Ir al contenido
IA para hoy

Lo esencial del día

NVIDIA acelera la IA física y la carrera por el cómputo frontera

10 de marzo de 2026, 13:00

La jornada gira en torno a la infraestructura: NVIDIA refuerza tanto la inferencia en el borde para robótica industrial como el cómputo para entrenar modelos frontera con Thinking Machines Lab. En paralelo, los datos empresariales siguen siendo el freno real para escalar agentes, y DeepMind repasa una década de AlphaGo como hoja de ruta hacia sistemas generales.

NVIDIA invierte en Thinking Machines Lab y despliega un gigavatio

Fotografía de archivo que ilustra: NVIDIA y Thinking Machines Lab firman alianza para desplegar un gigavatio de sistemas Vera Rubin
Foto: panumas nikhomkhai · Licencia Pexels · Pexels

Ambas compañías firman una alianza plurianual para desplegar al menos un gigavatio de sistemas Vera Rubin destinados a entrenar modelos frontera, con inicio previsto a principios del próximo año. La operación incluye una inversión significativa de NVIDIA y puede ampliar el acceso a modelos abiertos y personalizables más allá de los actores dominantes.

Jetson Thor lleva modelos abiertos a máquinas y robots

Fotografía de archivo que ilustra: NVIDIA Jetson Thor ejecuta modelos de IA abiertos en máquinas y robots industriales
Foto: KJ Brix · Licencia Pexels · Pexels

NVIDIA muestra modelos de lenguaje y visión ejecutándose localmente en maquinaria industrial y brazos robóticos, con casos de Caterpillar y Franka Robotics sin conexión a la nube. Reduce latencia y costes recurrentes y mantiene los datos en el dispositivo, lo que vuelve viable la IA física en manufactura y construcción.

Solo una de cada diez empresas ha escalado sus agentes

Fotografía de archivo que ilustra: Infraestructura de datos fiable, clave para escalar agentes de IA en empresas
Foto: MichaelBr90 · CC BY-SA 3.0 · Wikidata

McKinsey cifra en 88 % las compañías que ya usan IA en alguna función, pero apenas un 10 % ha llevado sus agentes a escala. El cuello de botella no son los modelos, sino la fragmentación de datos: más de la mitad gestiona más de 1.000 fuentes y dos tercios de los directivos no confían plenamente en ellas.

Diez años de AlphaGo: del juego a la ciencia aplicada

Fotografía de archivo que ilustra: Google DeepMind conmemora 10 años de AlphaGo y conecta su legado con el camino hacia AGI
Foto: Shadowssettle · CC BY-SA 4.0 · Wikidata

Google DeepMind repasa la evolución de AlphaGo hacia AlphaFold, AlphaProof o AlphaEvolve, con impacto medible en biotecnología y matemática computacional. Defiende que la combinación de modelos multimodales, búsqueda y herramientas especializadas es su vía hacia sistemas generales.

PlugMem: memoria estructurada para agentes

Fotografía de archivo que ilustra: Microsoft Research presenta PlugMem, sistema de memoria estructurada para agentes IA
Foto: miss_rogue on flickr, https://www.flickr.com/photos/missrogue/132777293/ · CC BY-SA 2.0 · Wikidata

Microsoft Research propone un módulo que convierte el historial de interacción en unidades de conocimiento reutilizables en lugar de texto bruto. Supera a métodos genéricos en tres pruebas y consume bastantes menos tokens de contexto, un factor clave para el coste de los agentes en producción.

OpenAI refuerza la jerarquía de instrucciones

Ilustración generada con IA sobre: OpenAI mejora la jerarquía de instrucciones en modelos LLM frontera
Ilustración generada con IA por IA para hoy

El método IH-Challenge entrena a los modelos para priorizar instrucciones de fuentes fiables y resistir inyecciones de prompts. Es un requisito básico para desplegar agentes autónomos en entornos empresariales con datos sensibles.

Con el cómputo y el borde avanzando rápido, la variable que decidirá la adopción empresarial sigue siendo la calidad de los datos y la seguridad de los agentes.

Días anteriores

Ver todo el archivo de resúmenes