Sí. Un impulso interesante en la tesis de la IA soberana por parte de Palantir, NVIDIA y Microsoft. Flujos de trabajo agentes soberanos para empresas. Esto es crítico. Y esto se está volviendo cada vez más accesible, por ejemplo, utilizando la infraestructura de NVIDIA, modelos base y recetas (consulte la suite NeMo y los modelos, software y recetas abiertos Nemotron). Esta es la tesis del bucle de datos en acción: - Procesamiento de datos. Esto requiere filtrado, deduplicación, etc. - Personalización del modelo (es decir, LoRA, RL, ...). - Evaluación del modelo. - Salvaguardas para seguridad / seguridad. - Implementación de modelos personalizados. - Refinamiento de datos empresariales y repetición del paso 1.

La capacidad de estos laboratorios fronterizos para recuperar todos los costos de entrenamiento de estos modelos vendiendo tokens como modelo de negocio es ridícula. Ninguna de estas empresas obtendrá nunca un retorno de la inversión al hacer esto. Están sin duda en el negocio de robar propiedad intelectual para desarrollar sus propias aplicaciones y productos.

Bien, ¿finalmente todos los de la IA están compitiendo por ser los peores? 🤣 Están robando libros, propiedad intelectual, documentos confidenciales, organizaciones sin fines de lucro e incluso tu repositorio completo ahora. Increíble. Innovación en el robo. Estoy seguro de que si estuvieras robando el repositorio de alguien más, literalmente podrías ir a la cárcel. En serio, los modelos locales se están volviendo tan buenos. Invierte en hardware. No te preguntes cuánto estás gastando, sino cuánto perderías si tus secretos fueran robados.

El CEO de Palantir, Alex Karp, acaba de dirigir sus críticas hacia OpenAI y Anthropic. Afirma que las empresas de la Fortune 500 están pagando miles de millones por "tokens" de IA que generan poco valor real. Su argumento es sencillo: Si un modelo de IA puede generar genuinamente $1 mil millones en valor... ¿Por qué cobrar por tokens en lugar de tomar una parte de los beneficios? Esto plantea una pregunta más grande: ¿Los modelos de negocio actuales de la IA están diseñados para entregar valor... o para vender acceso? 🤔

🔥 LAS EMPRESAS GLOBALES RECURREN A LA IA CHINA PARA REDUCIR COSTOS DoorDash, Siemens y Airbnb están adoptando modelos de DeepSeek, Z.ai y otras empresas chinas en busca de alternativas más económicas a los laboratorios líderes estadounidenses, según FT. Los modelos chinos han superado a sus rivales estadounidenses en el uso de tokens este año, impulsados por costos más bajos y la creciente preocupación en Europa sobre la dependencia de proveedores estadounidenses de IA.

RESUMEN MATUTINO ☕️: La IA está entrando en su era de eficiencia. OpenAI, Meta y xAI están rediseñando modelos para ofrecer un rendimiento similar con menos potencia de cómputo, reduciendo costos y aumentando la presión competitiva en toda la industria. La inteligencia más barata acelerará la adopción de la IA. 🤖

Jensen Huang acaba de desglosar toda la industria de la IA como una tarta de cinco capas: 1. Energía (la base) 2. Chips 3. Nube/Infraestructura 4. Modelos 5. Aplicaciones (la parte superior) La mayoría de los fundadores, financiación y talento están concentrados en la capa de Modelos, la más competitiva. Esa intensidad no crea ventajas competitivas; crea productos commoditizados. Cuanto más rápido todos corren, más barata y abundante se vuelve la inteligencia. La verdadera escasez ya no es la inteligencia. Es la energía. Ningún algoritmo construye una red eléctrica. Ninguna recaudación de fondos reemplaza una presa. La energía controla el acceso en la base. Las aplicaciones capturan los ingresos en la cima. Cientos de miles de millones se están vertiendo en las capas intermedias que se encuentran entre los electrones de alguien más y la economía de alguien más. La inteligencia se escala. La energía no. Construye donde realmente existen el cuello de botella y el retorno.

Todos hablan sobre la IA reemplazando trabajos de oficina... Mientras tanto, los ingenieros están enseñando a naves espaciales cómo sobrevivir por sí solas en el espacio profundo. 🌌