En esta presentación de xAI (con Elon Musk y varios líderes de producto e infraestructura), cuentan qué han logrado en solo dos años y medio, qué van a lanzar y por qué están fusionando xAI con X y, a largo plazo, con SpaceX.

Elon abre diciendo que, pese a ser una empresa muy joven y con menos gente que sus competidores, han avanzado a una velocidad inusual y ya se ven “arriba” en varias áreas: voz, generación de imagen y vídeo y rendimiento de Grok en métricas como el pronóstico. También presentan Grokpedia como un proyecto para construir una enciclopedia multimedia mucho más completa que Wikipedia. En paralelo, subrayan su ventaja clave: computación. Dicen que ya levantaron un clúster enorme de GPUs y que su siguiente salto inmediato es llegar al equivalente a un millón de H100 para entrenamiento.

Luego explican cuándo y cómo se reorganizan: porque al crecer, una startup necesita estructura, pasan a cuatro grandes áreas (modelo principal/voz, coding, Imagine para imagen-vídeo y Macrohard para agentes capaces de hacer trabajo digital de extremo a extremo). Cada responsable da ejemplos del “de cero a líder”: en voz cuentan que en meses construyeron un producto competitivo e integrado; en coding describen una aceleración fuerte (la IA escribiendo, depurando y automatizando cada vez más); e Imagine presume de iteración rapidísima, cifras masivas de generación y la meta de llegar a vídeos largos y, más adelante, mundos interactivos en tiempo real.

En mitad del evento hacen una visita/segmento en directo desde Memphis para enseñar el supercentro de datos y remarcar el “por qué” de todo: para ellos, ganar en IA depende de desplegar computación antes que nadie, con equipos pequeños que optimizan desde red y kernels hasta entrenamiento, inferencia, herramientas y evaluaciones con expertos.

Después conectan esto con X como plataforma: explican que X está creciendo, que han reconstruido piezas clave del producto y que quieren empujar el uso diario. Aquí dan el cuándo más concreto: en los próximos meses planean abrir código (incluido el algoritmo) y sacar una app independiente de X Chat; además, dicen que X Money ya está en beta interna y que en uno o dos meses esperan pasar a beta externa limitada y luego a lanzamiento global. El “por qué” es claro: sumar razones para entrar cada día —mensajería, Grok y pagos— con la ambición de superar los mil millones de usuarios activos diarios.

El cierre lo vuelve épico y explica por qué SpaceX entra en la ecuación: Elon sostiene que para comprender el universo hay que salir a explorarlo, y que el cuello de botella real de la IA futura será energía + computación. Por eso dibuja una ruta: primero centros de datos orbitales (capacidad anual creciente), y si se quiere escalar mucho más, infraestructura lunar con fábricas y un lanzador electromagnético para disparar satélites de IA, con la idea de ir subiendo órdenes de magnitud y, con el tiempo, acercarse a capturar una fracción relevante de la energía solar.

En esta entrevista, el creador de un proyecto open source que se ha disparado en popularidad cuenta cómo, en solo tres meses, pasó de “hacerlo por su cuenta” a tener a los grandes jugadores del sector llamando a su puerta. Habla sin filtros de la presión por monetizar, de los dilemas entre código abierto y producto comercial, y de por qué le preocupa el conflicto de intereses cuando entran en juego licencias, features “enterprise” y versiones cerradas.

También comparte anécdotas muy personales: desde ver a la comunidad en modo euforia (robots con disfraces de langosta incluidos) hasta enseñar el producto a un amigo “normie” que acabó enganchadísimo… y lo que pasó cuando una plataforma le bloqueó la suscripción. Finalmente, entra en el debate Meta vs OpenAI: qué ha visto en cada una, qué le atrae de sus tecnologías, cómo se siente al hablar con figuras como Mark y Sam Altman, y por qué su prioridad sigue siendo que el proyecto permanezca abierto mientras busca la forma de escalar impacto.

Si te interesa el futuro de los agentes personales, el open source y las decisiones difíciles detrás de construir a gran escala, este episodio es para ti.

Crea un avatar profesional con HeyGen (mi enlace de afiliado): https://www.heygen.com/?sid=rewardful&via=javi

Ponle una voz pro con ElevenLabs (mi enlace de afiliado): https://try.elevenlabs.io/iabro

La entrevistadora conversa con John Link sobre cómo la IA está a punto de cambiar la ciencia no solo por ir más rápido, sino por obligar a los humanos a pensar de forma distinta. Plantean que, si hoy la ciencia sigue el ciclo clásico de observar, formular hipótesis, probar y refinar, la irrupción de miles de agentes de IA capaces de ejecutar millones de simulaciones y cruzar datos entre disciplinas puede alterar ese ritmo: la IA puede descubrir patrones o ideas que antes quedaban ocultas, y el trabajo humano se desplaza hacia validar, cuestionar y ampliar el marco teórico para entender lo que aparece.

En ese contexto, Link imagina que cualquier científico que entre por primera vez en un laboratorio tendrá algo parecido a un “equipo” de apoyo: un conjunto de agentes que actuarán como postdocs virtuales. No se trata de sustituir al investigador, sino de darle superpoderes: sintetizar grandes cantidades de literatura científica y datos (tanto públicos como privados), sugerir hipótesis más rápido, y ayudar a elegir herramientas y enfoques para ejecutar simulaciones y experimentos. La clave, insiste, es que el científico sigue llevando el volante y la IA colabora de principio a fin.

La conversación ocurre en un entorno de laboratorio cuántico, y eso sirve para aterrizar la idea en química y ciencia de materiales, donde muchos problemas se vuelven intratables para la computación clásica cuando crece la complejidad del sistema (por ejemplo, al aumentar el número de electrones). Ahí, combinando computación avanzada —y en el horizonte, computación cuántica— con modelos de IA, se abre la puerta a explorar espacios enormes de posibilidades que un laboratorio tradicional no podría recorrer.

Microsoft, según Link, entra en este terreno porque es una empresa de plataforma y quiere llevar estas herramientas a tantos científicos como sea posible. Como prueba de que no es solo teoría, menciona trabajos internos donde han encontrado candidatos para electrolitos de baterías y, especialmente, un ejemplo en refrigeración de centros de datos: buscando reemplazar refrigerantes con “forever chemicals” poco sostenibles, usaron sus herramientas para identificar una molécula nueva en menos de diez días de cómputo y sintetizarla y probarla físicamente en unos meses, algo que en métodos tradicionales podría alargarse años.

La entrevistadora empuja un punto crucial: si la IA conecta ideas entre campos que el científico no domina, ¿cómo se evita que una sugerencia brillante sea en realidad un error? Link responde que el futuro depende de la validación y la transparencia: la IA debe mostrar trazabilidad con referencias, notas y registros de lo que hizo cada agente, para que el investigador pueda auditar el proceso, corregir desviaciones y, cuando haga falta, contrastar con expertos humanos de otras disciplinas.

También discuten el mito de que la IA “no crea nada nuevo”, y lo matizan: en ciencia, la novedad muchas veces llega por escala. Si puedes evaluar decenas de millones de candidatos —algo imposible en la práctica experimental tradicional— terminas generando datos y rutas de exploración que nadie había visto, y de ahí salen descubrimientos que obligan a replantear preguntas. Con esa visión, proyectan un futuro cercano donde la innovación científica se “escala” igual que hoy se escalan los productos, y donde la IA acelera avances en retos enormes como captura de carbono, clima o seguridad alimentaria. Al final, Link apunta a 2026 como un año en el que Microsoft espera acercar la computación cuántica fiable a un uso más real, como parte de esta nueva etapa en la que la IA se convierte en compañera de laboratorio.

🎭 Crea un avatar profesional con HeyGen (mi enlace de afiliado): [https://www.heygen.com/?sid=rewardful&via=javi]
🎙️ Ponle una voz pro con ElevenLabs (mi enlace de afiliado): [https://try.elevenlabs.io/iabro]

Dario Amodei, CEO de Anthropic, explica en esta charla por qué cree que la IA está entrando en una fase explosiva en la que, en pocos años, los modelos superarán las capacidades cognitivas de la mayoría de humanos en la mayoría de tareas, lo que él describe como “un país de genios dentro de un datacenter”. Habla del enorme potencial positivo de esta tecnología para curar enfermedades, mejorar la salud y sacar a miles de millones de personas de la pobreza, especialmente en el Sur Global, pero también alerta sobre riesgos serios: comportamiento autónomo de los modelos, mal uso por actores individuales y gobiernos, y disrupción económica y laboral.

En este contexto, sitúa a India como actor “absolutamente central” tanto para capturar las oportunidades como para gestionar los riesgos de la IA, y anuncia la apertura de la oficina de Anthropic en Bengaluru, el nombramiento de Irina Ghose como directora para India y nuevas alianzas con grandes empresas como Infosys. Además, detalla colaboraciones con fundaciones y organizaciones locales para aplicar Claude en educación, agricultura, salud e idiomas regionales, y su participación en los New Delhi Frontier AI Impact Commitments para estudiar de forma rigurosa el impacto de la IA en empleo y economía junto al gobierno indio

🎭 Crea un avatar profesional con HeyGen (mi enlace de afiliado): [https://www.heygen.com/?sid=rewardful…]
🎙️ Ponle una voz pro con ElevenLabs (mi enlace de afiliado): [https://try.elevenlabs.io/iabro]

Sam Altman repasa cómo en solo un año hemos pasado de sistemas que fallaban en matemáticas de instituto a modelos capaces de hacer matemáticas de investigación y obtener resultados nuevos en física teórica. Destaca el avance de India en soberan AI: más de 100 millones de personas usan ChatGPT cada semana (un tercio estudiantes) y es ya el mercado que más rápido crece para sus herramientas de código.

Plantea que, en la trayectoria actual, podríamos estar a solo un par de años de las primeras versiones de “verdadera superinteligencia” y que hacia 2028 más capacidad intelectual podría estar dentro de los data centers que fuera de ellos. Una superinteligencia, dice, podría dirigir mejor una gran empresa que cualquier CEO humano y hacer mejor ciencia que nuestros mejores investigadores.

A partir de ahí formula tres ideas guía: la democratización de la IA como único camino justo y seguro frente a una concentración en un solo país o empresa que podría “llevar a la ruina”; la necesidad de pensar en resiliencia social, no solo en alineamiento técnico, ante riesgos como modelos bio abiertos capaces de ayudar a crear patógenos; y la importancia de implicar a mucha gente en decidir cómo se gobierna esta tecnología porque el futuro no se ajustará a ninguna predicción concreta.

Defiende un futuro democrático en el que la IA aumente la agencia individual y rechaza el “totalitarismo efectivo a cambio de curar el cáncer”, plantea desplegar los modelos de forma iterativa para que la sociedad se adapte por fases y avisa de una gran disrupción económica: muchos bienes y servicios serán mucho más baratos y productivos, pero muchos trabajos se verán alterados. Concluye que hará falta un organismo internacional tipo OIEA para coordinar la gobernanza global de la IA y que los próximos años pondrán a prueba a la sociedad, que tendrá que elegir entre empoderar a las personas o concentrar el poder.

En marzo de 2028, OpenAI planea alcanzar algo que hasta hace poco sonaba imposible: crear un investigador de inteligencia artificial completamente autónomo, capaz de generar conocimiento nuevo sin intervención humana. No se trata de una predicción al azar. La fecha está respaldada por 1,4 billones de dólares ya comprometidos en infraestructura, chips y energía: el equivalente a cinco programas Apolo ajustados a la inflación.

Este vídeo desentraña las piezas ocultas de ese plan: desde la contratación de 30 gigavatios de potencia —15 centrales nucleares dedicadas solo a “pensar”— hasta la creación de modelos de razonamiento como o1, el primero que puede dedicar horas o días a resolver un problema antes de responder.

Aquí explicamos por qué “la explosión de inteligencia” no es un eslogan de marketing, sino una consecuencia matemática del aprendizaje recursivo: un sistema que mejora a su sucesor una y otra vez, acelerando su progreso hasta que la curva se dispara. Es el mismo principio que podría transformar la investigación científica en algo tan rápido y eficiente que los descubrimientos que hoy llevarían décadas podrían resolverse en semanas.

También veremos cómo OpenAI, Anthropic y DeepMind están convergiendo en el mismo objetivo: usar la IA para mejorar la IA. Modelos que ya generan, evalúan y corrigen sus propios datos de entrenamiento, reduciendo el papel humano al mínimo. Es un bucle de refinamiento continuo, el paso previo a lo que los expertos llaman *explosión de inteligencia*.

Pero esta historia tiene dos caras. Porque detrás del optimismo técnico hay una apuesta monumental: que la fuerza bruta —gigavatios y chips— pueda sustituir a la genialidad humana. Y si esa hipótesis falla, todo el castillo se derrumba.

En este análisis profundizamos en los hechos, las cifras y la lógica detrás de la fecha más audaz en la historia de la inteligencia artificial. Marzo de 2028 no es solo un hito tecnológico: podría ser el inicio de una nueva era científica… o la mayor ilusión del siglo XXI.