Nvidia es una de las empresas líderes en el mundo de la inteligencia artificial, pero ¿corre el riesgo de fracasar? Las ventajas tecnológicas de Nvidia y el liderazgo de Jensen Huang han creado lo que parece ser una posición de mercado inexpugnable, pero The Thinking Machine , de Stephen Witt, identifica varias vulnerabilidades importantes que podrían amenazar el dominio de la empresa.
Estos retos van desde los riesgos geopolíticos y las dependencias de fabricación hasta la negativa de Huang a comprometerse con los problemas de seguridad de la IA, pasando por cuestiones prácticas sobre el consumo de energía y la planificación de la sucesión corporativa. Si Nvidia no supera estos obstáculos, la empresa puede caer estrepitosamente. Sigue leyendo para saber más sobre los tres grandes retos a los que se enfrenta Nvidia en la actualidad.
Imagen vía Roboflow Universe(Licencia). Imagen recortada.
Índice
Desafío nº 1: La peligrosa dependencia de Nvidia de Taiwán
La primera vulnerabilidad que Witt identifica como razón por la que Nvidia podría estrellarse es su dependencia de Taiwan Semiconductor Manufacturing Company (TSMC) para producir sus chips más avanzados. TSMC cuenta con unos conocimientos técnicos y una precisión de fabricación que sus competidores tardarían años o décadas en replicar.
(Nota breve: TSMC se fundó en 1987 gracias a una iniciativa del gobierno taiwanés en el momento perfecto para aprovechar el cambio mundial hacia la externalización de la fabricación de chips. Aunque Intel controlaba el 65% de la producción de chips avanzados en aquella época, el hecho de que se centrara en diseñar y fabricar sus propios chips dejó un hueco para una empresa dispuesta a fabricar chips diseñados por otros. TSMC ocupó este nicho de "fundición", desarrollando procesos de fabricación tan precisos que ahora producen chips que se miden en nanómetros. Los expertos afirman que para que otros países reproduzcan las capacidades de TSMC, necesitarían no sólo una inversión masiva en tecnología de fabricación, sino también ecosistemas de proveedores y talento en ingeniería).
TSMC opera principalmente en Taiwán, una isla autónoma que China reclama como territorio y ha amenazado con tomar por la fuerza. Witt explica que la postura cada vez más agresiva de China hacia Taiwán supone una amenaza directa para el modelo de negocio de Nvidia y la industria de la IA en general, que depende de estos chips. Cualquier conflicto militar o perturbación económica en Taiwán podría detener inmediatamente la producción de los procesadores que impulsan la revolución mundial de la IA.
A pesar de su herencia taiwanesa y de las conexiones culturales que ayudaron a construir la relación de Nvidia con TSMC, Huang resta importancia públicamente a estos riesgos. Pero Witt sugiere que esta dependencia representa uno de los retos más importantes a largo plazo a los que se enfrentan tanto Nvidia como el ecosistema de IA en su conjunto. También señala que ha dado lugar al debate sobre un "escudo de silicio": la idea de que la dependencia mundial de la fabricación taiwanesa de semiconductores podría disuadir la agresión china haciendo que los costes del conflicto fueran demasiado altos para que China los asumiera.
| Poniendo a prueba el escudo de silicio: Why Economic Deterrence May Not Work La teoría del "escudo de silicio" supone que el cálculo racional evitará el conflicto, pero algunas de las acciones de China sugieren que los objetivos estratégicos e ideológicos pueden tener más peso que las consideraciones puramente económicas. Desde la publicación del libro de Witt, China ha intensificado sus preparativos militares a pesar de los enormes riesgos económicos: los análisis muestran que un conflicto con Taiwán reduciría el PIB chino en casi un 9% y costaría 10 billones de dólares a la economía mundial. Sin embargo, funcionarios estadounidenses informan de que los ejercicios militares chinos en torno a Taiwán sirven como "ensayos" para la invasión, y China apunta a 2027 como el año en que podría tomar Taiwán por la fuerza. Y lo que es más revelador, China cuenta con múltiples estrategias que podrían eludir por completo la protección del escudo de silicio. En lugar de una invasión, China podría recurrir a ciberataques, bloqueos económicos o una "guerra psicológica" que convenciera a Taiwán de perder la confianza en la protección militar occidental, apelando al patrimonio cultural que comparten chinos y taiwaneses. Las encuestas sugieren que esto podría funcionar: El 43% de los taiwaneses considera que China es más fiable que Estados Unidos, frente al 49% que se decanta por este país. China parece creer que siglos de coincidencia cultural prevalecerán sobre su separación política, y Taiwán acabará optando por la reunificación en lugar de aliarse con lo que Pekín considera un Occidente en declive. Esto sugiere que China podría aceptar graves costes económicos para restaurar lo que considera una unidad natural, cultural y territorial. |
Reto nº 2: La negativa de Huang a abordar los problemas de seguridad de la IA
Otra vulnerabilidad crítica que señala Witt es que Huang desestima por completo las preocupaciones sobre los riesgos potenciales de la inteligencia artificial. Mientras que destacados investigadores han expresado su seria preocupación por la posibilidad de que los sistemas de IA se vuelvan incontrolables o incluso planteen riesgos existenciales para la humanidad, la postura de Huang es que los sistemas de IA simplemente procesan datos y no son una amenaza para el bienestar o la supervivencia humana. Según Witt, cuando presionó a Huang sobre los peligros potenciales de los sistemas de IA que permiten los chips de Nvidia, Huang se negó a abordar el fondo de estas preocupaciones. En lugar de eso, Huang se enfadó, gritó a Witt y calificó sus preguntas de ridículas.
(Nota breve: las preocupaciones por la seguridad de la IA se dividen en dos categorías, y los expertos no se ponen de acuerdo sobre cuál representa la mayor amenaza. A los que se preocupan por el riesgo existencial les preocupa que los sistemas de IA puedan desarrollar sus propios objetivos o perseguir tareas con demasiada determinación, como en un experimento mental en el que una IA diseñada para maximizar la producción de sujetapapeles prioriza ese objetivo sobre la supervivencia humana. Investigadores como Geoffrey Hinton, Premio Nobel por sus trabajos sobre redes neuronales, se toman en serio estas preocupaciones. Pero Gary Marcus y Ernest Davis sostienen en Rebooting AI que estas preocupaciones distraen de un peligro más creíble e inmediato: la probabilidad de que cedamos la toma de decisiones a la IA en situaciones en las que su falta de comprensión resulte catastrófica).
Witt revela que otros ejecutivos de Nvidia muestran una despreocupación similar o son reacios a contradecir a su CEO. Una fuente dijo a Witt que los ejecutivos parecen tener más miedo de que Huang les grite que de contribuir posiblemente a la extinción humana. Witt presenta esta situación como una tensión fundamental en el panorama actual de la IA: Mientras algunos de los investigadores más respetados en inteligencia artificial advierten de riesgos potencialmente catastróficos, el consejero delegado de la empresa que permite estos desarrollos se niega a considerar seriamente tales preocupaciones. Esto sugiere que las legítimas consideraciones de seguridad pueden no recibir la atención adecuada dentro de la empresa que controla la infraestructura que impulsa el desarrollo de la IA.
(Nota breve: La reticencia de los ejecutivos de Nvidia a desafiar a Huang puede reflejar una ironía más profunda: a menudo confundimos la validación, por parte de otros humanos o de la IA, con un razonamiento sólido. Mike Caulfield (Verified) explica que los sistemas de IA actúan como "máquinas de justificación", entrenadas para dar respuestas que validan nuestros puntos de vista y prejuicios en lugar de cuestionarlos. La postura de Huang sobre la seguridad de la IA podría ejemplificar esta misma dinámica. Las investigaciones demuestran que los profesionales de todos los campos son más propensos a confiar en la información que confirma sus creencias, y una mayor experiencia aumenta este sesgo. Cuando los ejecutivos de Nvidia no desafían abiertamente la desestimación de Huang de las preocupaciones sobre la seguridad de la IA, él puede interpretar esto como un consenso racional en lugar de la supresión del pensamiento crítico).
Reto nº 3: Cuestiones de sostenibilidad sobre el futuro de Nvidia
Por último, Witt destaca dos retos críticos que podrían limitar el crecimiento continuado de los sistemas de IA impulsados por la tecnología de Nvidia: el impacto medioambiental y la continuidad organizativa.
Consumo de energía
El primer reto es medioambiental. Los centros de datos repletos de miles de GPU consumen cantidades ingentes de electricidad, lo que contribuye a aumentar la preocupación por el impacto medioambiental de la IA. Empresas como Google y Microsoft han visto aumentar drásticamente sus emisiones de carbono debido a la expansión de su infraestructura de IA. Witt señala que los primeros sistemas de IA consumían una energía comparable a la de los electrodomésticos, pero los sistemas actuales requieren electricidad suficiente para abastecer a barrios enteros. A medida que los modelos de IA siguen creciendo en tamaño y capacidad, sus necesidades energéticas aumentan exponencialmente, lo que plantea dudas sobre si las actuales trayectorias de desarrollo son respetuosas con el medio ambiente.
| The Real Environmental Leverage Points in AI El debate sobre el impacto medioambiental de la IA suele plantear una disyuntiva implícita entre detener por completo el desarrollo de la IA o aceptar un consumo ilimitado de energía para permitir que continúe, pero este planteamiento oculta dónde reside la verdadera influencia. Aunque la preocupación por el consumo energético de la IA es válida y urgente -loscentros de datos ocupan actualmente el undécimo lugar entre los mayores consumidores de electricidad del mundo-, el impacto se deriva principalmente de las decisiones empresariales sobre el desarrollo y la implantación de la IA, y no de su uso personal. La investigación sugiere que ver Netflix durante una hora consume aproximadamente la misma energía que 26 consultas ChatGPT, lo que ilustra que el uso individual de la IA tiene un impacto medioambiental relativamente modesto en comparación con otras actividades digitales. Las decisiones importantes se toman a nivel corporativo: la frecuencia con la que empresas como OpenAI lanzan nuevos modelos, si gigantes tecnológicos como Microsoft y Google invierten en fuentes de energía renovables para sus centros de datos y si las empresas revelan su consumo real de energía y su huella de carbono. Esto crea una posición interesante para Nvidia: mientras que la empresa se beneficia de un mayor desarrollo de la IA independientemente de su impacto medioambiental, sus clientes corporativos podrían exigir cada vez más chips más eficientes energéticamente si los costes medioambientales -o la presión social- se agudizan demasiado. Esta dinámica también presiona a los clientes de Nvidia para que solucionen las ineficiencias de sus propios procesos de desarrollo de IA. Como señala un analista, muchas tareas no necesitan que los modelos de IA sean "mejores" a la hora de generar resultados creativos y pulidos, sino que sean "correctos" a la hora de proporcionar respuestas precisas, una distinción que importa para justificar el consumo de energía. Cuando las empresas lanzan nuevos modelos cada pocas semanas, a menudo invierten grandes cantidades de energía para obtener ganancias marginales que los usuarios apenas perciben. Por ejemplo, en el caso de GPT-4, que superó con creces a GPT-3 en las pruebas de referencia, las diferencias en el mundo real fueron sutiles. Además, el enfoque actual de reentrenar los modelos, en lugar de actualizarlos con nueva información, representa una enorme ineficacia que podría resolverse mediante técnicas de "edición de modelos" que podrían reducir el consumo de energía a la vez que mantienen actualizados los sistemas de IA. |
Sucesión en Nvidia
El segundo reto es organizativo. Witt revela que Nvidia no tiene un plan de sucesión claro para Jensen Huang. Su eventual marcha podría crear retos importantes para una empresa tan estrechamente identificada con la visión de su líder. La estructura organizativa plana que ha servido bien a Nvidia bajo el liderazgo de Huang puede convertirse en un lastre en escenarios de transición, ya que no hay un segundo al mando claro y más de 60 personas dependen directamente del CEO.
Esta concentración de la autoridad para tomar decisiones en una sola persona crea vulnerabilidades para una empresa cuyo valor de mercado depende en gran medida de una visión estratégica continuada. Dado el papel central de Nvidia en el desarrollo de la IA, cualquier alteración de su liderazgo o dirección estratégica podría tener implicaciones de gran alcance para el ritmo y la dirección del progreso de la IA en todo el mundo.
(Nota breve: los problemas de sucesión de Nvidia ponen de manifiesto un problema más amplio con las narrativas de los "grandes hombres" de Silicon Valley: historias centradas en los fundadores que refuerzan la idea de que el genio individual impulsa el progreso tecnológico. Esto oculta el esfuerzo colectivo que hizo posible la IA: décadas de investigación por parte de informáticos, un movimiento de software de código abierto que permitió la experimentación, la ingeniería que construyó los cimientos de las redes neuronales y los movimientos sociales que exigían una tecnología más capaz, todo lo cual creó las condiciones para los avances de la IA. También sugiere que no tendríamos la IA moderna sin Huang, cuando si Nvidia no hubiera existido, las mismas fuerzas podrían haber impulsado a otra persona a desempeñar un papel similar).
Más información sobre la posible caída de Nvidia
Para comprender mejor si Nvidia se estrellará en su contexto más amplio, eche un vistazo a la guía de Shortform sobre el libro La máquina de pensar de Stephen Witt.
