capital en una empresa no cotizada es un riesgo demasiado alto.
Para recaudar fondos, SoftBank vendió algunos activos, incluidos los de Nvidia. Al mismo tiempo, el Vision Fund despidió aproximadamente al 20% de sus empleados, orientando recursos hacia el campo de la IA.
Lo que temen los ejecutivos de SoftBank es repetir el fiasco de WeWork.
En aquel entonces, Son creyó en la historia comercial de WeWork y finalmente perdió decenas de miles de millones. Según Bloomberg, algunos internos describieron la actitud de Son hacia Altman esta vez como "starstruck" (deslumbrado por una estrella) — idéntica a la que tuvo hacia el fundador de WeWork.
Habiendo invertido 60 mil millones de dólares, SoftBank no obtuvo un asiento con poder real en la junta directiva de OpenAI. Pero Son ya se perdió la ola anterior de internet y no está dispuesto a perderse la IA. Para él, estas pérdidas son el precio de la entrada al billete de "inteligencia básica".
Y cuando salió la noticia de la OPV de OpenAI, el valor de mercado de SoftBank subió 240 mil millones de yuanes en un día — al menos por ahora, esta apuesta no ha salido mal.
La carta de la capacidad de cómputo de Musk
En este tablero de ajedrez, el que mejor sabe crear problemas sigue siendo Musk.
Es uno de los cofundadores originales de OpenAI, y ahora también su competidor más directo.
En mayo de este año, Musk perdió la demanda contra OpenAI por desviarse de su propósito original, debido a que el plazo de prescripción había expirado.
Pero durante el juicio se reveló bastante información: quien originalmente quería convertir a OpenAI en una empresa con fines de lucro fue precisamente el propio Musk.
Hizo sus cálculos — el plan de colonización de Marte requería unos 80 mil millones de dólares, y controlar una empresa de AGI era su forma de recaudar fondos.
Al no obtener el control, optó por retirarse, dejar de financiar y, al mismo tiempo, fichar a Karpathy.
Aunque perdió el juicio, Musk rápidamente tomó medidas en el ámbito de la capacidad de cómputo.
A principios de mayo, Musk anunció que integraría xAI en SpaceX. Luego, SpaceX alquiló su centro de cómputo Colossus 1 en Memphis, Tennessee — equipado con más de 220.000 GPU de Nvidia — en su totalidad a Anthropic. El folleto de presentación de la OPV de SpaceX muestra que el contrato de alquiler asciende a entre 40 y 45 mil millones de dólares.
Solo unos meses antes, Musk había calificado públicamente a Anthropic en X como "misantrópica y malvada" (misanthropic and evil).
Pero ante los intereses comerciales, las posiciones pueden ajustarse en cualquier momento.
Musk apuntó al punto débil de OpenAI: la capacidad de cómputo.
Alquilar el centro de cómputo a Anthropic, por un lado le genera ingresos altos por alquiler, y por otro también fortalece indirectamente a un competidor de OpenAI, ejerciendo presión sobre él.
La feroz contraofensiva de Anthropic
Con suficiente capacidad de cómputo asegurada, el desempeño de Anthropic efectivamente se está acelerando.
En abril de 2026, Anthropic anunció que sus ingresos anualizados superaron los 300 mil millones de dólares, superando por primera vez a OpenAI (unos 250 mil millones) en escala.
Para el 21 de mayo, The Wall Street Journal reveló además: Anthropic podría lograr 109 mil millones de dólares en ventas en el segundo trimestre, alcanzando por primera vez la rentabilidad trimestral.
Como referencia, a Salesforce le tomó más de veinte años alcanzar una escala de ingresos similar. Anthropic, desde su fundación en 2021 hasta ahora, menos de cinco años.
Lo más crucial es el control de costes.
La línea de productos de Anthropic está relativamente concentrada, se centra principalmente en generación de código empresarial y agentes inteligentes, sin incursionar en áreas como generación de video para consumidores finales (C2C). Su coste de entrenamiento de modelos es aproximadamente una cuarta parte del de OpenAI.
Mayores ingresos, menores gastos — esa es la ventaja actual de Anthropic.
Para alguien como Karpathy, que ha trabajado durante mucho tiempo en la implementación práctica de la ingeniería, esta diferencia es convincente.
Desde la elección de Karpathy hasta el juego de poder computacional entre los gigantes, esta ronda de competencia transmite una señal: el umbral para el entrenamiento fundamental de los grandes modelos ya es muy alto, y es difícil para los emprendedores comunes encontrar oportunidades en el campo de los modelos generales. El camino más pragmático es, o bien enfocarse en escenarios específicos del lado empresarial (B2B) como lo hace Anthropic — por ejemplo, usar IA para resolver flujos de trabajo con voluntad de pago clara como la generación de código; o bien buscar oportunidades en nichos como el entrenamiento asistido por IA o datos sintéticos. El coste de la capacidad de cómputo determina quién puede sobrevivir en esta ronda, esa es la cuenta más básica.
(Este artículo se publicó originalmente en la APP de Titanium Media, autor | Silicon Valley Tech_news, editor | Lin Shen)
