Se revelan los tres grandes avances en modelos de IA en 2025, Jensen Huang en el Foro de Davos traza una nueva dirección

El CEO de NVIDIA, Jensen Huang, resumió en el Foro de Davos las tres principales innovaciones en el nivel de modelos de IA durante el último año: la madurez de la IA agentic, la prosperidad del ecosistema de modelos de código abierto y avances significativos en IA física. Estos avances marcan la transición de la IA desde la fase de prueba de concepto hacia una etapa de aplicación general, reflejando también una profunda transformación en toda la industria.

Las tres principales innovaciones en modelos de IA

IA agentic: de la alucinación a la inferencia confiable

Los modelos de IA enfrentaron inicialmente problemas graves de “alucinaciones”, pero Huang señaló que en el último año este problema se ha mejorado notablemente. Más importante aún, estos modelos ahora pueden aplicarse en investigación, realizando inferencias, planificación y respuestas sin haber sido entrenados específicamente en un campo particular. Esa es la capacidad central de la IA agentic: los modelos pueden completar tareas de múltiples pasos de forma autónoma, no solo responder pasivamente.

La importancia de este avance radica en que la IA ha pasado de ser una herramienta a convertirse en un asistente. Ya no necesita que los humanos guíen paso a paso, sino que puede entender objetivos, planificar y ejecutar tareas.

Modelos de código abierto: un punto de inflexión en la democratización de la IA

Huang calificó el lanzamiento del primer modelo de inferencia de código abierto de DeepSeek como un “evento importante”. Tras este evento, el ecosistema de modelos de inferencia de código abierto comenzó a prosperar, permitiendo a muchas empresas, instituciones de investigación y educativas innovar con estos modelos.

¿Y qué significa esto? La IA ya no es exclusiva de las grandes corporaciones. Las pequeñas y medianas empresas, startups, instituciones de investigación e incluso profesionales de la educación tienen la oportunidad de construir sus propias aplicaciones basándose en modelos de código abierto. Esto reduce significativamente la barrera de entrada para la adopción de IA y acelera su penetración en diversos sectores.

IA física: de lo virtual a lo real

El tercer avance es la IA física, un campo relativamente desconocido pero con un gran potencial. La IA física no solo comprende el lenguaje, sino que también entiende el mundo físico —incluyendo leyes en biología, química, física y otros campos—. En física, la IA puede entender dinámica de fluidos, física de partículas y física cuántica.

Este avance significa que el alcance de la IA se expande desde el procesamiento de información hacia la investigación científica y aplicaciones de ingeniería. La descubrimiento de medicamentos, ciencia de materiales y modelos climáticos son áreas que podrían beneficiarse de nuevas herramientas.

La realidad industrial detrás de estos avances

Se ha reportado que los precios de alquiler de GPU han aumentado debido a la creciente demanda, y Huang enfatizó que la IA requiere infraestructura por valor de billones de dólares. Esto refleja un fenómeno: la mejora en las capacidades de los modelos de IA impulsa directamente la demanda de recursos computacionales.

Las tres innovaciones apuntan en la misma dirección: la IA está pasando de ser un experimento en laboratorio a una tecnología de producción. La IA agentic mejora la autonomía de los modelos, los modelos de código abierto reducen las barreras de uso y la IA física amplía los ámbitos de aplicación. Estos avances, combinados, están impulsando una nueva ola de inversión en infraestructura.

Resumen

Las tres principales innovaciones resumidas por Huang reflejan tres direcciones clave en el desarrollo de la industria de la IA. La IA agentic resuelve problemas de fiabilidad, elevando la IA de herramienta a asistente; los modelos de código abierto rompen el monopolio, permitiendo que más actores participen en la innovación; y la IA física extiende las aplicaciones de la IA desde el procesamiento de información hacia la ciencia y la ingeniería.

Estos avances no son aislados, sino que se potencian mutuamente. La mayor capacidad de los modelos requiere más recursos computacionales, y la prosperidad del ecosistema de código abierto estimulará aún más la demanda de potencia de cálculo. Se espera que en 2026 el desarrollo de la industria de la IA se centre en estas tres áreas, y que la construcción y la inversión en infraestructura sigan siendo motores clave del sector.