黄仁勋 abre una nueva era en IA: Cómo Physical AI está redefiniendo el mapa de la computación y el ecosistema Crypto

En el reciente Foro de Davos, las declaraciones de Jensen Huang han provocado una reflexión generalizada en la industria. Este líder de NVIDIA no solo está redefiniendo la dirección del desarrollo de la inteligencia artificial, sino que también ha abierto de manera intangible una nueva puerta de posibilidades en el campo de los activos criptográficos. Con el concepto de “Inteligencia Artificial Física”, ha anunciado la llegada de una nueva era.

De entrenamiento a inferencia: la revolución computacional anunciada por Jensen Huang

Huang señaló que actualmente la capa de aplicaciones de IA está experimentando una explosión total, pero el enfoque en la demanda de potencia de cálculo está cambiando fundamentalmente. La fase anterior, basada en la acumulación de hardware para entrenar modelos, ha llegado a su fin. El futuro de la competencia se centrará en la inferencia y en el campo de la IA Física, es decir, la IA no solo debe “pensar”, sino también “hacer”.

Este punto de vista marca un cambio de era. NVIDIA, como ganadora indiscutible de la era de las GPU, anteriormente apoyaba a las empresas con una gran capacidad de cálculo para entrenar modelos más grandes mediante la acumulación de recursos. Pero la nueva declaración de Huang indica que perseguir solo el tamaño de los parámetros ya no es la clave para ganar. La competencia futura en IA se dirigirá hacia la implementación práctica, la aplicación en escenarios reales y la creación de valor tangible.

La esencia de la IA Física: del virtual a lo real

Los Modelos de Lenguaje Grande ya han aprendido de manera exhaustiva los datos textuales de internet, pero esto aún no es suficiente. Un modelo grande entrenado todavía no puede, como los humanos, abrir una botella con precisión, entender el peso y la textura de los objetos. Este es el problema central que la IA Física debe resolver: superar la brecha entre la inteligencia artificial y la ejecución en el mundo real.

La limitación clave de la IA Física radica en su exigencia extrema de respuesta en tiempo real. Cuando ChatGPT tiene un retraso de un segundo, el usuario puede simplemente sentir que la interfaz se ralentiza. Pero si un robot bípedo se detiene por un segundo debido a la latencia de la red, podría caer por las escaleras. Esto significa que la IA Física debe basarse en cálculos locales y en el procesamiento en el borde, sin depender del procesamiento remoto en la nube.

Los tres grandes desafíos tecnológicos de la IA Física

Al describir este nuevo campo, Huang implícitamente señaló tres desafíos tecnológicos que deben ser superados. Estos desafíos no solo representan la dirección del desarrollo de la industria, sino que también sugieren nuevas oportunidades de inversión.

Inteligencia espacial: la capacidad de los robots para percibir el mundo tridimensional

La profesora Fei-Fei Li de Stanford afirmó que la inteligencia espacial es la próxima estrella polar en la evolución de la inteligencia artificial. Para que los robots puedan moverse en el mundo físico, primero deben comprender verdaderamente su entorno.

Esto no solo implica reconocer objetos en imágenes —“esto es una silla”— sino entender en profundidad “la posición específica de la silla en el espacio tridimensional, sus características estructurales y cuánta fuerza se necesita para moverla de manera segura”. Esta capacidad de comprensión requiere una gran cantidad de datos en tiempo real, que cubran de manera completa y precisa diferentes escenarios tanto en interiores como en exteriores. Actualmente, estos datos son insuficientes.

Campo de entrenamiento virtual: la escuela de simulación para robots

Huang mencionó especialmente Omniverse, que en realidad representa un paradigma de entrenamiento completamente nuevo. Antes de que los robots ingresen al mundo físico real, necesitan completar miles de ciclos de prueba y error en un entorno completamente virtual. Como aprender a caminar requiere “caer mil veces”, los robots también necesitan experimentar una gran cantidad de fracasos en entornos simulados para dominar las habilidades de movimiento en la realidad. Este proceso se denomina “Sim-to-Real” — de simulación a realidad.

Permitir que los robots prueben y fallen en entornos reales sería costoso, ya que cada colisión o caída puede dañar el hardware, acumulando costos de reparación y reemplazo astronómicos. La ventaja del entrenamiento virtual radica en que puede realizarse con costos de hardware casi nulos a gran escala. Sin embargo, esto requiere capacidades de simulación física y renderizado computacional que crecen exponencialmente.

Datos táctiles: un tesoro de datos aún por explotar

Para que la IA Física logre una sensación similar a la humana, necesita percibir temperatura, presión y textura mediante pieles electrónicas. Estos “datos táctiles” representan por primera vez en la historia de la sociedad humana una escala masiva de recopilación de datos.

En la reciente feria CES, la empresa Ensuring presentó un avance: su “piel electrónica de producción en masa” integra 1,956 sensores distribuidos densamente en una sola mano mecánica. Gracias a estos sensores minúsculos, el robot puede manipular huevos con precisión sin romperlos. La capacidad de recopilación de datos táctiles representa una categoría de activos de datos completamente nueva.

Oportunidades ocultas en el sector de las criptomonedas

Tras analizar estas necesidades tecnológicas, muchos podrían pensar que solo las grandes empresas tecnológicas y fabricantes de hardware tienen oportunidad de participar. Pero en realidad, los ecosistemas de aplicaciones descentralizadas en DePIN, DeAI, DeData, pueden precisamente llenar los vacíos clave en la era de la IA Física.

Redes globales de recopilación de datos en entornos 3D

Los vehículos de Google Street View pueden escanear las principales calles del mundo, pero no pueden acceder a cada callejón, cada interior de vecindarios o cada rincón de sótanos. Estos “puntos ciegos” en los datos 3D son cruciales para la implementación real de robots.

Las redes DePIN, mediante mecanismos de incentivos con tokens, pueden movilizar a millones de usuarios en todo el mundo para que utilicen sus smartphones y otros dispositivos para recopilar continuamente datos de entornos en 3D en estas áreas periféricas. Cada contribución válida recibe recompensas en tokens. Este método es mucho más económico que depender únicamente de flotas de grandes empresas y puede completar la cobertura de datos en esa última milla.

Redes distribuidas de computación en el borde

La demanda de procesamiento en tiempo real de la IA Física significa que no puede depender completamente del procesamiento en la nube. Esto abre una gran oportunidad para las redes de computación en el borde distribuidas. Miles de millones de dispositivos de consumo —PCs, consolas de juegos, dispositivos móviles de alto rendimiento— permanecen en gran parte ociosos la mayor parte del tiempo.

Al aprovechar una red descentralizada de capacidad de cálculo, estos hardware inactivos pueden integrarse, distribuirse y coordinarse para realizar tareas de renderizado intensivo en simulaciones virtuales y de inferencia en modelos de aprendizaje automático en los nodos de borde. Esto resuelve el problema de la latencia en tiempo real y reduce significativamente los costos de operación de la IA Física.

Economía de tokens para protección de la privacidad y derechos de datos

Los datos táctiles involucran información extremadamente sensible y privada. Permitir que los usuarios contribuyan directamente estos datos a las grandes empresas de IA generaría preocupaciones sobre la seguridad y privacidad. Pero mediante mecanismos basados en blockchain para la propiedad y distribución de beneficios de los datos, la situación cambia radicalmente.

Los usuarios pueden mantener la propiedad de sus datos, saber exactamente cómo se usan y recibir recompensas económicas por su uso a lo largo de todo el ciclo de vida de los datos. Este modelo de “los datos como activos”, combinado con incentivos en tokens y contratos inteligentes para la distribución automática, puede motivar a los usuarios a contribuir con datos privados a gran escala, protegiendo al mismo tiempo la seguridad y privacidad personal.

La importancia estratégica de la criptomoneda en la era de la IA Física

Las declaraciones de Huang en realidad señalan una dirección para toda la industria. La IA Física no solo representa la segunda mitad del camino en la carrera de IA de Web 2.0, sino que también constituye una ventana estratégica para Web 3.0 y el sector de las criptomonedas.

Las infraestructuras descentralizadas y las aplicaciones de datos en DePIN, DeAI, DeData dejan de ser conceptos teóricos y se convierten en componentes esenciales de esta nueva era. Desde la recopilación distribuida de datos globales hasta la gestión del cálculo en el borde, pasando por la circulación segura de datos privados y la distribución justa de valor, las soluciones descentralizadas muestran su valor real en esta nueva etapa.

La visión de Huang ha encendido una señal de orientación para toda la industria de activos criptográficos. En el contexto de la IA Física, aquellos proyectos de criptomonedas enfocados en infraestructura, protocolos de datos y mecanismos de incentivos podrían estar realmente en el umbral de una oportunidad histórica.