La renuncia de Jensen Huang como director ejecutivo de NVIDIA es un retroceso grande para el desarrollo de un ecosistema de modelos abiertos en Estados Unidos. Así lo planteó Nathan Lambert en su boletín Interconnects el 14 de noviembre.

Según Lambert, NVIDIA sigue teniendo intereses financieros para apoyar los modelos abiertos. Le conviene evitar que el poder se concentre en unos pocos clientes que terminen diseñando sus propios chips y le quiten ganancias. Pero sostener el ecosistema abierto, escribe, es un rompecabezas delicado más que un problema de ingeniería que se resuelve a fuerza de trabajo.

NVIDIA primero tiene que estabilizarse

La operación de NVIDIA depende de Huang como gestor, algo conocido, así que Lambert da por consenso que vienen tiempos difíciles. Menciona la posibilidad de más salidas de alto perfil, ya sea por las investigaciones sobre contrabando de chips o simplemente porque otras empresas saldrán a buscar talento fácil de captar.

Para Lambert, la prioridad número uno de NVIDIA es estabilizar el barco, cumplir con los clientes durante los próximos 24 meses y evitar un derrumbe. Los modelos abiertos eran una de las apuestas más ambiciosas de Huang, del tipo que hace un fundador, y lo más probable según el autor es que ese flujo de financiamiento se seque.

Un mercado que recién empieza

Lambert describe la economía de los modelos abiertos como un mercado naciente. Estos son los años en que se definen los casos de uso, el flujo de ingresos y los motivos para seguir entrenando nuevas generaciones de modelos. El autor desarrolló esa idea en su charla reciente en Fireworks Forge (diapositivas, grabación), con un argumento a favor y uno en contra.

El argumento a favor es que esta economía se aferró a la idea de ser dueño de la inteligencia y al post-entrenamiento para empresas como su carril principal. Lo que falta saber es qué tan grande es ese mercado.

El argumento en contra es que el beneficio de largo plazo de los modelos abiertos, una inteligencia convertida en commodity, está muy lejos con la capacidad de cómputo tan escasa. Las startups de inferencia también tienen problemas para conseguir chips, según The Information, porque Anthropic y OpenAI compran gran parte de la capacidad disponible. En ese escenario hay poca competencia de márgenes en los modelos de pesos abiertos.

Lambert cita como ejemplo la publicación de DeepInfer de DeepSeek. Si los modelos abiertos también se sirven con márgenes de inferencia gigantes, no son una commodity. En ese paradigma ganan los laboratorios cerrados, que tienen mejores economías de escala y una integración que va del modelo al centro de datos y a los chips. El autor amplió ese punto en un texto reciente sobre la economía de los modelos abiertos.

Su conclusión es que todavía tienen que salir bien muchas cosas para que los modelos abiertos sean un motor económico relevante, y que el apoyo y la protección de Huang le daban al ecosistema tiempo para resolverlo.

¿Por qué Lambert teme a la regulación?

Para el autor, Huang era más que un animador. Frenaba muchos problemas en cuanto empezaban a asomar y estaba dispuesto a usar su poder a favor de los modelos abiertos.

Lambert apunta a una ola de financiamiento demócrata hacia candidatos que quieren regular la industria de la IA en nombre de la seguridad. Según él, muchas de esas personas sienten la necesidad de hacer algo y creen que los modelos abiertos son inseguros, sin conocer bien sus beneficios. Su mayor temor de corto plazo es una regulación mal hecha a nivel estatal, seguida de una nacional.

El autor sostiene que desde este verano (boreal) el ecosistema está a un modelo chino de pesos abiertos fuerte de distancia de una crisis, y que eso sigue vigente ahora que la ciberseguridad entra en un equilibrio nuevo y turbulento. Todavía no ha habido un hackeo grande hecho con un modelo chino de pesos abiertos popular, pero para Lambert es cuestión de cuándo, no de si ocurrirá. Por eso, escribe, hace falta alguien que pida cautela y una mirada de ecosistema cuando los "halcones" de los pesos abiertos salgan a cazar.

Lambert advierte que botar hoy la ficha del dominó del código abierto es fácil. Revertir después la concentración de poder, la caída en la investigación de seguridad y el freno a la innovación de largo plazo es mucho más difícil. Con los datos públicos parece un balance entre innovación de largo plazo y riesgos de corto plazo, pero según el autor eso se debe a lo difícil que es medir la economía de los modelos abiertos, porque sus partes más valiosas corren en infraestructura privada.

El momento de las noticias

Lambert agrega una observación sobre los medios. Le sorprende cuánto gira hoy la cobertura en torno al momento de publicar y no a la disponibilidad de la información. Según él, todos los asuntos de Huang eran conocidos, pero sacarlos en el momento justo, después del giro político de las elecciones de mitad de período, fue lo que derribó al rey.

Pone como segundo ejemplo la polémica en torno a Jacob Coxon de este verano. La cultura de seguridad de los grandes laboratorios era conocida, escribe, pero el momento, con los centros de datos y la ventana de Overton, la convirtió en un tema nacional. El autor cree que algo así podría pasar con la seguridad de los modelos abiertos, porque los relatos de daño, riesgo o seguridad son los que mueven los algoritmos de los medios.

Falta un laboratorio abierto de frontera

Para Lambert, la única solución duradera es incubar en Estados Unidos un actor de modelos abiertos que de verdad esté en la frontera. Dice coincidir con Dylan Patel, director ejecutivo de SemiAnalysis, en un problema de fondo del ecosistema. Lo cita de un pódcast de emergencia de ChinaTalk y SemiAnalysis:

Jordan Schneider: Quiero saber su opinión sobre qué tan grave es que Jensen ya no esté en la mesa para el futuro de la innovación estadounidense. Y deberíamos hablar de modelos abiertos. Él era el gran defensor, ¿cierto? Dylan, tú decías antes que todavía no entiendes por qué alguien no gastó unos cuantos miles de millones de dólares para hacer algo mejor que Kimi o DeepSeek y liberarlo como código abierto. > > Dylan Patel: No es tan fácil. No es plata, es talento. Toda la gente más talentosa trabaja principalmente en Anthropic, OpenAI, DeepMind y Meta TBD, ¿cierto? Y los que no, están repartidos en cien startups distintas. O sea, sí, Thinking Machines tiene un equipo muy bueno, pero ¿es Thinking Machines tan bueno como Moonshot? No. Moonshot, en habilidad, probablemente es tan bueno como los laboratorios de Estados Unidos. Solo tienen un gran déficit de cómputo y de despliegue. Así que creo que si no tenemos una ventaja de escala, no ganamos. Sí, estos laboratorios más chicos han gastado mucha plata en modelos. Pero DeepMind, Grok y Meta se han quedado atrás de la frontera de los laboratorios chinos una y otra vez, y gastan más. Entonces no es llegar y gastar unos miles de millones de dólares para hacer un modelo mejor.

Lambert sostiene que quienes mejor atraen talento son los que encabezan un movimiento. Huang ayudó a catalizar eso y, según varias métricas, igual iba perdiendo. Nemotron tuvo la ambición correcta y gente sólida, escribe, pero no llegó al punto de declarar la misión cumplida. A su juicio, una organización con miles de millones de dólares, buena gente y buen ambiente puede no bastar para llegar a la frontera.

El autor menciona que Thinking Machines podría haber madurado su compromiso con los modelos abiertos. Su Inkling 2 Small es, según Lambert, el mejor modelo occidental de pesos abiertos en bastante tiempo. Aun así queda muy por detrás de Kimi K3.1 Pro, y hay altas expectativas por la próxima actualización de GLM de Zhipu. Del otro lado, laboratorios cerrados como Anthropic le parecen algunos de los mejores negocios jamás armados, lo que da confianza en la duración de su enfoque.

Lambert se pregunta a quién va a llamar Mira (Murati, fundadora de Thinking Machines) cuando necesite cerrar su próxima ronda de financiamiento. Escribe que supuestamente la próxima ronda, con una valoración de 40.000 millones de dólares, ya está cerrada, pero que eso no alcanzará para seguirle el ritmo a la frontera cerrada por mucho tiempo.

Quién atiende el teléfono ahora

El problema de fondo, según el autor, es que el ecosistema de pesos abiertos necesita a alguien que conteste el teléfono para frenar una crisis. Los aliados más probables estarían entre los hiperescaladores, con nombres como Mark Zuckerberg, Andy Jassy o Satya Nadella.

Lambert cree que, ante una campaña de presión coordinada desde la comunidad de seguridad de IA que tiene a los modelos abiertos como blanco, la única forma de ir adelante es ser proactivo. Huang cargó con ese rol cerca de dos años, y antes de que diera un paso al frente con claridad en 2025 el panorama era desordenado. El autor cierra con un llamado a quienes creen en los modelos abiertos a hacer autocrítica y armar una coalición nueva, porque a su juicio quedaron zapatos vacíos que nunca se volverán a llenar del todo.