Sora se retira del escenario

Hace unos días, OpenAI anunció sin previo aviso que cerraría el modelo de generación de videos con IA Sora.

Desde que apareció de la noche a la mañana hace dos años con la promesa de “cambiar la industria cinematográfica”, hasta su retirada ahora, Sora ha tenido un ciclo de vida tan corto y un giro tan abrupto que resulta desconsolador.

En Silicon Valley, los cierres de proyectos emblemáticos suelen tener un significado de indicador de tendencia: como cuando Apple, tras una maratón de diez años, abandonó con decisión el plan de fabricar automóviles; o cuando Meta redujo drásticamente el tamaño del laboratorio de metaverso que antes veía como vital. La caída de estos proyectos a menudo viene acompañada por un cambio de estrategia de la empresa e incluso del sector.

A través de la selección y la disposición de OpenAI, se pueden vislumbrar los cambios que está experimentando la industria estadounidense de la IA.

Tan Zhu entrevistó a varias personas del sector de la IA, incluidos investigadores que han pasado durante mucho tiempo entre los círculos de IA de China y EE. UU., y profesionales que trabajan en primera línea. Con los detalles que compartieron, se pueden encontrar algunas pistas.

“Recursos” es una palabra que los profesionales mencionan una y otra vez, y también el punto de partida para entender todo este cambio.

Un profesional que había trabajado con equipos de desarrollo de empresas estadounidenses líderes en IA como OpenAI y Meta le dijo a Tan Zhu que, en la industria, hoy existe un consenso general: la competencia en inteligencia artificial, en última instancia, es una competencia por recursos. Si hay talento, fondos y capacidad de cómputo suficientes, las empresas de IA normalmente apuestan simultáneamente por múltiples direcciones tecnológicas.

Y el cierre de Sora por parte de OpenAI es el resultado de que los recursos se han vuelto escasos.

Primero, veamos el problema de la capacidad de cómputo en la capa más básica.

En estos dos años, EE. UU. ha estado hablando de construir más centros de datos y seguir ampliando la capacidad de cómputo, pero la realidad es que la oferta siempre no alcanza al crecimiento de la demanda. Según cálculos de Goldman Sachs, la brecha entre la oferta y la demanda de capacidad de cómputo en centros de datos de EE. UU. está mostrando una tendencia a la normalización, y en los próximos años se prevé que se mantenga a largo plazo en aproximadamente 10 gigavatios.

Lo más crucial es que muchos proyectos de nueva creación se quedan atascados en las etapas de electricidad e infraestructura, y al final quizá tampoco logren materializarse.

En el caso de OpenAI, el problema se vuelve aún más evidente.

OpenAI tiene una característica: no construye sus propios centros de datos; su capacidad de cómputo central depende de la colaboración con proveedores como Microsoft.

En 2025, el presidente de OpenAI mencionó que la asignación interna de GPU se había convertido en un proceso “sumamente doloroso”, incluso requiriendo un equipo pequeño dedicado a supervisar cuándo termina cada proyecto para reasignar la capacidad de cómputo liberada a los proyectos nuevos.

Y es precisamente en ese momento cuando empieza a hacerse visible la segunda presión: la industria de la IA está entrando en un nuevo ciclo de capital.

En comparación con la inversión del pasado —“primero entrar, luego validar”—, los inversionistas ahora exigen con fuerza retornos comerciales medibles.

｜｜Según una encuesta de una consultora en EE. UU., el 53% de los inversionistas espera obtener retornos en seis meses.

｜｜Más del 70% de los CIO afirma explícitamente que si no pueden demostrar el valor comercial de la IA antes de mediados de 2026, los presupuestos relacionados se recortarán.

Cuando el capital exige más, y la capacidad de cómputo se vuelve cara y escasa, las empresas se ven obligadas a tomar decisiones internamente. Para las empresas estadounidenses de IA en la actualidad, este cambio es especialmente drástico.

Se estima que el costo de generar un video de 10 segundos con Sora es de 1,3 dólares. Suponiendo que los usuarios generan 11,3 millones de videos al día, el costo diario de cómputo sería de aproximadamente 15 millones de dólares, mientras que los ingresos reales están muy por debajo de esa cifra.

Sora, es solo un reflejo de esa lógica de “elección y sacrificio”:

｜｜En el último mes, también se han ajustado funciones como los pagos rápidos nativos de ChatGPT, entre otras.

｜｜Al mismo tiempo, OpenAI anunció un acuerdo con el Departamento de Defensa de EE. UU., para desplegar los modelos de OpenAI en redes secretas del ejército.

Estos proyectos recortados comparten características: enfoque para consumidores, consumo de capacidad de cómputo extremadamente alto, estancamiento del crecimiento de usuarios y retornos poco claros a corto plazo.

Detrás de esto, la industria de IA de EE. UU. está atravesando un ajuste estructural:

｜｜Meta anunció en marzo de 2026 que planea cerrar el soporte de Horizon Worlds en los visores VR el 15 de junio. La mayor parte del presupuesto se invertirá en direcciones como infraestructura de IA, dispositivos ponibles y el segmento móvil.

｜｜Amazon anunció el cierre de los proyectos físicos de Amazon Fresh y Amazon Go, y al mismo tiempo detuvo el sistema de pagos con la palma de la mano Amazon One.

｜｜Scale AI, una empresa líder en el campo de etiquetado de datos de IA, reestructuró su equipo en julio de 2025, aumentó recursos para ventas a empresas y gobiernos, y enfocó el negocio de etiquetado de datos en las oportunidades que más dinero generan.

La industria de IA de EE. UU. está formando un consenso: priorizar los proyectos de alto margen bruto y reducir la inversión continua en innovación a nivel de consumo.

Entonces, ¿qué tipo de proyectos son “de alto margen bruto”?

No hace mucho, OpenAI llegó a un acuerdo con el Departamento de Defensa de EE. UU. para desplegar modelos avanzados en redes secretas del ejército.

Lo especial de esta elección es que rompe dos líneas de base.

｜｜En primer lugar, la propia línea de base de OpenAI. OpenAI había recalcado repetidas veces que no brindaría soporte técnico para la vigilancia interna a gran escala ni para sistemas de armas autónomas, pero ahora ha cambiado de postura.

｜｜En segundo lugar, la línea de base de la industria. La otra empresa líder de IA de EE. UU., Anthropic, está siendo clasificada como “riesgo para la cadena de suministro” por el Pentágono precisamente por mantenerse firme en esa línea; y OpenAI es quien toma el relevo en el mismo periodo.

Esto revela una dirección peligrosa para el desarrollo de la IA en EE. UU.: ahora se empieza a tocar un ámbito que antes no se atrevía; ahora se está superando una línea de base que antes se defendía.

Chen Qi, que participó en 14 rondas de diálogos de IA entre China y EE. UU. y que conversó con representantes de ámbitos estratégicos, el sector militar y otros, le dijo a Tan Zhu que la corriente principal tanto en el ámbito estratégico como en las empresas impulsa con fuerza iniciar una “carrera de armamentos” de IA, buscando una ventaja absoluta frente a otros países.

Especialmente en el último año, este gobierno de EE. UU. ha dado por completo la vuelta a la idea de “IA segura, confiable y digna de confianza” del gobierno anterior, y se ha movido hacia “ganar la carrera de IA”, colocando derrotar a otros países en el centro absoluto.

Esto allana el camino para un vínculo profundo entre capital y el ejército.

Bajo la presión de “ganar la competencia”, las fronteras que antes estaban trazadas se están reetiquetando; el Departamento de Defensa se convierte en un socio extremadamente atractivo.

En un análisis vertical, mirando las tres grandes direcciones —de cara a consumidores (To C), de cara a empresas (To B) y de cara al sector público (To G)—, el sector público se está convirtiendo en el último “mar azul” para la IA.

En cuanto al ritmo de despliegue, la frecuencia con la que los profesionales del sector público de EE. UU. usan IA es mucho menor que la de la mayoría de los estadounidenses. Esto significa que hay un espacio enorme por desarrollar.

Y eso también significa que el sector público aún no ha entrado en la etapa de “evaluación por retornos”. Aquí, el presupuesto proviene de asignaciones y no de exigencias de rentabilidad; el ciclo es más largo, el financiamiento más estable y la tolerancia al riesgo mayor.

En un análisis horizontal, dentro del sector público, el Departamento de Defensa tiene la mayor disposición a cooperar.

Según estadísticas de un conjunto de datos sobre contratos del gobierno federal de EE. UU., el Departamento de Defensa cuenta con más del 70% de los contratos federales de IA. Solo de septiembre de 2022 a agosto de 2023, el monto de los contratos de IA del Departamento de Defensa creció en 1500%.

Liu Wei, quien había intercambiado con delegaciones de think tanks de EE. UU., el sector militar y otros, le dijo a Tan Zhu que, según su observación, cuando las empresas eligen cooperar con el ejército, por un lado es por la presión real del negocio; por otro lado, también quieren lograr avances tecnológicos a través de esa “zona de pruebas” que representa el ejército.

Este tipo de cooperación es una parte clave del modo en que EE. UU. construye la supremacía de la IA: vincula profundamente la investigación y el desarrollo tecnológicos con la capacidad militar, usa fondos públicos para abrir camino al capital y luego devuelve el favor con ventajas tecnológicas que alimentan la supremacía militar.

Pero el costo está saliendo a la luz.

Originalmente, el despliegue lento de IA por parte del gobierno de EE. UU. tenía una lógica interna.

A diferencia del sector privado, el sector público no es igual: algunas deficiencias actuales de la IA —como alucinaciones de la IA o falta de precisión— pueden ser solo problemas de experiencia en escenarios privados, pero en el sector público podrían evolucionar hasta convertirse en problemas sociales:

｜｜Departamento de estadísticas: usar IA para ayudar con el procesamiento de datos puede mejorar significativamente la eficiencia, pero si aparecen alucinaciones de IA que causen errores en los números, podría afectar directamente la economía y el bienestar de la gente;

｜｜Sectores como agricultura y energía: la IA puede apoyar la investigación científica y la asignación de recursos, pero las alucinaciones de IA podrían llevar a predicciones erróneas de modelos;

｜｜Ámbito de defensa: en el pasado, algunos proyectos de IA enfrentaron problemas de que el sistema de reconocimiento de objetivos tenía una precisión de solo alrededor del 30% en condiciones climáticas adversas; en decisiones que involucran vidas humanas, si se equivoca, las consecuencias no se pueden revertir.

Ahora, esta cautela se está abandonando.

El Departamento de Defensa además adopta una ruta agresiva de “usar y corregir”: introducir la IA rápidamente en escenarios de combate en la vida real, iterando y optimizando a través de la retroalimentación práctica. Este enfoque en sí mismo consiste en cambiar el riesgo para vidas humanas por una mayor velocidad de iteración tecnológica.

Liu Wei le dijo a Tan Zhu que, especialmente los mandos militares de rango medio e inferior con los que él se contactó en EE. UU., son precisamente el grupo de personas que realmente está peleando en el frente; ellos tienen una actitud bastante positiva hacia la aplicación militarizada de la IA, y en general creen que ayuda a mejorar la capacidad operativa y el nivel de planificación estratégica.

Hasta aquí, ya se puede ver lo que hay detrás de la elección de OpenAI: refleja la tendencia peligrosa en la construcción de la supremacía de la IA en EE. UU.

El capital busca retornos; el gobierno de EE. UU. busca ventaja militar; ambas partes se comprometen mutuamente en el ámbito de la IA, se apoyan mutuamente y, en conjunto, superan las líneas de base de ética y seguridad.

EE. UU. ya ha decidido priorizar la IA en el ámbito militar. Entonces, ¿hasta dónde se empujarán las fronteras la próxima vez?