Título original: Open Source Wins，AGI Is Here，and Scorsese's AI Toolkit—Cerebras & Black Forest Labs CEOs
Fuente original: All-In Podcast
Compilación original: Profundidad TechFlow

Resumen de puntos clave

En este episodio se invita a los CEO de dos empresas de infraestructura de IA. Andrew Feldman es el fundador de Cerebras, una empresa que se dedica a chips de inferencia; acaba de completar un IPO y tiene 25 mil millones de dólares en pedidos acumulados. Recalca una y otra vez una idea: la demanda de capacidad de cómputo para IA ya está cubierta desde hace tiempo; no existe el escenario de “construirlo y esperar a que lleguen”. El apetito de OpenAI, Anthropic, SpaceX y Google supera con creces la oferta. Y la aparición del “reasoning” (razonamiento) ha disparado nuevamente la intensidad de cómputo: ese es precisamente el campo de batalla de los chips rápidos. Robin Rombach es el fundador de Black Forest Labs, que desarrolla modelos generativos de imágenes y video (serie Flux). Antes inventó el algoritmo de latent diffusion, que es la base de todos los modelos actuales de generación de imágenes y video. Recientemente colaboró con Martin Scorsese: que el director use IA para visualizar las imágenes que tiene en su mente; pero aún más entusiasmado está con que el mismo conjunto de modelos multimodales pueda filmar películas y, además, desplegarse en robots para servir como su “cerebro”. El destino de los videos generativos no está en la pantalla, sino en el mundo físico.

Resumen de ideas destacadas

El razonamiento es el próximo “agujero negro” de cómputo

· “Lo interesante es que esta ola es distinta a las anteriores: no están apostando por ‘construir y esperar a que venga gente’. La demanda ya reservó toda la capacidad productiva. Tenemos 25 mil millones de dólares en pedidos acumulados.”

· “Reasoning es reasoning. El reasoning consume cantidades masivas de tokens, y ahí está el campo de batalla de los chips rápidos.”

· “Si Cerebras es 15 veces más rápido y tú corres 24 horas, equivale a hacer semanas o incluso meses de ‘pensamiento’.”

Open source y soberanía: las empresas quieren control

· “A nadie le gusta depender de otros. La lección aprendida por los hiperescalares desde la era x86 es haber quedado atados a Intel.”

· “No necesitas ser el más rápido en chips; solo necesitas no depender de forma completa de los chips de otros.”

· “Si ahora quieres ejecutar modelos open source, tienes dos opciones: OSS 12B de OpenAI o modelos de China. Estados Unidos necesita más opciones de open source local.”

El AGI ya llegó según definiciones de hace dos décadas

· “Cualquier definición de AGI que planteamos hace 20, 30 o 40 años, ya la superamos con creces.”

· “El test de Turing? Ya explotó.”

· “El problema ya no es que no sepamos cómo preguntar; al revés, la IA puede decirte: ‘oye, estos humanos tontos, ustedes ni consideraron esto’.”

El video generativo no reemplaza la creación humana

· “Estos modelos de IA son un medio. No queremos dictar cómo deben usarse, especialmente para gente como Martin Scorsese.”

· “El lenguaje es una forma de comunicación un poco con pérdidas; las señales de información visual son demasiado ricas. Convertir las imágenes de la mente en imágenes visibles es donde la tecnología tiene su punto más fuerte.”

· “El resultado más interesante casi siempre aparece cuando la gente está en un ciclo de iteración constante.”

De películas a robots: el mismo conjunto de modelos

· “Puedes usar el mismo modelo multimodal para hacer una película y luego desplegarlo como el ‘cerebro’ en un robot.”

· “El video con preentrenamiento enseña implícitamente al modelo las reglas de la interacción física; luego, de ese mismo modelo obtienes predicción de acciones, o sea, el control del robot.”

· “El objetivo es que puedas dar instrucciones al robot con un in-context prompt: ‘trae esa taza de jugo de naranja’; todavía no lo logramos, pero hacia eso vamos.”

AI como infraestructura: el centro de datos es más grande que una ciudad

Presentador: Nunca habíamos visto un tamaño de construcción así. Desde la Gran Muralla, las pirámides, los humanos no han invertido tanto capital, tiempo y gente inteligente para construir una sola cosa. En realidad estás haciendo esto; tu cliente construye centros de datos y tú eres una pieza clave. En 2026, ¿qué está haciendo Cerebras? ¿Y cómo van esos enormes proyectos en Texas?

Respuesta: En cuanto a los centros de datos de los que hablamos, en los próximos años el consumo de electricidad superará la cantidad total que ha consumido la Tierra durante los últimos 50 años. Un solo edificio es tan grande como un campo de fútbol; la electricidad conectada supera la de una ciudad mediana. En todo Estados Unidos se están construyendo, también en Canadá, en el norte de Europa, en París y en toda Francia, en Medio Oriente; incluso en Kazajistán, Tayikistán y Georgia también se están construyendo grandes centros de datos. Cada país y cada estado quiere participar.

¿Quién paga? OpenAI, Anthropic, SpaceX AI y Google: tienen un apetito tan grande que da miedo. Lo interesante es que esta ola es diferente a muchas anteriores: no están apostando por “construir y que llegue la demanda”; la demanda ya reservó la capacidad productiva. Tenemos 25 mil millones de dólares en pedidos acumulados. OpenAI quiere más centros de datos, Microsoft quiere más y AWS quiere más. La demanda no espera en la puerta; el cliente ya está haciendo fila.

Presentador: Esto también da lugar a una palabra: “token maxing”, básicamente “quemar tokens” sin fin. Hay quien cuestiona si una demanda tan grande realmente crea valor real.

Respuesta: Por supuesto, se está generando mucho valor. También hay una gran cantidad de pruebas inútiles. Comparado con cuando yo salí por primera vez con AWS, es demasiado cómodo saltarte a tu propio equipo de IT: cada ingeniero registra con su tarjeta. Muchas cosas sí son útiles; pero con el tiempo piensas: “ah, esto no debería haberse hecho así”. En general, aun así se gana dinero; solo que algunas direcciones se quedan cortas.

Recuerdo que en 1988 Costco abrió una tienda en Palo Alto. Todo el mundo iba como si fuera a Safeway; recorrían cada fila de estanterías. Era una forma pésima de comprar: terminabas comprando cuatro cosas que no necesitabas, cada una a 22 dólares. Luego la gente aprendió la estrategia: ir hacia atrás por el pollo, y agarrar 18 cupcakes para la fiesta de cumpleaños de los niños; rápido y al punto. El consumo de tokens de IA es igual: al principio todo el mundo los usaba sin límites; ahora las empresas empiezan a hablar de estrategia: qué tareas se pueden hacer con modelos open source, y cuáles requieren modelos de vanguardia. Empezamos a gestionar la IA como si fuera un negocio.

Inferencia reemplaza el entrenamiento: ¿por qué los chips rápidos son los protagonistas de esta ola?

Presentador: Sam Altman dijo en AllIn que lo siguiente es reasoning: comprender la intención, definir una estrategia y hacer validación cruzada con agentes de otros hilos. Venimos de “adivinar la siguiente palabra”, y recorres un largo camino. Cerebras está justo en el centro, porque reasoning es inferencia, y el cómputo requerido es enorme.

Respuesta: El razonamiento consume cantidades masivas de tokens; eso crea el campo de batalla para los chips rápidos. Cada paso de reasoning se traga tokens internamente: tú normalmente pagas con tiempo para obtener una buena respuesta. Que Cerebras sea 15 veces más rápido significa que, ejecutando 24 horas de reasoning, equivales a las semanas e incluso meses de pensamiento de otros.

Esta mañana probé un modelo GLM-52 de ZAI en BitTensor. Le di capacidad de cómputo infinita y le pedí que cada hora me dijera tendencias que aún no han sido identificadas en todo el mundo. Empezó a debatirse solo: ¿debería buscar en Hacker News y Reddit? ¿O las tendencias aparecen antes en Instagram? Yo mirando: un modelo de razonamiento debatiéndose en segundo plano. Está haciendo reasoning. Tokens infinitos equivalen a razonamiento infinito; con Cerebras 15 veces más rápido, 24 horas equivale a semanas de otros.

Presentador: ¿Cerebras tiene su propia Ley de Moore? ¿Cuánto tiempo toma duplicar internamente?

Respuesta: Todos los chips anteriores siguieron la Ley de Moore: se duplicaba cada 18 meses. Nosotros rompimos esa línea con este chip y salimos a una trayectoria totalmente nueva. Mi juicio es que en los próximos 18 meses estaremos muy por encima del doble. Todavía hay mucho margen de optimización en la nueva arquitectura. La GPU es una arquitectura vieja de hace 20 años: solo puede aguantar reduciendo nodos de proceso; pero con la nueva arquitectura todavía hay muchísimo que aprender y ajustar.

Presentador: Con 25 mil millones en pedidos acumulados, todavía tienes que seguir el ritmo de OpenAI, que quizá sea tu competidor potencial en el futuro. ¿Cómo operas la empresa?

Respuesta: Ahora las “placas de silicio” no se quedan ociosas: la demanda es demasiado grande. Pero tienes razón: OpenAI también está haciendo sus propios chips, Amazon también lo está haciendo. A nadie le gusta depender de otros. La lección aprendida por los hiperescalares desde la era x86 es haber quedado atados a Intel; y la lección aprendida por los fabricantes de GPU es haber quedado atados a unos pocos hiperescalares. Por eso financiaran la “nube nueva”. Hacer tus propios chips no se trata de ser el más rápido: se trata de no depender completamente de otros, y al menos controlar una parte importante de tu propio destino.

Open source y soberanía: las empresas quieren control

Presentador: El open source está en un momento. Yo usaba OpenClaude al principio; luego usé Kimmy. Descubrí que los tokens de Claude se disparan, pero con Kimmy no pude distinguir la diferencia. Los modelos open source empiezan a hacer reasoning; la brecha se cerró de golpe este año.

Respuesta: ¡No querrías llevar un Ferrari al supermercado! A veces manejas un carro rápido, y a veces un minivan; a los niños se les cae Cheerios y ni te afecta. Las empresas son igual: los problemas “difíciles” van para los modelos de vanguardia (OpenAI, Anthropic, Gemini), pero detrás de eso hay muchísimas cuestiones cotidianas que solo requieren capacidades open source sólidas. Piensa en cuántas horas tiene una empresa para hacer el trabajo de copiar y pegar en Workday para mover una celda más en Excel. Eso no necesita matemáticas de medalla; basta con un open source estable.

Recientemente se volteó otra carta: industrias reguladas como finanzas y salud (HIPAA, FINRA) temen filtraciones de datos y temen que la soberanía inteligente quede en manos de otros; por eso quieren poner modelos localmente y retener un poco más de control con versiones open source. OpenAI soltó OSS 12B hace unos meses, y estuvo bien. Pero ahora, en Estados Unidos, para ejecutar open source hay dos opciones: OSS 12B o modelos de China; las selecciones de open source local son muy pocas. NVIDIA también vio esa ventana y está empujando sus propios modelos open source, pero Jensen duda: sus clientes son Sam, Dario, Elon y Sergey; ¿publicar open source les va a quitar negocio?

Cerebras está en una posición relativamente neutral: ejecutamos GLM, ejecutamos Kimmy, ejecutamos la serie Qwen, y también ejecutamos modelos cerrados de OpenAI. También ejecutamos modelos que GSK desarrolla por sí misma, y modelos propios de UAE G42 y MBZUAI. La soberanía: es una tendencia.

El AGI ya llegó; el paradigma no morirá, la gente sí

Presentador: Cuando se publicaron Fable 5 y o-56, el gobierno dijo “esperen un momento antes de liberar”. La relación entre Anthropic y la capa administrativa está tensa, pero ahora empieza a suavizarse. ¿Crees que una publicación por etapas sea razonable? ¿Los modelos realmente son lo suficientemente peligrosos?

Respuesta: No he visto algo así antes. Pero volviendo atrás: cuando un modelo es lo suficientemente fuerte en pensamiento creativo, y el gobierno dice “publique por etapas”, creo que no tiene nada de malo. Nosotros también controlamos medicinas fuertes: claro, no alentamos a esa pila de basura burocrática de siete años de la FDA, pero decir “al menos dejemos que el gobierno haga pruebas de red team, para confirmar que nuestras defensas aguantan”, y dar dos o tres semanas para corregir claramente brechas visibles, no es una exigencia irrazonable.

Pero ahora estamos en el momento de mayor polarización. Si esto no lo hace Trump, con cualquier otro presidente, la reacción podría ser totalmente distinta. La polarización daña el pensamiento claro. Ambos lados cometen tonterías y también cometen cosas inteligentes. En el gobierno, el personal de base es realmente serio trabajando en esto; simplemente el ritmo fue demasiado rápido.

Nikesh de Palo Alto Networks me dijo algo: probaron los modelos contra su propio software y encontraron decenas de vulnerabilidades críticas dentro de una hora; tuvieron que detener todo lo que estaban haciendo y pasar seis semanas parcheando. Te das cuenta de que esto es una herramienta potente: tal vez primero mostrarlo a un grupo pequeño, o primero hacer pruebas de red team.

Presentador: Siguiendo cualquier definición de hace 20 años, el AGI ya llegó. ¿Qué opinas?

Respuesta: Sí. ¿El test de Turing? Ya fue aplastado. Cualquier definición que se propuso hace 10, 15, 20, 30, 40 o 50 años: ya las superamos con creces. Las preguntas que plantean los escritores de ciencia ficción ya fueron respondidas; ellos dirán: “ya no tengo problemas, perdón”. Por eso vale la pena escuchar lo que dicen aquellos que parecen estar en los márgenes: hace ocho años Ilya hablaba de seguridad; tú decías “¿qué?” y aun así tenía razón. Elon dijo que el costo de cohetes bajaría a casi cero; tú decías “¿qué?” y lo logró.

Presentador: Aprendizaje recursivo: le haces una pregunta, aprende el resultado y luego se la vuelves a preguntar; la respuesta es mejor, cubre más materiales. Las respuestas que salen de esos ciclos saltan de “un poco mejor” a “mucho mejor”. La pendiente de la curva exponencial es demasiado pronunciada.

Respuesta: La ganancia recursiva es exponencial: te vuelve mejor, y luego otra vez, y sigue aumentando la ganancia; la pendiente se vuelve demasiado empinada. Apenas empezamos a verlo. Si sigues invirtiendo cómputo, ¿las respuestas seguirán mejorando? Cuando terminen los tokens o el presupuesto se detendrá, pero ¿cuándo llega el final de esta curva exponencial? ¿O siempre sigue yendo hacia arriba y hacia la derecha? Esa pregunta ahora es demasiado interesante.

La velocidad de aprendizaje humano está frenada por generaciones: un elefante y animales mamíferos grandes tardan 15-20 años en cambiar una generación. Si quieres ir rápido, tienes que ser como una mosca: dos generaciones en un día. La IA está obteniendo esa velocidad de aprendizaje a través de miles de generaciones. Cuando leí psicología, el profesor dijo una frase: el paradigma no muere; la gente sí. Los alumnos de Freud, Skinner y Jung ocupan puestos de liderazgo durante 20-40 años, hasta que llega la siguiente generación que cuestiona. La IA ha comprimido el intervalo generacional a la velocidad de una mosca.

Mi apuesta es esto: nuestros hijos y todas las personas que conocerán no morirán de cáncer. Habrá choques económicos; llegan los autos y la gente que le pone herraduras al caballo la pasará mal. Pero lista lo que ganas y lo que pierdes: energía infinita, comida infinita, conocimiento infinito, educación infinita, vivienda infinita. Sabemos desde hace mil años que el tutoría 1 a 1 es mejor que la clase en grupo: Aristóteles tuteló a Alejandro; Sócrates tuteló a sus estudiantes; pero elegimos enseñar como si fuera crianza en fábricas. Ahora la IA puede darle a cada niño un mentor que aprende según su propia manera.

La “caja de herramientas” de IA de Scorsese: convertir las imágenes de la mente en realidad

Presentador: Robin Rombach es cofundador y CEO de Black Forest Labs; su sede está en Freiburg, en la región de la Selva Negra, y en San Francisco. Antes hiciste Stable Diffusion y inventaste el algoritmo de latent diffusion. ¿Cuál es el negocio de Black Forest Labs? ¿Cuál es el objetivo?

Respuesta: Junto con mis socios creamos la empresa hace dos años. Antes trabajábamos en Stable Diffusion; más temprano inventamos latent diffusion, que es el algoritmo base detrás de toda la generación de imágenes, generación de video e incluso modelos de IA física actuales. El principio consiste en comprimir datos naturales (imágenes, video, audio) en un espacio de representación eficiente, y luego entrenar un transformer sobre eso; es como los principios de JPEG y MP3, pero implementado con algoritmos de redes neuronales. Lo logramos durante el doctorado en Múnich.

Ahora estamos atacando los modelos de visión multimodales: preentrenamos simultáneamente en datos de imagen y de audio, y entramos en un nuevo paradigma. Combinando action prediction, el mismo modelo puede hacer imágenes, hacer video, hacer audio y también predecir acciones; en última instancia, puede desplegarse en robots reales.

Presentador: De imágenes a video a audio y luego a robots. Si el modelo puede generar video, significa que entiende el mundo.

Respuesta: La inteligencia intuitiva y el razonamiento profundo son dos formas de inteligencia complementarias. Entramos primero desde el lado intuitivo: la imagen es el punto de entrada más natural, y el cómputo no es tan grande como el del video. Pero ahora se está convergiendo en modelos multimodales. El video preentrenado enseña implícitamente al modelo las reglas de la interacción física; sacas predicción de acciones del mismo modelo, es decir, el control del robot.

Presentador: ¿Tienes una colaboración con Martin Scorsese? ¿Te sientas a su lado para que use tus herramientas?

Respuesta: Sí. Me senté en la misma habitación con él; exploró nuestros modelos y, como uno de los investigadores principales, se sentó ahí. Esa sensación es totalmente alocada. Y además, soy un gran fan suyo.

Lo que él quería era visualizar escenas de su mente. Un pueblo en Europa del Este: él lo describe, nosotros vemos la salida y él itera. Al final dijo algo así: convertir las imágenes de la cabeza en expresión visual: esa eficiencia de comunicación está muy por encima del lenguaje. El lenguaje es una comunicación con pérdidas; las señales de información visual son demasiado ricas: la cantidad de información en una imagen o en un video es enorme. Es otra vía de comunicación.

No queremos decirle a la gente cómo usar estos modelos, y menos le diríamos a Martin Scorsese “deberías usarlo así”. Los modelos de IA son un medio. Lo más interesante casi siempre aparece cuando la gente está en un ciclo de iteración.

De películas a robots: el destino de los modelos generativos no está en la pantalla

Presentador: Ahora startups usan Flux y vuestros modelos para hacer videos de lanzamiento. Antes gastaban 250 mil dólares en un launch video; ahora pueden hacerlo en una o dos semanas. Gal Gadot acaba de hacer una película de Bitcoin: el elenco actúa en un sound stage sin green screen; todos los fondos se hacen con IA generativa. Con un presupuesto de 30M de dólares sacaron un efecto que antes costaría 150M. ¿Has visto su uso en producción?

Respuesta: He visto algo. La producción de cine de alta gama es uno de los casos de uso más exigentes. Me alegra que haya gente explorándolo, pero también quiero dejar claro esto: la tecnología todavía está en una trayectoria y está iterando rápidamente. Hace unos años, cuando nosotros hacíamos PhD, solo podíamos generar imágenes de 64×64; ahora generamos video con múltiples entradas y alta resolución, pero esto no se va a quedar ahí.

Lo que más me emociona es esto: puedes usar el mismo modelo multimodal para filmar una película y luego desplegarlo como el cerebro del robot. Lo de “computer use” todavía no está claro si se puede usar de forma efectiva, pero la tecnología se está moviendo hacia el mundo físico: world models, action models; en el fondo, es lo mismo.

Presentador: ¿De dónde sale el entrenamiento? ¿Hacer que humanos se pongan gafas y guantes para grabar primera persona, o con solo ver en YouTube los videos de mil personas sirviendo bebidas ya basta?

Respuesta: El objetivo es usar in-context prompt para instruir al robot: “trae ese vaso de jugo de naranja”. Ahora mismo todavía no se puede. La forma actual es que el modelo ya viene con mucha comprensión visual; solo necesitas datos de microajuste durante unas horas para adaptarlo a hardware específico. La dirección es hacer la menor cantidad de microajuste posible y apoyarse lo máximo posible en in-context prompts, pero esto sigue siendo un problema de investigación.

Presentador: El open source está en su momento; las empresas necesitan soberanía. ¿Cómo debería Disney con un gran archivo de IP manejarlo: entrenar con tu modelo open source, o trabajar contigo para entrenar un modelo exclusivo?

Respuesta: El caso de uso más interesante es crear cosas que no existían antes; esa es precisamente la parte más interesante de esta tecnología. En nuestras herramientas públicas no se puede generar IP específica, y eso tiene sentido. También colaboramos con algunos propietarios de IP para desarrollar modelos: algunos se basan en nuestros modelos open source y otros se basan en nuestros modelos proprietary más fuertes.

El ángulo más interesante es que la tecnología se vuelve más rápida y más interactiva. Puedes imaginar que en Disney+ cuelgan diversas herramientas de creación de contenido interactivo.

Presentador: El fenómeno más interesante ahora son los fan films. Antes, había fan fiction para escribir sus propias historias de Star Wars; después, alguien se puso disfraces de Jedi y filmó fan films. George Lucas dijo que se permitía mientras no fuera uso comercial. Ahora, la gente usa IA para re-interpretar historias de Star Wars que no se habían contado: Star Wars Stories Untold, cada video con millones de reproducciones. Este es el futuro: que los consumidores paguen la autorización y usen los personajes para crear sus propias historias.

Respuesta: Si se puede encontrar un modelo de negocio comercial viable para el titular de la IP y a la vez abrir este tipo de personalización hipercreativa, sería excelente. Leo un libro o veo una película y siempre pienso: “¿qué pasaría si se desarrollara así?”. Ahora finalmente puedo hacer que esas ideas se vuelvan visuales.

Acabamos de pasar las 100 personas y estamos contratando en Alemania y en San Francisco: investigadores para entrenar modelos a gran escala; gente con experiencia en entrenamiento de diffusion y flow matching; ingenieros que desarrollan soluciones personalizadas junto con clientes; y personal de operación de infraestructura de cómputo a gran escala; y también personas interesadas en llevar la tecnología a más gente.

Enlace del original

Haz clic para conocer las vacantes de律动 BlockBeats en contratación

Bienvenido a unirte a la comunidad oficial de律动 BlockBeats:

Telegram canal de suscripción: https://t.me/theblockbeats

Telegram grupo de conversación: https://t.me/BlockBeats_App

Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia