Costo real del cómputo AI & Nuevos chips para inferencia - Noticias de IA (25 jul 2026)

Que una GPU parezca barata no significa que realmente puedas conseguir el clúster que necesitas. Ese contraste dice mucho sobre la nueva economía de la IA. Bienvenidos a The Automated Daily, edición de noticias de IA. El podcast creado por IA generativa. Soy TrendTeller, y hoy es 25 de julio de 2026. En este episodio vamos del costo oculto del cómputo a la pelea por modelos abiertos, y cerraremos con cómo la IA ya se está metiendo en el trabajo diario y hasta en la salud personal.

Costo real del cómputo AI

Empezamos por la infraestructura, porque ahí está una de las historias más reveladoras del día. Un análisis del mercado de alquiler de GPUs muestra que el precio por hora puede ser engañoso: una cosa es alquilar una sola GPU y otra muy distinta conseguir cuatro u ocho iguales, en la misma máquina y disponibles al mismo tiempo. Para entrenamiento serio o inferencia a escala, esa diferencia cambia todo. En otras palabras, el cómputo no escasea solo por cantidad, sino por topología, fiabilidad y tiempo de disponibilidad.

Nuevos chips para inferencia

Ese cuello de botella encaja con otra señal del mercado. Oracle está sintiendo el peso financiero del boom de centros de datos tras su enorme apuesta por capacidad para OpenAI, mientras Intel presentó resultados fuertes impulsados por la demanda de infraestructura AI. La lectura conjunta es clara: el negocio sigue creciendo, pero el despliegue de capacidad se está volviendo más caro, más complejo y más riesgoso. La fiebre por la IA no solo consume chips; también tensiona balances, empleo y hasta relaciones con reguladores y redes eléctricas.

Modelos más eficientes y útiles

En hardware, la carrera también se está fragmentando. AMD y Cerebras anunciaron una alianza para repartir el trabajo de inferencia entre sistemas distintos: uno optimizado para procesar el contexto inicial y otro para generar respuestas con mínima latencia. Etched, por su parte, dice estar validando racks propios para inferencia de frontera. Más allá de cada empresa, lo importante es la tendencia: la infraestructura AI se aleja del modelo único y va hacia diseños especializados para tareas concretas. Ya no se trata solo de tener más potencia, sino de usarla mejor.

IA abierta y competencia global

Pasando a los modelos, hubo dos señales interesantes sobre eficiencia. Poolside sostiene que su nueva fábrica de modelos puede llevar un sistema desde entrenamiento hasta lanzamiento en pocas semanas, y defiende que modelos más pequeños pueden rendir mucho mejor de lo esperado si se entrenan para insistir, verificar y corregirse. En paralelo, un análisis sobre Kimi K3 sugiere que su ventaja en generación de frontend viene de dedicar muchos más tokens al razonamiento interno y a una especie de planificación previa. El mensaje de fondo es potente: mejorar el proceso y el comportamiento del modelo puede ser tan importante como escalarlo.

Cómo se usa la IA

También sigue creciendo el debate sobre apertura y competencia. El fundador de DeepSeek volvió a defender una visión muy poco convencional para el sector: menos obsesión por el beneficio inmediato, más investigación a largo plazo y modelos fuertes publicados de forma abierta. Nvidia, desde otro ángulo, publicó un argumento parecido a favor de los open weights, diciendo que son clave para evitar dependencia excesiva y mantener un ecosistema más competitivo. Y en medio de esa discusión apareció un informe liderado por Huawei que asegura haber post-entrenado modelos de DeepSeek con chips Ascend. Es una señal relevante para China, aunque por ahora parece demostrar más capacidad en post-entrenamiento e inferencia que en entrenamiento de frontera completo.

Agentes, salud y productividad

Sobre uso real de la IA, Google lanzó la primera versión de su proyecto ATLAS, basado en millones de interacciones con Gemini. La conclusión no es que la IA ya esté reemplazando trabajos enteros, sino algo más matizado y probablemente más útil: se está usando mucho, pero en partes concretas del trabajo. Predominan tareas de apoyo como investigación, escritura, coordinación y resolución de dudas. Y no solo en oficinas; también aparece en trabajos técnicos y manuales para diagnóstico o soporte. Eso ayuda a bajar el ruido: la adopción es amplia, pero todavía bastante parcial, y además sigue muy ligada al nivel de riqueza de cada país.

Cerramos con dos movimientos que apuntan a una IA cada vez más personal y más activa. OpenAI comenzó a desplegar en Estados Unidos una función de salud para ChatGPT que permite conectar datos de Apple Health y algunos historiales médicos, con la idea de dar contexto en conversaciones sobre sueño, actividad, medicación o resultados de laboratorio. Es un paso ambicioso, útil en teoría, pero que eleva mucho la exigencia en privacidad, precisión y criterio clínico. Al mismo tiempo, Andrew Ng presentó OpenWorker, un asistente de escritorio orientado a hacer trabajo práctico con herramientas como Slack, Gmail o GitHub, y Sierra anunció la compra de TakeOff, una apuesta por agentes de tareas largas. La dirección es bastante clara: la IA quiere salir del chat y empezar a ejecutar trabajo real, con más autonomía y también con más responsabilidad.

Y hasta aquí la edición de hoy. Si algo atraviesa todas estas noticias es que la IA ya no se juega solo en el modelo más grande, sino en quién consigue mejor cómputo, mejor integración y más utilidad real. Soy TrendTeller, y esto fue The Automated Daily, edición de noticias de IA. Los enlaces a todas las historias están en las notas del episodio.

Costo real del cómputo AI & Nuevos chips para inferencia - Noticias de IA (25 jul 2026)

Our Sponsors

Today's AI News Topics