Anthropic apuesta $100B para superar los $1.4T de OpenAI en la carrera armamentista de IA

La alta ejecutiva de Anthropic tiene un mensaje para el mundo tecnológico, que se apresura a invertir miles de millones en inteligencia artificial inteligencia. Ella dice que más grande no siempre es mejor.

Daniela Amodei, quien dirige la empresa como presidenta y ayudó a fundarla, habla menudo sobre una idea que da forma a todo lo que hace el negocio. Lo llama "hacer más con menos".

Esa forma de pensar pone a Anthropic en desacuerdo con lo que la mayoría de Silicon Valley cree en este momento. Las empresas tecnológicas más grandes y sus inversores financieros actúan como si el tamaño determina quién gana. Ellos están reuniendo cantidades sin precedentes de dinero, comprando chips de computadora años antes de necesitarlos y construyendo edificios enormes llenos de servidores en todo el centro de Estados Unidos. Su apuesta es simple: quien construya la operación más grande gana.

OpenAI muestra este enfoque más claramente. La firma ha realizado compromisos por valor de aproximadamente 1,4 billones de dólares para poder de cómputo e infraestructura relacionada. Trabajando con varios socios, la empresa está estableciendo enormes instalaciones de centros de datos y consiguiendo chips avanzados más rápido de lo que la industria ha logrado antes.

Anthropic cree que hay un camino diferente. La compañía cree que un gasto cuidadoso, mejores algoritmos y formas más inteligentes de usar la tecnología pueden mantenerlos competitivos sin intentar superar en gasto a todos los demás.

La situación tiene un peso adicional porque Daniela Amodei y su hermano Dario ayudaron a crear la misma filosofía contra la que ahora están trabajando. Dario dirige Anthropic como director ejecutivo y anteriormente trabajó en Baidu y Google. Formó parte del equipo de investigación que popularizó el enfoque de escalado que ahora guía cómo las empresas construyen modelos de IA. El principio básico dice que agregar más poder de cómputo, más datos y hacer que los modelos sean más grandes tiende a mejorarlos de maneras que puedes predecir.

Las leyes de escalado impulsan la economía de la industria

Ese patrón ahora sostiene toda la estructura financiera de la competencia de IA. Esto explica por qué las empresas que ejecutan servicios en la nube gastan tanto dinero, por qué los fabricantes de chips exigen precios de acciones tan altos y por qué los inversores privados otorgan valoraciones enormes a empresas que aún pierden dinero mientras crecen.

Pero Anthropic quiere demostrar que la próxima etapa de la competencia no la ganará simplemente quien pueda permitirse las carreras de entrenamiento iniciales más grandes. Su plan se centra en utilizar información de mayor calidad para el entrenamiento, técnicas aplicadas después del entrenamiento inicial que mejoren la forma en que los modelos resuelven problemas, y decisiones de producto que reduzcan el costo de operación de los modelos y los hagan más fáciles de usar para los clientes a gran escala. Esa última parte es importante porque las facturas de computación nunca terminan una vez que los modelos están realmente en funcionamiento.

Anthropic no está trabajando con dinero de bolsillo. La compañía tiene compromisos de computación por alrededor de $100 mil millones y espera que esas necesidades crezcan si quiere mantenerse a la vanguardia. Como informó recientemente Cryptopolitan, Amazon impulsó el modelo Claude de Anthropic con su nueva infraestructura de IA Rainier, que cuenta con más de un millón de chips Trainium2.

“Los requisitos de computación para el futuro son muy grandes”, dijo Daniela Amodei a CNBC. “Por lo tanto, nuestra expectativa es que, sí, necesitaremos más capacidad de computación para poder mantenernos en la frontera a medida que nos hacemos más grandes.”

Aun así, la compañía indica que los grandes números que se reportan en todo el sector a menudo no se pueden comparar directamente. La confianza general de la industria sobre la cantidad correcta que gastar no es tan firme como parece.

"Muchas de las cifras que se manejan son en cierto modono exactamente comparables, debido a cómo están básicamenteestructurados algunos de estos acuerdos", dijo, refiriéndose a cómo las empresas se sienten presionadas a comprometerse temprano para obtener el hardware años después.

La realidad más amplia, señaló, es que incluso las personas que ayudaron a desarrollar la teoría del escalado se han llevado sorpresas por el crecimiento constante del rendimiento y los resultados empresariales.

“Hemos seguido sorprendiéndonos, incluso siendo nosotros quienes pioneros en esta creencia en las leyes de escalado”, dijo Daniela Amodei. “Algo que escucho mucho de mis colegas es que el crecimiento exponencial continúa hasta que deja de hacerlo. Y cada año hemos dicho: ‘Bueno, esto no puede ser posible que las cosas continúen de forma exponencial’, y luego cada año lo ha hecho.”

¿Qué sucede cuando el crecimiento se detiene?

Daniela Amodei separó la tendencia tecnológica de la tendencia económica, una diferencia importante que a menudo se mezcla en la discusión pública. Al observar solo la tecnología, indicó que Anthropic no ve un desaceleramiento del progreso basado en lo que han observado.

“Independientemente de lo buena que sea la tecnología, toma tiempo para que se use en un contexto empresarial o un poco personal”, dijo. “La verdadera pregunta para mí es: ¿Qué tan rápido pueden las empresas en particular, pero también los individuos, aprovechar la tecnología?”

“Lo exponencial continúa hasta que deja de hacerlo”, dijo Daniela Amodei. La pregunta para 2026 es qué sucede con la carrera de IA y las empresas que la construyen si el patrón de crecimiento favorito de la industria finalmente deja de funcionar.

Mientras la industria lidia con la demanda de computación de IA creciendo 2 veces más rápido que la Ley de Moore, requiriendo $500 mil millones anuales hasta 2030, la apuesta de Anthropic por la eficiencia en lugar de la escala bruta podría resultar profética, o podría descubrir que en la carrera de IA, no hay sustituto para el poder computacional abrumador.