La próxima gran tendencia real de la IA, que mucha gente todavía no ha percibido
En estos dos años, he probado casi de inmediato todas las actualizaciones de la IA. Agent, multimodalidad, una ronda tras otra de iteraciones de modelos… Para ser sincero, la mayoría ya no me genera ninguna emoción. Ciertamente, las capacidades han mejorado, pero todo sigue girando en torno a “hacer el contenido más realista”, sin cambiar de dirección.
Hasta este mes, que probé Astra, Atlas y Cosmos en sucesión, y por primera vez, me detuve de verdad.
No fue porque lo que generaba se viera mejor, sino porque sentí por primera vez que la IA está cruzando otra frontera: pasando de “generar contenido” a “entender el mundo y estar lista para actuar”.
Dejo mi conclusión aquí: la próxima gran transferencia de valor no estará en la competencia por el recuento de parámetros del modelo, sino en esto: el mundo tridimensional está siendo reescrito como una interfaz que la IA puede leer, simular y operar. Si te quedas solo con la idea de “aumentará la demanda de contenido 3D”, te perderás todo el cambio fundamental en la lógica subyacente.
Puede sonar un poco radical. Pero, tras completar estos tres pasos, no pude convencerme de que sea casualidad.
1/ Astra: lo primero en colapsar es la estructura de costos
Le pedí a GPT-6 Astra que generara una escena de interior de vivienda. Antes, aunque el resultado fuera bonito, importarlo a un software de modelado equivalía a tener una hoja en blanco: toda la información estructural desaparecía, era inútil para seguir trabajando.
Esta vez fue diferente. Directamente generó un activo estructuralmente completo: editable en Blender y listo para recorrerlo en tiempo real al importarlo en Unreal Engine 5.
Quien haya trabajado en flujos de trabajo 3D sabe lo costoso que es este proceso: modelado, materiales, iluminación, render, postproducción… Cada paso debe realizarse manualmente con software profesional, con un margen de error bajísimo y un costo de tiempo elevadísimo.
¿Y ahora? El lenguaje natural es el punto de entrada.
Imágenes y videos ya han representado este guion: una vez que se abaratan los costos de las herramientas, la demanda no se comprime, se libera. Juegos, e-commerce, arquitectura, publicidad, diseño industrial… todos esperan su turno. No es una predicción, es una realidad que ya ocurre.
2/ Atlas: de “crear objetos” a “entender el espacio”
Si Astra me hizo notar un cambio, el Atlas lanzado por World Labs en septiembre me hizo realmente ver hasta dónde puede llegar esta tendencia.
Pensalo así: al generar una taza, solo te importa que la forma sea correcta; pero para entender una cocina, el modelo debe saber dónde va la taza, cuán alto es el mostrador, desde qué dirección es más natural alcanzar con la mano, qué debería ocurrir en ese espacio en el siguiente segundo.
Lo primero es crear objetos; lo segundo, entender el espacio. La diferencia no está en la claridad, sino en todo un nuevo nivel.
De World Labs me quedó una frase que leí varias veces: "El 3D está convirtiéndose en la interfaz universal del espacio."
El texto alguna vez fue la interfaz entre humanos y máquinas. Si lo tridimensional se transforma en el medio con el que humanos e IA co-generan, editan y simulan espacios, entonces el 3D dejará de ser solo un archivo de diseño y se convertirá en un nuevo soporte computacional. Suena lejano, pero lo que experimenté es que está volviéndose concreto.
3/ Cosmos: de “puedo ver” a “me animo a actuar”
Llegando a Cosmos de NVIDIA, confirmé que mis sensaciones anteriores no eran una sobreinterpretación.
Los modelos visuales actuales ya pueden responder bastante bien “qué hay en la imagen”. Pero lo verdaderamente difícil para robots y conducción autónoma nunca fue el reconocimiento, sino predecir “qué va a pasar a continuación”.
Lo que hace Cosmos es permitir que el modelo construya primero un sistema interno de predicción del estado del mundo: simular qué puede causar cada acción y seleccionar el camino óptimo. Es como dotar a la IA de un simulador interno funcional.
Sin esto, la máquina solo puede percibir el presente; con esto, adquiere la capacidad de “simular antes de actuar”. Para la IA física, esto es tan revolucionario como lo fue en su momento el avance de los modelos grandes en razonamiento.
4/ El factor decisivo real: los datos sintéticos
Los datos del mundo real son demasiado caros.
Un modelo de lenguaje puede recorrer enormes cantidades de texto web, pero un robot no puede aprender a agarrar una taza solo desde una página web; la conducción autónoma tampoco puede cubrir todos los escenarios extremos solo con tests reales. Y los datos de entrenamiento más críticos –clima extremo, accidentes repentinos, condiciones poco comunes– son precisamente los más difíciles de obtener.
Pero en cuanto maduren la reconstrucción 3D y los modelos de mundo, la lógica cambia: primero se crea una escena digital base con pocos datos reales y luego, de forma virtual, se alteran sistemáticamente el clima, las posiciones, las propiedades de los objetos, la iluminación… así, de un conjunto semilla, proliferan millones de muestras de entrenamiento.
Según el análisis de Bolsa de Estados Unidos (Bolsa estadounidense), la competencia en IA física está cambiando de eje:
Antes se competía por quién tenía más datos reales; ahora importa: calidad de los datos reales × capacidad de reconstrucción espacial × precisión de la simulación × eficiencia de amplificación de datos sintéticos.
Empresas estadounidenses beneficiadas
Clasifico cuatro niveles según “grado de beneficio”, cuanto más arriba, más claro; cuanto más abajo, mayor elasticidad y concentración:
Primer nivel · Infraestructura: NVDA
No importa qué empresa gane en robótica o conducción autónoma, todas necesitarán computación, simulación, datos sintéticos y plataformas de entrenamiento. NVIDIA posee GPU, Omniverse, Isaac, Cosmos… y ya no vende solo chips, sino toda la base para que las máquinas aprendan el mundo real. Es la posición menos dependiente de un solo ganador.
Segundo nivel · Reconstrucción 3D y gemelos digitales: PTC, ADSK
Para que la realidad se convierta en un mundo digital apto para entrenamiento IA, primero alguien debe crear el flujo de trabajo en 3D, gemelos digitales e industrial. Son la "puerta de entrada de datos" del mundo real en los modelos.
Tercer nivel · Percepción espacial: OUST, MBLY
LIDAR, visión por computadora… convierten el entorno físico en datos que la máquina puede leer. Sin esta capa, todo lo superior sería castillos en el aire; pero aquí la competencia es feroz y el juego se define por costos y consistencia.
Cuarto nivel · Implementación final: TSLA, SYM
Las que realmente llevan la IA al mundo físico. Es donde hay mayor elasticidad, pero los riesgos también se concentran: que el modelo funcione no significa que los robots puedan producirse en masa; la simulación puede ser correcta, pero no significa que se adapte sin problemas a la realidad.
En adelante, no te enfoques solo en lo impresionante de los videos de demostración; observa tres cosas: si la simulación realmente reduce el entrenamiento físico, si los datos sintéticos realmente mejoran el éxito del modelo, si los clientes están dispuestos a seguir pagando por esto.
La última revolución de la IA convirtió el conocimiento humano en tokens.
La próxima podría ser transformar el mundo real entero en datos computables, simulables y entrenables.
El lenguaje hizo que la IA entendiera a los humanos; y el 3D, podría permitirle finalmente entrar verdaderamente en este mundo.
Bolsa de Estados Unidos VIP completamente renovado
Descargo de responsabilidad: El contenido de este artículo refleja únicamente la opinión del autor y no representa en modo alguno a la plataforma. Este artículo no se pretende servir de referencia para tomar decisiones de inversión.
También te puede gustar
¡De Wall Street a Londres! Amazon (AMZN.US) emite por primera vez bonos en libras esterlinas y refuta la burbuja de IA con demanda de financiamiento diversificada
Amazon ha encargado a bancos la emisión de su primer bono en libras esterlinas, que podría lanzarse tan pronto como este miércoles. Al mismo tiempo, los gigantes tecnológicos globales de gran escala continúan recaudando fondos para respaldar el desarrollo de la inteligencia artificial.
Nueva orden para máquina de litografía de 400 millones de dólares: Samsung y TSMC cambian de postura, los tres gigantes de chips adoptan por completo la High NA EUV más avanzada de ASML
ASML.US ha recibido compromisos de uso por parte de los principales fabricantes de chips para adoptar su equipo de producción de semiconductores más avanzado, avanzando al mismo tiempo hacia un acuerdo de cooperación más amplio.
Precios de las criptos
Más
