La fuga de talento de IA de Meta y el gasto de $135 mil millones en chips

Artículo escrito por Ada, Deep潮 TechFlow

Pang Ruoming se fue sin siquiera haberse sentado en su puesto en Meta.

En julio de 2025, Zuckerberg le arrebató a Apple al ingeniero chino más codiciado en infraestructura de IA con un paquete de compensación plurianual que superaba los 200 millones de dólares. Pang Ruoming fue asignado al Superintelligence Lab de Meta para construir la infraestructura de los próximos modelos de IA.

Siete meses después, OpenAI lo reclutó.

Según The Information, OpenAI llevó a cabo una campaña de reclutamiento de varios meses dirigida a Pang Ruoming. A pesar de que Pang le había dicho a sus colegas que "estaba muy contento trabajando en Meta", finalmente decidió irse. Según Bloomberg, su paquete de compensación en Meta estaba vinculado a hitos, y abandonar la empresa antes de tiempo significaba renunciar a la mayor parte de sus acciones no ejercidas.

200 millones de dólares no compran 7 meses de lealtad.

This is not a simple job switch story.

Pang Ruoming no fue el primero en irse.

La semana pasada, Mat Velloso, responsable del producto de la plataforma de desarrolladores del laboratorio de superinteligencia de Meta, también anunció su salida; este individuo se unió a Meta en julio del año pasado tras dejar Google DeepMind y permaneció menos de ocho meses. Anteriormente, en noviembre de 2025, Yann LeCun, ganador del Premio Turing y científico jefe de IA de Meta, quien lleva 12 años en la empresa, anunció su salida para emprender y desarrollar el “modelo del mundo” que siempre ha promovido. Recientemente, Russ Salakhutdinov, vicepresidente de investigación en IA generativa de Meta y discípulo clave de Geoffrey Hinton, también anunció oficialmente su partida.

Para entender la fuga de talento de Meta AI, primero hay que entender cuánto daño causó Llama 4.

En abril de 2025, Meta lanzó oficialmente los modelos Scout y Maverick de la serie Llama 4. Los datos oficiales son impresionantes, afirmando que superan por completo a GPT-4.5 y Claude Sonnet 3.7 en pruebas clave como MATH-500 y GPQA Diamond.

Sin embargo, este modelo insignia que lleva la ambición de Meta se desenmascaró rápidamente en pruebas ciegas independientes de terceros en la comunidad de código abierto, mostrando una brecha abismal entre su capacidad real de generalización e inferencia y la publicitada. Ante las fuertes preguntas de la comunidad, el científico jefe de IA, Yann LeCun, finalmente admitió que el equipo "utilizó diferentes versiones del modelo para ejecutar distintos conjuntos de pruebas con el fin de optimizar la puntuación final".

En el riguroso mundo académico y de ingeniería de la IA, esto toca la línea roja inperdonable. En otras palabras, el equipo entrenó a Llama 4 para convertirla en un "estudiante de pueblo" que solo sabe resolver exámenes anteriores, en lugar de ser un "estudiante sobresaliente" con inteligencia de vanguardia. Si te examinan de matemáticas, te muestra al rey de los exámenes de matemáticas; si te examinan de programación, te muestra al rey de los exámenes de programación; cada prueba individual parece muy fuerte, pero en realidad no se trata del mismo modelo.

Esto en la academia de IA se llama "selección de cerezas", y en el sistema educativo orientado a exámenes se llama "hacer el examen por alguien".

Para Meta, que siempre se ha presentado como un "farol de código abierto", esta tormenta destruyó directamente su activo más valioso: la confianza en su ecosistema de desarrolladores. El costo inmediato fue que Zuckerberg "perdió completamente la confianza" en los estándares técnicos del equipo original de GenAI, lo que dio inicio a la posterior llegada de ejecutivos externos y al debilitamiento del departamento de infraestructura central.

Gastó entre 14.3 y 15 mil millones de dólares para adquirir el 49% de la empresa de etiquetado de datos Scale AI, nombró al CEO de Scale AI, Alexandr Wang, de 28 años, como Director de IA de Meta y creó el Laboratorio de Superinteligencia de Meta (MSL). El ganador del Premio Turing, LeCun, ahora debe reportar a este joven de 28 años en la nueva arquitectura. En octubre, Meta eliminó aproximadamente 600 puestos en el MSL, incluyendo miembros del departamento de investigación FAIR, creado por LeCun.

El modelo insignia originalmente planeado para su lanzamiento en el verano de 2025, Llama 4 Behemoth, también ha sido retrasado repetidamente, primero del verano al otoño y finalmente suspendido indefinidamente.

Meta está desarrollando un nuevo modelo de texto con el código "Avocado" y un modelo de imagen/video con el código "Mango". Se informa que Avocado tiene como objetivo competir con GPT-5 y Gemini 3 Ultra. Originalmente programado para su lanzamiento a finales de 2025, se retrasó al primer trimestre de 2026 debido a que los resultados de las pruebas de rendimiento y la optimización del entrenamiento no cumplieron con los estándares. Meta está considerando lanzarlo como cerrado, abandonando la tradición abierta del modelo Llama.

Meta cometió dos errores fatales en sus modelos de IA. El primero fue manipular los benchmarks, lo que destruyó directamente la confianza de la comunidad de desarrolladores; el segundo fue integrar forzosamente FAIR, un departamento de investigación básica que requiere una década de dedicación, dentro de una organización de productos orientada a KPI trimestrales. Juntos, estos dos factores son la causa fundamental de la actual fuga de talento.

Los talentos se están yendo, y los chips también tienen problemas.

Según The Information, Meta eliminó la semana pasada su proyecto de chip de entrenamiento de IA más avanzado en desarrollo interno.

El plan de chips propios de Meta se llama MTIA (Meta Training and Inference Accelerator). La hoja de ruta inicial de la empresa es ambiciosa: las versiones MTIA v4, con el código "Santa Barbara"; v5, con el código "Olympus"; y v6, con el código "Universal Core", están programadas para entregarse entre 2026 y 2028. Olympus está diseñado como el primer chip de Meta basado en una arquitectura de chiplet de 2 nm, con el objetivo de cubrir simultáneamente el entrenamiento de modelos de alto rendimiento y la inferencia en tiempo real, reemplazando finalmente a NVIDIA en los clústeres de entrenamiento de Meta.

Now, this state-of-the-art training chip has been cut.

Meta no carece de avances; MTIA ha logrado algunos resultados en inferencia. El chip de inferencia MTIA v3, con el código "Iris", ya se ha implementado a gran escala en los centros de datos de Meta, principalmente para los sistemas de recomendación de Facebook Reels e Instagram, reduciendo supuestamente el costo total de propiedad entre un 40% y un 44%. Sin embargo, la inferencia y el entrenamiento son dos cosas distintas: la inferencia ejecuta modelos, mientras que el entrenamiento los entrena. Meta puede fabricar sus propios chips de inferencia, pero no logra producir chips de entrenamiento que puedan competir directamente con los de NVIDIA.

Esto no es la primera vez en la historia. En 2022, Meta intentó desarrollar su propio chip de inferencia, pero tras un fracaso en una implementación a pequeña escala, lo abandonó directamente y realizó un gran pedido a NVIDIA.

El fracaso de sus chips propios aceleró directamente la ola de compras externas de Meta.

En enero de 2026, Meta anunció un presupuesto de gasto de capital de entre 115 mil millones y 135 mil millones de dólares para este año, casi el doble de los 72,2 mil millones de dólares del año pasado. La mayor parte de este dinero se destinará a chips.

Dentro de 10 días, tres órdenes grandes se han ejecutado consecutivamente:

El 17 de febrero, Meta firmó un acuerdo de cooperación estratégica a largo plazo y multigeneracional con NVIDIA. Meta implementará “millones de unidades” de las GPU Blackwell y la próxima generación Vera Rubin de NVIDIA, junto con la CPU independiente Grace. Los analistas estiman que el valor de la transacción es de cientos de miles de millones de dólares, convirtiendo a Meta en el primer cliente de supercomputación del mundo en implementar a gran escala la CPU independiente Grace de NVIDIA.

El 24 de febrero, Meta firmó un acuerdo plurianual con AMD por un valor de entre 60.000 y 100.000 millones de dólares. Meta adquirirá las últimas GPU de la serie MI450 y los CPU EPYC de sexta generación de AMD. Como parte del acuerdo, AMD emitió a Meta warrants para hasta 160 millones de acciones ordinarias, equivalentes a aproximadamente el 10% de AMD, a un precio de $0.01 por acción, con vencimiento por etapas según hitos de entrega.

El 26 de febrero, según The Information, Meta firmó un acuerdo plurianual por miles de millones de dólares con Google para alquilar chips TPU de Google Cloud con el fin de entrenar y ejecutar su próximo modelo de lenguaje de gran escala. Al mismo tiempo, ambas partes están discutiendo la posibilidad de que Meta compre directamente TPU a partir de 2027 para implementarlos en sus propios centros de datos.

Una empresa de redes sociales emitió pedidos potenciales que podrían sumar más de mil millones de dólares a tres proveedores de chips en 10 días.

This is not a diversified strategy. This is panic buying.

¿Por qué Meta está tan apurada?

En primer lugar, ya no se puede confiar en los chips propios. El proyecto de los chips de entrenamiento más avanzados ha sido cancelado, lo que significa que, en el futuro previsible, Meta solo podrá satisfacer sus necesidades de entrenamiento de IA mediante compras externas. Los chips MTIA para inferencia pueden manejar negocios maduros como sistemas de recomendación, pero para entrenar modelos de vanguardia como Avocado, que compite con GPT-5, se requiere hardware de NVIDIA o de igual nivel.

En segundo lugar, los competidores no esperarán. OpenAI ya ha obtenido enormes recursos de Microsoft, SoftBank y fondos soberanos de los Emiratos Árabes Unidos. Anthropic ha asegurado el suministro de 1 millón de chips TPU y Trainium cada uno de Google y Amazon. Gemini 3 de Google se entrenó completamente en TPU. Si Meta no obtiene suficiente potencia de cómputo, ni siquiera podrá asegurar su boleto para entrar en la carrera.

En tercer lugar, y posiblemente el más fundamental, Zuckerberg necesita compensar la debilidad en "capacidad de investigación y desarrollo" con "poder adquisitivo". La falla de Llama 4, la pérdida de talento clave y los contratiempos en el desarrollo de chips propios, combinados, han hecho que la narrativa de IA de Meta se vuelva frágil ante Wall Street. Firmar ahora grandes pedidos con NVIDIA, AMD y Google al menos transmite una señal: tenemos dinero, estamos comprando, no hemos renunciado.

La estrategia actual de Meta es: si no puedes resolver el software, destruye el hardware; si no puedes retener a las personas, compra chips. Pero la competencia en IA no es un juego que se gane simplemente firmando cheques. La capacidad de cómputo es una condición necesaria, pero no suficiente. Sin un equipo de modelos de primer nivel y una ruta técnica clara, incluso la mayor cantidad de chips solo se convertirá en inventario caro almacenado en un almacén.

Al repasar las tres operaciones de Meta en febrero, un detalle interesante fue ignorado por la mayoría.

Meta compró a NVIDIA los Blackwell actuales y los futuros Vera Rubin; con AMD, compró los MI450 y los futuros MI455X; y alquiló a Google los TPU Ironwood actuales, con planes de comprarlos directamente el próximo año.

Tres proveedores, tres arquitecturas de hardware y ecosistemas de software completamente diferentes.

Esto significa que Meta debe saltar constantemente entre tres ecosistemas subyacentes completamente distintos: CUDA de NVIDIA, ROCm de AMD y XLA/JAX de Google. Aunque la estrategia de múltiples proveedores puede dispersar los riesgos de la cadena de suministro y reducir la prima de adquisición de hardware, esto generará un aumento exponencial en la complejidad de ingeniería.

Esta es precisamente la debilidad más letal de Meta actualmente; hacer que un modelo con billones de parámetros pueda entrenarse eficientemente en tres conjuntos de hardware con modelos de programación subyacentes completamente diferentes requiere no solo ingenieros que entiendan CUDA, sino arquitectos capaces de construir desde cero un marco de entrenamiento multiplataforma.

Hay menos de 100 personas como esta en todo el mundo. Pang Ruoming es una de ellas.

Gastar 100 mil millones de dólares en comprar la combinación de hardware más compleja del mundo, mientras se pierden los cerebros capaces de manejar ese hardware, es la escena más mágica de la apuesta de Zuckerberg.

Aleja un poco la cámara y observa la trayectoria de Zuckerberg con respecto a la IA en los últimos 18 meses: es sorprendentemente similar a su enfoque cuando se comprometió completamente con el metaverso.

Ver la tendencia, invertir grandes sumas, contratar masivamente, enfrentar obstáculos, cambiar bruscamente la estrategia y volver a invertir grandes sumas.

De 2021 a 2023 fue la era del metaverso, y cada año perdieron decenas de miles de millones, hasta que la acción cayó de 380 dólares a 88 dólares. De 2024 a 2026 es la era de la IA, con el mismo gasto desmedido, reestructuraciones organizativas frecuentes y la misma narrativa de «confía en mí, tengo visión».

La diferencia es que esta vez el auge de la IA es mucho más concreto que el metaverso. Meta tiene dinero para gastar, y su negocio publicitario genera un flujo de efectivo abundante; en el cuarto trimestre de 2025, los ingresos de Meta fueron de 59.900 millones de dólares, un aumento del 24% interanual.

El problema es que el dinero puede comprar chips, poder de cómputo e incluso a la persona sentada en su puesto de trabajo, pero no puede comprar a las personas que se quedan.

Pang Ruoming eligió OpenAI, Russ Salakhutdinov eligió irse, y LeCun eligió emprender.

La apuesta actual de Zuckerberg es que, siempre que compre suficientes chips, construya suficientes centros de datos grandes y gaste suficiente dinero, siempre podrá encontrar o formar a personas que puedan utilizar estos recursos.

Esta apuesta podría ser válida. Meta, tras todo, es una de las empresas tecnológicas más ricas del mundo, y más de 100.000 millones de dólares en flujo de efectivo operativo constituyen su fortaleza más sólida. Continúa reclutando talento de OpenAI, Anthropic, Google y otros competidores. Según QbitAI, cerca del 40% del equipo de superinteligencia de Meta, que consta de 44 miembros, proviene de OpenAI.

Pero la crudeza de las competencias de IA es que el poder de cómputo, la lista de talentos y el rendimiento del modelo son públicos; el escándalo de manipulación de benchmarks de Llama 4 demuestra que en esta industria no puedes mantener la ventaja con presentaciones y relaciones públicas.

El mercado solo reconoce una cosa: ¿tu modelo es lo suficientemente bueno?

La carrera armamentista de IA entra en 2026, y la jerarquía de la cadena alimenticia ya está claramente definida:

Los líderes son OpenAI y Google. OpenAI cuenta con los modelos más potentes, la base de usuarios más grande y la financiación más agresiva. Google posee una integración vertical completa con chips propios, modelos propios e infraestructura de nube propia. Anthropic le sigue de cerca, consolidándose en el primer escalón gracias a la fuerza del producto Claude y al respaldo de capacidad de cómputo de Google y Amazon.

Meta? Ha invertido más dinero, firmado más contratos de chips y realizado las reestructuraciones organizativas más frecuentes, pero hasta ahora no ha presentado un modelo de vanguardia que convenza al mercado.

La historia de IA de Meta es un poco como Yahoo en 2005. En ese entonces, Yahoo también era una de las empresas más ricas de Internet, gastando frenéticamente y realizando adquisiciones, pero nunca logró crear un motor de búsqueda como Google. El dinero no lo resuelve todo. Zuckerberg necesita reflexionar sobre qué es exactamente lo que Meta quiere lograr con la IA, en lugar de comprar cualquier cosa que esté de moda.

Por supuesto, aún es demasiado pronto para escribir el obituario de Meta. 3.58 mil millones de usuarios activos mensuales, 59.9 mil millones de dólares en ingresos trimestrales y el conjunto de datos sociales más grande del mundo son activos que cualquier competidor tiene dificultades para replicar.

Si el próximo modelo, codificado como Avocado, se entrega a tiempo en 2026 y vuelve a la élite, todo el gasto y reestructuración de Zuckerberg se presentará como "una audaz estrategia para revertir la situación". Pero si nuevamente no cumple las expectativas, los 135.000 millones de dólares habrán comprado solo una serie de almacenes de obleas de silicio encendidas y calientes.

Después de todo, la carrera armamentista de IA en Silicon Valley nunca ha carecido de supercompradores que agitan cheques. Lo que falta son las personas que saben cómo usar esta capacidad de cómputo para forjar el futuro.