La gran fiebre de la inteligencia artificial generativa comenzó con palabras, pues primero fueron los chatbots que escriben correos, resumen documentos o responden preguntas con una soltura que hace apenas tres años parecía de ciencia ficción, con aplicaciones como ChatGPT o Claude. Después vinieron los generadores de imagen y video, y con ellos una nueva oleada de entusiasmo por una tecnología capaz de producir contenido a con solo unas descripciones, en este tipo de nivel Midjourney, Nano Banana y Meta AI generaron contenidos virales.

Pero para Nvidia, la empresa que se volvió el gran termómetro financiero de este auge, el negocio que redefine su siguiente década no está sólo en las pantallas ni en el texto, sino en las máquinas que tendrán que entender el mundo físico y actuar dentro de él. Esto de acuerdo con Ian Buck, vicepresidente de computación hiperescalable y de alto rendimiento (CUDA, por sus siglas en inglés). “El futuro más lucrativo de la IA no pasa únicamente por modelos entrenados con el internet, sino por sistemas capaces de aprender en simulación para luego conducir un auto, mover un robot, asistir en una fábrica o interactuar en un hospital”, señaló Buck en una entrevista con Expansión. El ejecutivo plantea una transición que ayuda a entender por qué Nvidia habla cada vez menos sólo de GPUs y cada vez más de plataformas completas. Durante años, la empresa construyó su poder en los videojuegos, centros de datos, el entrenamiento de modelos y la capa de software que volvió a la división que lidera Buck casi indispensables. “El origen de CUDA fue como una apuesta de largo plazo por librerías, compiladores y comunidad técnica, cuando todavía no era un negocio obvio. Esa lógica, sin embargo, ya no alcanza para el corazón de la robótica, la conducción autónoma y la simulación industrial”, precisó Buck. A diferencia de los modelos entrenados sobre texto e imagen para conversar con humanos, estos sistemas buscan entender las reglas del entorno, como la física, la distancia, el movimiento, la relación entre objetos, la secuencia de eventos.

Buck los describe como modelos que deben ser “físicamente informados”, porque sólo así podrían servir para entrenar a un robot que aprenda a caminar, saber que no debe chocar o pasarse un alto. Las cifras ayudan a entender por qué Nvidia está corriendo hacia ese terreno. La Federación Internacional de Robótica reportó que en 2024 se instalaron 542,000 robots industriales en el mundo, más del doble que hace una década, con Asia concentrando casi tres cuartas partes de los nuevos despliegues. Mientras Goldman Sachs calcula que el mercado de robots humanoides podría alcanzar 38,000 millones de dólares en 2035. Waymo es, por ahora, una de las vitrina más creíble de ese futuro pues muchos de sus autos operan en diversas ciudades del mundo, incluida San José, donde se realizó el GTC de Nvidia. En febrero, la empresa dijo que su sexta generación de Waymo Driver comenzaría operaciones plenamente autónomas, apoyada en casi 200 millones de millas autónomas acumuladas y en una arquitectura de sensores y cómputo rediseñada para reducir costos y escalar a más ciudades. Días después anunció que se preparaba para abrir servicio en Dallas, Houston, San Antonio y Orlando. Mientras Nvidia lo anuncia como uno de sus principales clientes. Su plataforma DRIVE Hyperion para vehículos autónomos de nivel 4 incorpora dos computadoras DRIVE AGX Thor basadas en Blackwell, y en días recientes Nvidia anunció que BYD, Geely, Isuzu y Nissan la usarán para desarrollar vehículos listos para autonomía avanzada. Además, Uber acordó con Nvidia desplegar robotaxis en 28 ciudades a partir de 2027 mediante esa misma plataforma. Un error en un asistente de texto puede volverse una anécdota, un error en un robot o en un coche autónomo puede convertirse en un problema regulatorio, legal o de vida o muerte. De ahí que Buck insista en la simulación como espacio previo de aprendizaje, ya que no se trata sólo de abaratar pruebas, sino de trasladar miles o millones de escenarios raros al entorno virtual antes de soltarlos en calles, almacenes o clínicas.