Satya Nadella sobre la AGI: escalar sin apostarlo todo a un solo modelo
Dwarkesh Patel
En un nuevo episodio de su podcast, Dwarkesh Patel, junto con Dylan Patel, fundador de SemiAnalysis, entrevistó a Satya Nadella en Atlanta después de recorrer Fairwater 2, el nuevo centro de datos de Microsoft. La pregunta de fondo era cómo se prepara Microsoft para una inteligencia artificial cada vez más capaz en todas las capas: infraestructura, modelos, aplicaciones y geopolítica.
La postura de Nadella combina dos ideas que repite a lo largo de la conversación. La primera es que la IA quizá sea el acontecimiento más importante desde la Revolución Industrial. La segunda es que todavía está en una fase temprana. De ahí sale su estrategia: construir infraestructura que sirva para muchos modelos, competir en cada capa por sus propios méritos y no suponer que una sola empresa integrará verticalmente todo el valor.
El recorrido por Fairwater 2
La entrevista empieza con la visita al centro de datos, guiada por Nadella y Scott Guthrie, vicepresidente ejecutivo de Nube e IA de Microsoft. Allí se explicó que Microsoft intenta multiplicar por diez la capacidad de entrenamiento cada 18 a 24 meses. Fairwater 2 representaría un salto de ese orden respecto al cómputo usado para entrenar GPT-5. Para dar escala, se dijo que la óptica de red de este único edificio equivale casi a toda la que tenía Azure en todos sus centros de datos hace dos años y medio: alrededor de cinco millones de conexiones de red.
Los entrevistadores preguntaron si tanto ancho de banda entre sitios y regiones era una apuesta por modelos tan grandes que necesitarían dos regiones enteras para entrenarse. La respuesta fue que el objetivo es poder agregar los FLOPs de varios sitios en un gran trabajo de entrenamiento, pero que la instalación no se usará solo para eso. También servirá para generar datos y para inferencia. Fairwater 4, en construcción cerca de allí, estará en la misma red de un petabit, y la «WAN de IA» se conectará con Milwaukee, donde hay otros Fairwater en obra. La idea es que un trabajo de entrenamiento pueda repartirse entre pods y superpods de este campus y del centro de Wisconsin y funcionar como un solo sistema.
Microsoft no quiso revelar cuántos racks hay por celda ni cuántas celdas tiene el edificio. Nadella bromeó con que, al ver la obra, pensaba: «dirijo una empresa de software». Lo más relevante del recorrido llegó cuando Dylan Patel preguntó por el espacio de diseño una vez elegidos los GB200 y NVLink. Nadella describió un acoplamiento que va desde la arquitectura del modelo hasta la planta física, y dijo que eso también da miedo. El Vera Rubin Ultra, por ejemplo, tendrá una densidad de potencia y unos requisitos de refrigeración muy distintos. Por eso, dijo, no conviene construirlo todo según un único estándar. Hay que escalar de forma continua en el tiempo, en lugar de hacerlo una sola vez y quedarse con lo construido.
Entusiasmo con los pies en la tierra
Dwarkesh planteó el contraste entre el discurso de quienes dicen que «la AGI está llegando» y el tono más mesurado de Nadella, mientras los hiperescaladores se preparan para invertir unos 500.000 millones de dólares en capex el año próximo. Nadella dijo que comparte el entusiasmo y que parte de esa premisa: quizá esto sea lo más grande desde la Revolución Industrial. Las leyes de escalado parecen funcionar y él es optimista de que sigan haciéndolo, aunque eso exige avances científicos reales además de mucha ingeniería.
Su forma de pensar la IA se apoya en una metáfora de Raj Reddy, ganador del Premio Turing en Carnegie Mellon: la IA como «ángel guardián» o «amplificador cognitivo». Visto así, para Nadella es una herramienta. Reconoció que también se puede adoptar una visión más mística, porque hace cosas que hasta ahora solo hacían los humanos. Pero añadió que eso ya ocurrió con muchas tecnologías anteriores.
Dwarkesh llevó la pregunta a un terreno más concreto. En algún momento una máquina podría producir «tokens de Satya», y si hoy un millón de tokens cuesta dólares o centavos, queda un enorme margen por capturar. ¿Dónde irá ese margen? Nadella respondió primero con la difusión económica. En su lectura, la Revolución Industrial necesitó unos 70 años de difusión antes de que apareciera el crecimiento económico. Aunque la tecnología se difunda más rápido esta vez, el crecimiento real solo llegará cuando cambien el trabajo, sus productos y los flujos de trabajo, y advirtió que no hay que subestimar la gestión del cambio que eso exige dentro de las empresas. Su apuesta es que los humanos y sus tokens tendrán más apalancamiento. Ni SemiAnalysis ni el podcast existirían a su escala actual sin tecnología, y la IA podría multiplicar esa escala por diez. Su aspiración, dijo, sería comprimir lo que tomó doscientos años en la Revolución Industrial en unos veinte, «si tienes suerte».
Del SaaS a la era en la que los costes importan
Dylan Patel señaló que las empresas SaaS han tenido un rendimiento muy inferior en bolsa porque la IA rompe su modelo: el coste incremental por usuario era casi nulo y ahora el coste de servir es alto. ¿Cómo hace Microsoft la transición cuando cobra, por ejemplo, 20 dólares por Copilot?
Nadella cree que las palancas de monetización seguirán siendo las mismas: publicidad, transacciones, margen de dispositivos para quien construya hardware de IA, suscripciones de consumo y empresa, y consumo por uso. Ve la suscripción como un derecho a cierto nivel de consumo, algo que la gente aprecia porque puede presupuestarlo. Así funcionan ya las suscripciones de programación, con niveles estándar y profesional, y espera que precios y márgenes se organicen por niveles. Microsoft ya opera con todos esos medidores, y el tiempo dirá qué modelo encaja en cada categoría.
Para explicar por qué un ARPU bajo no le asusta, recordó la transición de los servidores a la nube. Entonces temían que trasladar a los mismos usuarios de licencias y servidores de Office a la nube, con costes propios, reduciría márgenes o haría el negocio menos rentable. Lo que ocurrió fue una gran expansión del mercado. En India, por ejemplo, Microsoft vendía pocos servidores, pero con la nube cualquiera podía comprar capacidad de forma fraccionada. Contó que no había advertido cuánto gastaban los clientes en almacenamiento para SharePoint: según él, el mayor segmento de EMC pudo haber sido precisamente eso, y desapareció con la nube. Con la IA espera algo parecido, y puso como ejemplo que el asistente de programación alcanzó en un año un tamaño que GitHub y VS Code tardaron décadas en construir.
GitHub Copilot frente a Claude Code, Cursor y Codex
Dwarkesh mostró un gráfico basado en estimaciones de SemiAnalysis. A comienzos de año, GitHub Copilot ingresaba unos 500 millones y no tenía competidores cercanos. Ahora Claude Code, Cursor y Copilot rondan los mil millones cada uno, y Codex se acerca con 700-800 millones. Dylan añadió que la categoría pasó de unos 500 millones de tasa anual a finales del año pasado a una proyección de cinco o seis mil millones para el cuarto trimestre, diez veces más. En ese tiempo, la cuota de Microsoft habría pasado de cerca del 100% a menos del 25%.
Nadella dijo que le encanta el gráfico, por dos razones. Microsoft sigue arriba. Y todos sus competidores nacieron en los últimos cuatro o cinco años, lo que para él es la mejor señal: si los rivales que inquietan son Claude o Cursor y no Borland, Microsoft va en la dirección correcta. Cree que la programación con IA, una «fábrica de software», podría ser una de las categorías más grandes, quizá más que el trabajo del conocimiento.
Aportó cifras propias: en el último trimestre, los suscriptores pasaron de 20 a 26 millones. También señaló que los repositorios generados por los demás agentes acaban en GitHub, que vive máximos históricos de creación de repositorios y pull requests. Según la estadística que citó, GitHub suma un desarrollador por segundo, y el 80% entra en algún flujo de trabajo de Copilot. Además, muchos usan agentes de revisión de código que están activados por defecto.
Sobre la pérdida de cuota, Nadella dijo que no hay un «derecho de nacimiento» y que la única respuesta es innovar. Recordó que Microsoft tenía mucha cuota en cliente-servidor y tiene bastante menos en hiperescala, en un negocio órdenes de magnitud mayor. Para él, eso demuestra que la empresa puede prosperar con menos cuota mientras el mercado genere más valor y haya varios ganadores. Aun así, admitió que revisa la competitividad cada trimestre.
Agent HQ: la «televisión por cable» de los agentes
Parte de esa respuesta competitiva es Agent HQ, presentado la semana anterior en GitHub Universe. Nadella lo describió como la extensión de las primitivas de GitHub (Git, issues, actions), que funcionan bien porque están construidas alrededor del repositorio. Dentro hay un «control de misión» desde el que se pueden lanzar agentes de distintos proveedores, como Codex, Claude, Cognition o Grok, incluidos en una única suscripción. Por eso lo compara con la televisión por cable. Cada agente trabaja en su propia rama y el usuario los supervisa.
Para Nadella, este será uno de los mayores focos de innovación. El desarrollador quiere usar varios agentes, digerir sus resultados y mantener el control de su repositorio, y eso requiere algo parecido a una pantalla de visualización frontal para dirigir y clasificar rápido lo que generan. También requiere mucha observabilidad en el plano de control: saber qué agente hizo qué, cuándo y en qué base de código. Dylan resumió que GitHub crecerá gane quien gane la carrera de agentes, aunque ese mercado crece entre un 10% y un 20% anual, mientras que el de agentes se ha multiplicado por diez y su mercado potencial podría compararse con los dos billones de dólares que se pagan en salarios de desarrolladores, o más.
¿Quién se queda con el margen: los modelos o el andamiaje?
Dwarkesh llevó la pregunta más allá de GitHub, a Office y al resto del software de Microsoft. Si los modelos pasan de tareas de dos minutos a tareas de días enteros, las empresas de modelos podrían cobrar miles de dólares por algo parecido a un compañero de trabajo autónomo. ¿Por qué entonces el andamiaje, que pierde relevancia a medida que los modelos mejoran, retendría valor?
Nadella dijo que el tiempo lo dirá, pero propuso un argumento en sentido contrario. Su configuración favorita de GitHub Copilot es «Auto», que elige y arbitra tokens entre varios modelos según la tarea. Si eso se generaliza, los modelos pasan a ser intercambiables. Con modelos abiertos, cualquiera puede tomar un checkpoint, entrenarlo con sus datos y empezar a usar modelos propios, y cree que se verá tanto en Cursor como en Microsoft. Quien domine el andamiaje y tenga la «liquidez» de los datos podría integrarse verticalmente hacia el modelo. Así formuló la idea de la «maldición del ganador»: una empresa de modelos puede hacer todo el trabajo duro y una innovación increíble y quedar a una copia de que se convierta en un producto básico. Reconoció que el argumento puede plantearse en ambas direcciones.
Dylan respondió con datos del otro lado. Los ingresos de OpenAI se dispararon cuando tuvo un modelo de código comparable al de Anthropic. Y según sus cifras, el margen bruto de inferencia de Anthropic pasó de muy por debajo del 40% a más del 60% este año, pese a la competencia de OpenAI, Google, Grok y más modelos chinos abiertos que nunca. Nadella aceptó que hace unos años la idea de «tomar un modelo y construir una empresa exitosa» probablemente quedó desmentida por las capacidades de los modelos. Su conclusión fue condicional. Si un modelo llega a ser mucho mejor que todos los demás, habrá un ganador que se lo lleve todo. Mientras haya pluralidad de modelos, como hay competencia entre hiperescaladores, y un contrapeso de código abierto, quedará margen para construir valor encima. Y si una empresa de modelos sube demasiado los precios, quien construye herramientas la sustituirá.
En ese contexto describió la posición de Microsoft. Será un hiperescalador que soporte múltiples modelos. Tendrá acceso a los modelos de OpenAI durante siete años más, libres de regalías, lo que equivale a disponer de un modelo de frontera con total flexibilidad. Desarrollará modelos propios en MAI. Y construirá un andamiaje de aplicaciones en seguridad, trabajo del conocimiento o programación en el que el modelo esté integrado en la aplicación, no como una capa encima.
Excel Agent y Microsoft como infraestructura para agentes
Como ejemplo, Nadella habló de Excel Agent. Según explicó, no es un envoltorio de interfaz, sino un modelo situado en la capa intermedia de Office. Microsoft toma la propiedad intelectual de la familia GPT y la incorpora para que el sistema entienda de forma nativa los artefactos de Excel, no solo sus píxeles. Si va a razonar, necesita ver que se equivocó en una fórmula y corregirla. Habló de darle algo parecido a un markdown con las habilidades de un usuario avanzado de Excel. La lógica de negocio tradicional queda cubierta por una capa cognitiva, y Excel vendría «con un analista incorporado».
Dwarkesh objetó que eso supone modelos como los de hoy. Si una IA llega a usar un ordenador tan bien como un humano, puede ver las fórmulas, usar otro software o migrar datos, y la integración con Excel importaría menos. Nadella aclaró que no hablaba de una herramienta para un humano, sino de un agente completamente autónomo. Distinguió dos escenarios. En uno, el usuario sigue al mando con su ordenador, Excel y un Copilot con agentes. En el otro, la empresa simplemente provisiona recursos de cómputo para un agente autónomo. Incluso ese agente, argumentó, traerá herramientas incorporadas, porque usarlas es más eficiente en tokens que operar sobre un ordenador en bruto.
De ahí sacó una de las tesis centrales de la entrevista. El negocio de Microsoft, hoy de herramientas para usuarios finales, se convertirá esencialmente en un negocio de infraestructura para agentes que hacen el trabajo. Lo que hay debajo de M365 seguirá siendo relevante porque un agente también necesita dónde guardar, archivar, descubrir y gestionar su actividad. Lo comparó con la virtualización, que no redujo los servidores, sino que los multiplicó. Dijo que ya ven crecimiento en Windows 365 porque quienes construyen agentes autónomos que generan documentos de oficina quieren provisionarles un ordenador. Por eso, a quienes le preguntan por el futuro del negocio «por usuario», responde que las primeras señales apuntan a un negocio por usuario y por agente. Cada agente necesita un ordenador, seguridad, una identidad, observabilidad y capas de gestión, y ese negocio crecería más rápido que el número de usuarios.
Migraciones y un mundo híbrido
Dylan añadió otro ángulo. Lo más valioso a corto plazo quizá sean las migraciones: de mainframes a la nube, de hojas de Excel a bases de datos SQL, de flujos en Word y Excel a sistemas más programáticos que antes no eran rentables para un desarrollador. Si los agentes migran fuera del ecosistema de Office, su uso podría caer, aunque recordó que los mainframes han seguido creciendo durante dos décadas.
Nadella respondió que habrá un largo período híbrido, con personas usando herramientas junto a agentes que también las usan y se comunican entre sí, y con artefactos que un humano tendrá que revisar. Admitió que eso no responde del todo a la pregunta, porque podría surgir una frontera en la que solo trabajen agentes con agentes. Incluso entonces, dijo, harán falta primitivas: almacenamiento, eDiscovery, observabilidad y un sistema de identidad común a varios modelos. Le gustaría que todo Excel tuviera una base de datos detrás, y de inmediato. Cree que las bases de datos crecerán mucho al estructurarse mejor los artefactos de Office, y que ese consumo de infraestructura lo impulsarán los agentes. Reconoció que todo podría acabar siendo software generado justo a tiempo por una empresa de modelos, pero añadió que Microsoft también será una de ellas.
MAI: un laboratorio propio sin duplicar esfuerzos
Dwarkesh señaló que el modelo de texto más reciente de Microsoft AI estaba en el puesto 36 de Chatbot Arena, pese a que Microsoft tiene derechos sobre la propiedad intelectual de OpenAI. ¿Por qué va rezagado?
Nadella explicó que Microsoft usará los modelos de OpenAI al máximo en todos sus productos durante los próximos siete años, y que les añadirá valor con ajuste fino por RL y entrenamiento intermedio sobre la familia GPT allí donde tenga datos únicos. Según dijo, el nuevo acuerdo con OpenAI permite declarar abiertamente que Microsoft construirá un equipo de superinteligencia de clase mundial. Pero no quiere gastar FLOPs en duplicar lo que ya obtiene de la familia GPT. Los de MAI se dedican a otras cosas: un modelo de imágenes que, según él, está en el noveno puesto de su categoría y se usa en Copilot y Bing también para optimizar costes; un modelo de audio con personalidad para Copilot; y un modelo de texto que, según su recuerdo, debutó en LM Arena entre los puestos noveno y decimotercero. Ese modelo se entrenó con unas 15.000 H100, era pequeño y buscaba probar capacidades básicas como seguir instrucciones. Para Nadella demuestra lo que podrían hacer con más FLOPs según las leyes de escalado. El siguiente paso será un modelo omni que una audio, imagen y texto.
Dylan preguntó cómo puede Microsoft garantizar un laboratorio puntero dentro de siete años, en plena guerra de talento: Meta ha gastado más de 20.000 millones en talento, Anthropic se llevó el equipo de razonamiento Blueshift de Google y Meta captó otro equipo de Google más tarde. Nadella respondió con nombres: la llegada de Mustafa; Karen; Amar Subramanya, que hizo gran parte del post-entrenamiento de Gemini; y Nando, que trabajó en lo multimedia en DeepMind. Anunció que Mustafa publicaría esa misma semana algo más de detalle sobre los objetivos del laboratorio. Insistió además en que Microsoft usará otros modelos de frontera, como Anthropic en GitHub Copilot, y que lo decisivo es la evaluación del producto en cada tarea. A partir de ahí decidirán cuánta integración vertical hace falta, sabiendo que, si el producto sirve bien al mercado, los costes siempre se pueden optimizar.
Aprendizaje continuo y el riesgo de un modelo dominante
Dwarkesh planteó el escenario que más podría desafiar esa estrategia. Un modelo de nivel humano aprendería en el trabajo, como un ejecutivo con 30 años de experiencia. Y sus copias, desplegadas por toda la economía, podrían juntar lo aprendido, en una especie de bucle de retroalimentación parecido a una explosión de inteligencia. Si Microsoft no lidera en ese momento, ¿no deja de importar la posibilidad de cambiar un modelo por otro?
Nadella reconoció que si hubiera un único modelo, el más desplegado, que viera todos los datos y aprendiera continuamente, eso sería «jaque mate». Pero dijo que el mundo no funciona así ni siquiera hoy, pese a la supuesta dominancia de un modelo. En programación se usan varios, igual que hay muchos tipos de bases de datos para distintos casos. Habrá efectos de red por el aprendizaje continuo o por la liquidez de datos, admitió, pero no cree que se den en todos los dominios, geografías, segmentos y categorías a la vez.
Volvió entonces a la infraestructura. No se puede construir infraestructura optimizada para un solo modelo, porque si ese modelo se queda atrás todo se desperdicia, y un cambio arquitectónico como un avance tipo MoE en otra empresa podría dejar obsoleta toda la topología de red. Lo calificó de «aterrador». Quien se tome en serio la hiperescala debe soportar varias familias de modelos. Y quien se tome en serio ser una empresa de modelos debe permitir que otros construyan encima, con un ecosistema de ISV, a menos que crea que dominará todas las categorías. En ese caso no tendría un negocio de API ni sería una plataforma. Por eso cree que la industria obligará a especializarse, y que Microsoft debe competir en cada capa por sus méritos sin suponer que integrarlas todas le asegura el «game, set, match».
La pausa en los centros de datos y la idea de fungibilidad
Dylan recordó que en 2023 Microsoft iba camino de ser el mayor proveedor de infraestructura y de superar a Amazon hacia 2026-2028. En la segunda mitad del año anterior, sin embargo, hizo una pausa y soltó sitios arrendados que luego tomaron Google, Meta, Amazon u Oracle. Según las estimaciones de SemiAnalysis, Microsoft tendrá en 2028 unos 9,5 gigavatios en lugar de los 12-13 previstos antes. ¿Por qué?
Nadella explicó que, para que Azure sirva en todas las fases de la IA (entrenamiento, entrenamiento intermedio, generación de datos e inferencia), necesitan fungibilidad total de la flota. Por eso decidieron no acumular mucha capacidad de una sola generación. Tras haber multiplicado por diez cada 18 meses la capacidad de entrenamiento para los modelos de OpenAI, concluyeron que había que mantener ese ritmo, pero sobre todo equilibrar el entrenamiento con la capacidad de servir modelos en todo el mundo, porque es la monetización lo que permite seguir financiando todo lo demás. Ahora, dijo, inician muchos más proyectos y obtienen capacidad construyendo, arrendando o contratando GPU como servicio, allí donde ven demanda.
También fue explícito en que no querían ser el proveedor de una sola empresa con una enorme cartera de pedidos de un único cliente: «eso no es un negocio». Si OpenAI va a ser una empresa independiente y exitosa, cosa que celebró, Nadella prevé que cualquier actor de gran escala acabará siendo su propio hiperescalador. Su objetivo era construir una flota de hiperescala más su propio cómputo de investigación.
Añadió el argumento tecnológico. Después de los GB200 llegan los GB300, y con Vera Rubin y Vera Rubin Ultra el centro de datos será muy diferente en potencia por rack y por fila y en refrigeración. No quiere construir gigavatios para una sola generación. Le importan el ritmo, la fungibilidad, la ubicación y la diversidad de cargas y de clientes. Contó que han aprendido que cada carga de IA necesita mucho más que el acelerador, y que buena parte del margen saldrá de esos otros servicios. Describió la hiperescala como un negocio de cola larga y dijo que hacer cinco contratos de bare metal con cinco clientes no es un negocio para Microsoft, aunque sí puede serlo para otros. Aun así, Microsoft tendrá capacidad de bare metal como servicio de primer nivel para un conjunto de modelos, incluidos los suyos.
Ubicación, latencia y soberanía de datos
Dwarkesh preguntó si importa dónde esté el cómputo cuando las tareas de IA se miden en minutos, horas o días antes de que intervenga un humano. Nadella dijo que precisamente por eso están repensando qué es una región de Azure y cómo se interconectan las regiones a medida que cambia el uso síncrono y asíncrono de tokens. Pero mencionó también otros factores. Las leyes de residencia de datos, como la frontera de datos de la UE que Microsoft tuvo que crear, impiden procesar una llamada en cualquier lugar aunque sea asíncrona, así que pueden hacer falta elementos regionales de alta densidad. A eso se suman los costes de energía, la economía de tokens por dólar por vatio y la cercanía entre cómputo y almacenamiento. Si una sesión necesita una base Cosmos DB, esta debe estar cerca.
Oracle, neoclouds y el ritmo de construcción
Dylan insistió: según sus cálculos, Oracle pasará de ser una quinta parte del tamaño de Microsoft a superarlo a finales de 2027, con márgenes brutos del 35%. ¿No ha creado Microsoft un hiperescalador al rechazar ese negocio? Nadella dijo que no quiere restar mérito a Oracle y que le desea éxito, y precisó que Microsoft incluso compra capacidad a Oracle. Pero no tenía sentido para ellos alojar a una empresa de un solo modelo con un RPO de horizonte limitado. Lo que hay que pensar, dijo, no es qué hacer en los próximos cinco años, sino en los próximos cincuenta. Afirmó que lee los análisis de SemiAnalysis sobre AWS, Google y Microsoft, pero que no por eso va a perseguir negocios solo por el margen bruto de un periodo, sino la cartera de negocio que Microsoft puede atender de forma única.
Dwarkesh preguntó por qué no hacer ambas cosas, o usar esos 3,5 gigavatios para Azure, M365 o GitHub Copilot. Nadella respondió que quizá quiera construirlos en otros lugares, como los Emiratos, India o Europa, porque sus limitaciones reales hoy vienen de la regulación y la soberanía de datos. Al mirar hacia 2030 considera a la vez la demanda propia, la de los laboratorios de frontera, la inferencia para múltiples modelos y el cómputo de investigación. Insistió en que la pausa no fue un «no queremos construir eso», sino un ajuste de tipo de carga, geografía y calendario. Prefiere repartir esos gigavatios entre 2027 y 2028 antes que sobreconstruir en un solo año, porque una lección importante fue que NVIDIA aceleró la cadencia de sus generaciones, y no quería quedar atado a cuatro o cinco años de depreciación de una sola. Contó que el consejo de Jensen Huang fue ejecutar «a la velocidad de la luz», y citó como ejemplo que en Atlanta pasaron 90 días entre recibir el equipo y entregarlo para una carga real. Su objetivo es un flujo continuo en el que, cada cinco años, la flota esté equilibrada, sin acumulaciones seguidas de parones. Concentrarlo todo en un solo sitio puede servir para entrenar, dijo, pero no para inferencia, porque Europa no permitirá ir y volver a Texas.
Sobre los acuerdos recientes con Iris Energy, Nebius y Lambda Labs, que parecen contradecir la pausa, Nadella dijo que, con visibilidad de la demanda, aceptan arrendamientos, construcciones a medida y GPU como servicio allí donde otros tienen capacidad. Invitó a todos los neoclouds a unirse al marketplace de Azure. El cliente que llegue por Azure usará el neocloud y, además, el cómputo, el almacenamiento y las bases de datos de Azure.
Chips propios y la propiedad intelectual de OpenAI
Dylan expuso que los aceleradores suponen alrededor del 75% del coste total de un centro de datos, con NVIDIA cobrando márgenes de en torno al 75%, y que por eso los hiperescaladores desarrollan chips propios. Google fabricará, según sus estimaciones, de cinco a siete millones de TPU, y Amazon de tres a cinco millones, mientras que los pedidos de Microsoft de chips propios están muy por debajo. Nadella respondió que el mayor competidor de cualquier acelerador nuevo es la generación anterior de NVIDIA, porque lo que cuenta es el coste total de la flota. Dijo haber visto datos de Maia 200 que «se ven muy bien». Puso como precedente la CPU: tenían Intel, añadieron AMD y luego Cobalt, y gestionan una flota en la que los tres conviven. Recordó que Google y Amazon también compran NVIDIA, que es de propósito general y donde funcionan todos los modelos. Un chip vertical exige tener modelos propios y generar o subsidiar su demanda.
Su plan es cerrar el ciclo entre los modelos de MAI y el silicio propio, que para él es lo que da derecho a diseñar chips. A eso se suma que OpenAI tiene su propio programa de chips y Microsoft tiene acceso a él. Ante la pregunta directa, Nadella confirmó que Microsoft tiene acceso a toda esa propiedad intelectual, y que lo único excluido es el hardware de consumo. Recordó que Microsoft también dio mucha propiedad intelectual a OpenAI al construir juntos, o para ellos, sus supercomputadoras. Primero quieren instanciar lo que OpenAI construya para sí misma y después extenderlo. En resumen, Microsoft quiere ser un socio que ejecute «a la velocidad de la luz» para NVIDIA, porque esa flota «es la vida misma», y competir en las muchas dimensiones del TCO, apoyándose en los derechos sobre los linajes de OpenAI y de MAI.
La exclusividad de la API «sin estado»
Dylan preguntó qué significa que el nuevo acuerdo dé a Microsoft exclusividad sobre las llamadas de API sin estado de OpenAI, cuando las cargas complejas requieren memoria y almacenamiento. Nadella lo explicó así: OpenAI tiene un negocio PaaS, su API, y un negocio SaaS, ChatGPT. La API es exclusiva de Azure. Los productos SaaS de OpenAI pueden desplegarse en cualquier sitio, en parte por la flexibilidad de cómputo que OpenAI necesitaba. Si un socio quiere la API sin estado, debe obtenerla en Azure. Ante el ejemplo de Salesforce entrenando y desplegando un modelo con OpenAI en Amazon, Nadella dijo que cualquier acuerdo personalizado de ese tipo tendrá que ejecutarse en Azure, con pocas excepciones, como algunas para el gobierno de Estados Unidos.
Un negocio intensivo en capital y en conocimiento
Dylan señaló que el capex de Microsoft se ha triplicado en dos años, que otros hiperescaladores piden préstamos (citó uno de 20.000 millones de Meta en Luisiana) y que el flujo de caja libre de todos parece ir hacia cero. Nadella reconoció un cambio estructural masivo: Microsoft es ahora un negocio intensivo en capital y en conocimiento, y debe usar el conocimiento para mejorar el retorno sobre el capital. Citó estadísticas de su última presentación de resultados: para una familia GPT concreta, las optimizaciones de software han mejorado el rendimiento efectivo en tokens por dólar por vatio entre 5 y 10 veces, y hasta 40 en algunos casos, de un trimestre o un año a otro. En su opinión, la diferencia entre un proveedor de alojamiento clásico y un hiperescalador es el software: saber desalojar una carga, programar otra y optimizar por carga y por flota. Por eso dice que la fungibilidad es, sobre todo, software. Concluyó que seguirán siendo una empresa de software, en un negocio distinto, y que el flujo de caja de Microsoft permite mantener ambos frentes.
Dwarkesh le preguntó si, siendo prudente a corto plazo pero quizá dando la razón a Sam Altman a largo plazo, tiene sentido invertir en activos que se deprecian en cinco años cuando lo que algunos esperan en tres podría llegar hacia 2040. Nadella propuso tratar el cómputo de investigación como el gasto en I+D: decidir cómo escalarlo, por ejemplo un orden de magnitud cada cierto periodo, como requisito mínimo. Todo lo demás debe estar impulsado por la demanda, construyendo por adelantado pero con un plan que no se desvíe por completo. Sobre las proyecciones de los laboratorios de 100.000 millones en ingresos hacia 2027-2028, dijo que hay muchos incentivos en el mercado y que es lógico que un laboratorio independiente que necesita financiarse muestre resultados, pero que OpenAI y Anthropic han cumplido y que Microsoft tiene una cartera enorme con ellos. Para él, ser líder en I+D exige una proporción alta de investigadores por GPU, invertir en talento y cómputo con un balance que lo permita antes de que sea sabiduría convencional, y saber pronosticar la demanda.
Soberanía, confianza y la competencia con China
En la parte final, Dylan contrastó la década de 1990, cuando Windows y Word se desplegaban en todo el mundo, incluida China, con un presente bipolar en el que Europa, India y otros países piden IA soberana. Nadella dijo que la prioridad del sector tecnológico y del gobierno estadounidense debe ser innovar y, a la vez, construir confianza mundial en la infraestructura tecnológica de Estados Unidos. Señaló que el país tiene el 4% de la población mundial, el 25% del PIB y el 50% de la capitalización bursátil, y atribuyó ese 50% a la confianza del mundo en sus mercados de capitales y su tecnología. Si esa confianza se rompe, dijo, no será un buen día para Estados Unidos. Afirmó que el presidente Trump, la Casa Blanca y David Sacks lo entienden. Le gustaría que el gobierno se atribuyera el mérito de la inversión extranjera directa de empresas estadounidenses, porque las fábricas de IA que se construyen por el mundo son sobre todo estadounidenses, y lo considera la mejor estrategia de marketing del país, aunque poco comentada. Mencionó los compromisos de Microsoft con Europa, las nubes soberanas en Francia y Alemania, y los Servicios Soberanos de Azure con gestión de claves y computación confidencial, incluida la computación confidencial en GPU desarrollada con NVIDIA.
Dwarkesh preguntó si los países aceptarán usar el mejor modelo con requisitos como alojar los pesos en su territorio, o si exigirán modelos entrenados localmente, por analogía con los semiconductores que todos compran a TSMC. Nadella dijo que lo decisivo es el uso de la IA para crear valor económico, una «teoría de la difusión»: lo que importa no es tener el sector líder, sino usar la tecnología puntera para crear ventaja comparativa. Aun así, los países querrán continuidad. Por eso cree que siempre habrá código abierto y varios modelos, para que nadie dependa de uno solo y cada país pueda trasladar sus datos a otro modelo. El riesgo de concentración y la soberanía, entendida como capacidad de acción, son a su juicio las dos fuerzas que darán forma al mercado.
Dylan replicó que la soberanía en semiconductores es casi «una estafa»: si Taiwán queda aislado no habrá coches ni neveras, y TSMC Arizona no reemplaza una fracción real de la producción. Nadella respondió que precisamente por lecciones como la pandemia los Estados, incluido Estados Unidos, buscarán más autosuficiencia en cadenas críticas, y que una multinacional debe tratar eso como un requisito de primer orden. La globalización no se puede rebobinar ni las inversiones hacerse de golpe, pero quien llegara a Washington diciendo que no se construirán fábricas de semiconductores sería expulsado, y lo mismo pasaría en otros países. Habrá un plan, y hay que respetarlo. Rechazó la idea de que Microsoft esté singularmente privilegiado para este mundo y prefirió llamarlo un requisito empresarial para el que lleva décadas trabajando. Contó que se toma en serio tanto que el gobierno estadounidense pida asignar más producción de obleas a fábricas en Estados Unidos como los límites de datos de la UE.
La última pregunta combinó la competencia entre empresas estadounidenses con el ascenso de ByteDance, Alibaba, DeepSeek y Moonshot. Dwarkesh añadió una inquietud: si la IA se ha convertido en una carrera industrial de capex en toda la cadena de suministro, y si llevará décadas y no un salto inmediato a la AGI, eso parece favorecer a China. Nadella respondió que esa es justamente la razón por la que considera la confianza en la tecnología estadounidense su rasgo más importante, quizá más que la capacidad del modelo. La pregunta decisiva para los clientes sería si pueden confiar en una empresa, en su país y en sus instituciones como proveedores a largo plazo. Según Nadella, eso podría ser lo que realmente conquiste el mundo.
Quizás después de la Revolución Industrial, esto es el acontecimiento más grande. Pero al mismo tiempo, tengo los pies en la tierra con el hecho de que esto todavía está en sus primeras etapas.
Si eres una empresa de modelos, podrías tener la maldición del ganador. Puede que hayas hecho todo el trabajo duro, una innovación increíble, pero está a un paso de que se convierta en un producto básico. No queríamos ser solo una estrella anfitriona para una empresa y tener una cartera de negocios masiva con un solo cliente. Eso no es un negocio.
No puedes construir una infraestructura optimizada para un solo modelo. Si haces eso, estás a un pequeño ajuste de que ocurra un avance tipo MoE y toda tu topología de red se vaya por la ventana. Y eso es algo realmente aterrador.
Nuestro negocio, que hoy es un negocio de herramientas para usuarios finales, se convertirá esencialmente en un negocio de infraestructura para apoyar a los agentes que realizan el trabajo.
Lo que tienes que considerar no es lo que haces en los próximos cinco años, sino lo que haces para los próximos 50.
Hoy estamos entrevistando a Satya Nadella. Los que lo entrevistamos somos yo y Dylan Patel, quien es el fundador de SemiAnalysis. Satya, bienvenido.
Muchas gracias. Es estupendo. Gracias por haber venido a Atlanta.
Sí. Gracias por darnos el recorrido de la nueva instalación. Ha sido genial verlo.
Absolutamente.
Satya y Scott Guthrie, vicepresidente ejecutivo de Nube e Inteligencia Artificial de Microsoft, nos ofrecen un recorrido por su flamante nuevo centro de datos Fairwater 2, el más potente del mundo en la actualidad.
Intentamos multiplicar por diez la capacidad de entrenamiento cada 18 a 24 meses, lo que sería un aumento de diez veces, diez veces más de lo que se usó para entrenar a GPT-5. Y para ponerlo en perspectiva, la cantidad de óptica, la óptica de red en este edificio, es casi tanta como todo Azure en todos nuestros centros de datos hace dos años y medio.
Son, ¿qué?, como cinco millones de conexiones de red.
Tienes todo este ancho de banda entre diferentes sitios en la región y entre las dos regiones. Entonces, ¿se trata de una gran apuesta por la escalabilidad en el futuro, que anticipas que en el futuro se necesitará algún modelo enorme que requiera dos regiones enteras diferentes para entrenar?
El objetivo es poder, de alguna manera, agregar estos FLOPs para un gran trabajo de entrenamiento, y luego unir estas cosas en diferentes sitios. Y la realidad es que lo usarás para entrenamiento, y luego lo usarás para la generación de datos, lo usarás para inferencia de muchas maneras. No es como si fuera a usarse solo para una carga de trabajo para siempre.
Claro.
Fairwater 4, que verán en construcción cerca de aquí, sí, también estaremos en esa red de un petabit. Para que podamos conectar ambos a una velocidad muy alta, y luego, básicamente, haremos la WAN de IA conectada a Milwaukee, donde tenemos múltiples otros Fairwaters en construcción.
Claro.
Literalmente, puedes ver el paralelismo de los modelos y el de los datos.
Está construido para esencialmente las tareas de entrenamiento, los pods, los superpods, que se encuentran distribuidos por todo este campus. Y luego, utilizando la red de área extensa, puedes ir al centro de datos de Wisconsin y literalmente ejecutar un trabajo de entrenamiento, logrando que todos ellos se agreguen y trabajen en conjunto.
Lo que estamos viendo justo aquí es una celda sin servidores aún en su interior, ni tampoco racks.
¿Cuántos anaqueles hay en una celda?
Piénsalo. No compartimos eso necesariamente per se, pero déjame…
Por eso pregunté.
Lo verás arriba, y entonces puedes empezar a contar. Te dejaremos empezar a contar.
Empiezo.
¿Cuántas celdas hay aquí?
Tampoco te la puedo decir.
Bueno, la división es fácil, ¿verdad?
¡Dios mío, está algo ruidoso!
¿Estás viendo esto como: «Ahora veo adónde va mi dinero»?
Es algo así como: dirijo una empresa de software. Bienvenido a la empresa de software.
¿Qué tan grande es el espacio de diseño una vez que decides usar GB200s y NVLink? ¿Cuántas otras decisiones hay que tomar?
Existe un acoplamiento que va desde la arquitectura del modelo hasta el plano físico que se optimiza.
Y también es aterrador en ese sentido, que es: oye, va a salir un nuevo chip. Si tomas el Vera Rubin Ultra, eso va a tener una densidad de potencia tan, tan diferente, con requisitos de refrigeración que van a ser tan, tan distintos. ¿Verdad?
Claro.
Cierto.
Así que no quieres construir todo bajo un único estándar. Esto nos lleva un poco al diálogo que tendremos, que es: quieres estar escalando con el tiempo. A diferencia de escalar una sola vez.
Sí.
Y luego aguantarlo.
Ajá.
Cuando observas todas las transiciones tecnológicas pasadas, ya sean los ferrocarriles o internet o las piezas reemplazables, la industrialización, la nube, todas estas cosas, cada revolución se ha acelerado mucho en el tiempo que transcurre desde el descubrimiento tecnológico hasta su expansión y penetración en la economía.
Muchas de las personas que han participado en el podcast de Dwarkesh creen que esta es la última revolución o transición tecnológica, y que esta vez es muy, muy diferente.
Y al menos hasta ahora en los mercados, es como que, en tres años, ya nos hemos disparado a que los hiperescaladores están invirtiendo quinientos mil millones de dólares en CapEx el próximo año, lo cual es una escala inigualable a revoluciones anteriores en términos de velocidad. Y el estado final parece ser bastante diferente.
¿Cómo es que tu enfoque de esto parece muy distinto al del, diría yo, el «AI bro», que es bastante «la IAG está llegando»? Me gustaría entender eso mejor.
Sí. Mira, yo parto de la emoción que también siento, porque quizás después de la Revolución Industrial, esto sea lo más grande. Y por lo tanto, parto de esa premisa. Pero al mismo tiempo, tengo los pies en la tierra en el sentido de que esto aún está en sus primeras etapas. Hemos construido cosas muy útiles. Estamos viendo algunas propiedades excelentes. Las leyes de escalado parecen estar funcionando. Y soy optimista de que seguirán funcionando, ¿verdad?
Parte de ello, claro, sí requiere avances científicos reales, pero también es mucha ingeniería y demás. Dicho esto, también soy de la opinión de que incluso lo que ha estado ocurriendo en los últimos 70 años de la informática ha sido una marcha que nos ha ayudado a avanzar, con el…
Como dije, me gusta una de las cosas que Raj Reddy tiene como metáfora de lo que es la IA, ¿verdad? Él es un ganador del Premio Turing de CMU, y él tenía esto incluso antes de la IAG, pero tenía esta metáfora de que la IA debería ser un ángel guardián o un amplificador cognitivo.
Me encanta esa idea. Es una forma bastante sencilla de reflexionar sobre lo que esto realmente significa. En última instancia, ¿cuál es su verdadera y profunda utilidad para el ser humano? Va a funcionar como un amplificador cognitivo, y también como un verdadero ángel guardián. Y si lo contemplo de esa manera, entonces lo considero simplemente una herramienta.
Pero también puedes ponerte muy místico al respecto y decir: «Guau, esto es más que una herramienta. Hace todas estas cosas que solo los humanos hacían hasta ahora». Pero ese ha sido el caso con muchas tecnologías en el pasado. Solo los humanos hacían muchas cosas y luego añadimos herramientas que las hicieron.
Supongo que no tenemos que enredarnos en la definición aquí, pero tal vez una forma de pensarlo es que tal vez tome cinco años, diez años, veinte años. En algún momento, eventualmente una máquina estará produciendo tokens de Satya, ¿verdad? Y la junta de Microsoft cree que los tokens de Satya valen mucho.
¿Cuánto estás desperdiciando de este valor económico al entrevistar a Satya?
No puedes permitirte el costo de la API de los tokens de Satya. Pero, como quieras llamarlo, ¿son los tokens de Satya una herramienta o un agente, lo que sea?
Ahora mismo, si tienes modelos que cuestan del orden de dólares o incluso centavos por cada millón de tokens, hay un enorme espacio para la expansión, una expansión de margen donde un millón de tokens de Satya valen muchísimo. Y la pregunta que tengo es: ¿a dónde va ese margen y en qué nivel de ese margen está involucrado Microsoft?
Creo que, en cierto sentido, esto nos lleva de nuevo a la pregunta fundamental de cómo se verá realmente el panorama del crecimiento económico. ¿Cómo se verá la empresa? ¿Cómo se verá la productividad? Y para mí, ahí es donde, de nuevo, si la Revolución Industrial, después de, no sé, 70 años de difusión, fue cuando se empezó a ver el crecimiento económico, ¿verdad? Tomó…
Esa es otra cosa a recordar, que incluso si la tecnología se está difundiendo rápidamente esta vez, para que el verdadero crecimiento económico aparezca, tiene que difundirse hasta un punto en el que el trabajo, los productos del trabajo y el flujo de trabajo tengan que cambiar. Y ese es un punto en el que creo que la gestión del cambio necesaria para que una corporación cambie de verdad no deberíamos subestimarla.
Entonces, creo que de aquí en adelante, ¿los seres humanos y los tokens que ellos producen consiguen un mayor apalancamiento, verdad? Ya sean los tokens de Dwarkesh o los de Dylan del futuro. ¿Podrías tú dirigir SemiAnalysis o este podcast sin tecnología? De ninguna manera. ¿Verdad? La escala que has podido alcanzar, de ninguna manera.
Sí.
Así que la pregunta es: ¿de qué tamaño es esa escala? ¿Se va a multiplicar por diez con algo que se presente?
Absolutamente. Y por lo tanto, con ello, alcanzarás una cifra de ingresos, o una cifra de audiencia, o lo que sea. Y eso creo que es lo que va a pasar, ¿verdad? El punto es que lo que tomó 70 años, quizás 150 años para la Revolución Industrial, podría ocurrir en 20 o 25 años.
Esa es una mejor manera de… Me encantaría, por ejemplo, comprimir todo lo que sucedió en doscientos años de la Revolución Industrial en un lapso de apenas veinte años, si tienes suerte.
Ajá.
Así que Microsoft históricamente ha sido, quizás, la compañía de software más grande, la mayor empresa de software como servicio. Han pasado por una transición en el pasado donde solían vender licencias y discos de Windows o Microsoft, y ahora venden suscripciones a 365 o…
A medida que pasamos de esa especie de transición a donde tu negocio está hoy, también hay una transición después de eso, ¿verdad?
El software como servicio tiene un costo incremental increíblemente bajo por usuario. Hay mucha investigación y desarrollo, y un alto costo de adquisición de clientes. Por eso, no Microsoft, sino las empresas SaaS han tenido un rendimiento masivamente inferior en los mercados, porque los costos operativos de la IA son simplemente demasiado altos. Y eso rompe por completo la forma en que funcionan estos modelos de negocio.
¿Cómo ustedes, como quizás la compañía de software más grande, la compañía de software como servicio, hacen la transición de Microsoft a esta nueva era donde los COGS importan mucho y el costo incremental por usuario es diferente, verdad? Porque ahora mismo están cobrando, oye, son 20 dólares por Copilot.
Sí. Creo que esto es un… Es una excelente pregunta, porque en cierto sentido, los propios modelos de negocio, creo que los mecanismos o palancas van a seguir siendo similares, ¿no? Si uno mira el abanico de modelos, empezando desde el consumidor hasta el final, ¿verdad?, habrá alguna unidad publicitaria, habrá alguna transacción, habrá algún margen bruto de dispositivo para quien construya un dispositivo de IA.
Habrá suscripciones, tanto para consumidores como para empresas. Y luego habrá consumo, ¿verdad? Así que sigo pensando que así es como… Esos son todos los medidores. A lo que te refieres, ¿qué es una suscripción? Hasta ahora, a la gente le gustan las suscripciones porque pueden presupuestarlas, ¿verdad?
Son esencialmente derechos a ciertos privilegios de consumo que vienen incluidos en una suscripción. Así que, en cierto modo, se convierte en una decisión de precios.
¿A cuánto consumo tienes derecho? Si observas todas las suscripciones de programación, así es más o menos como funcionan, ¿verdad? Y sueles tener la categoría profesional, la categoría estándar, y todo lo demás. Y entonces, creo que así es como se establecerán los precios, y las estructuras de margen se organizarán por niveles.
Lo interesante es que, en Microsoft, la buena noticia para nosotros es que ya estamos, por así decirlo, metidos en ese negocio, cubriendo todas esas métricas de monetización. Y de hecho, a nivel de cartera, prácticamente contamos con consumo y suscripciones para todas las demás palancas de consumo también.
Y luego creo que el tiempo dirá cuál de estos modelos tiene sentido en qué categorías. Una cosa del lado de SaaS, ya que lo sacaste a colación, y en lo que pienso mucho es: toma Office 365 o Microsoft 365. Tener un ARPU bajo es genial porque aquí hay algo interesante, ¿verdad?
Durante la transición de servidor a la nube, una de las preguntas que solíamos hacernos era: «Ay, Dios mío, si lo único que hicimos fue simplemente trasladar a los mismos usuarios que estaban utilizando nuestras licencias de Office y nuestros servidores en ese momento, servidores de Office, ¿verdad?, a la nube». Y teníamos costes. Esto básicamente no solo va a reducir nuestros márgenes, sino que fundamentalmente será una empresa no rentable o incluso menos rentable. Pero lo que ocurrió fue que ese paso a la nube expandió el mercado de forma increíble.
¿Verdad? Vendimos unos pocos servidores en India, no tuvimos muchas ventas. Pero en la nube, de repente todos en India también pudieron permitirse comprar de forma fraccionada servidores. El costo de TI.
Y de hecho, lo principal de lo que no me había dado cuenta, por ejemplo, era la cantidad de dinero que la gente gastaba comprando almacenamiento para SharePoint. De hecho, el segmento más grande de EMC pudo haber sido servidores de almacenamiento para SharePoint. Todo eso, de alguna manera, desapareció en la nube porque nadie tuvo que ir a comprar.
De hecho, era capital de trabajo. Básicamente era salida de efectivo, ¿verdad? Y así expandió el mercado masivamente. Así que esto de la IA será eso, ¿verdad? Si tomas la programación, lo que construimos con GitHub y VS Code y durante décadas, de repente el asistente de codificación es así de grande en un año. Y creo que eso es lo que va a pasar también, que el mercado se expande masivamente.
Supongo que la pregunta es si el mercado se expandirá, pero ¿se expandirán las porciones de los ingresos que están relacionadas con Microsoft? Copilot es un ejemplo donde, si miras, a principios de este año, creo, según los números de Dylan, los ingresos de Copilot, los ingresos de GitHub Copilot, eran de unos 500 millones o algo así. Y entonces no había competidores cercanos.
Mientras que ahora tienes Claude Code, Cursor y Copilot con ingresos similares, unos mil millones. Y luego Codex se está poniendo al día con unos 700, 800 millones. Y entonces la pregunta es, a través de todos los servicios a los que Microsoft tiene acceso, ¿cuál es la ventaja que tienen los equivalentes de Copilot de Microsoft?
Sí. Por cierto, me encanta este gráfico. Me encanta este gráfico por muchas razones. Una es que seguimos en la cima.
En segundo lugar, todas estas empresas que se enumeran aquí son compañías que han nacido en los últimos cuatro o cinco años.
Ajá. Ajá.
Esa para mí es la mejor señal, ¿no crees? Que es si tienes nuevos competidores,
Nuevos problemas existenciales, cuando dices: «Hombre, ¿quién es el que viene? Ahora Claude te va a matar, Cursor te va a matar». Sí. No es Borland, ¿verdad? Así que, gracias a Dios. Eso significa que vamos en la dirección correcta. El hecho de que pasamos de la nada a esta escala es la expansión del mercado. Así que esto es como lo relacionado con la nube. Fundamentalmente, esta categoría de codificación e IA probablemente será una de las más grandes, ¿verdad? Es una categoría de fábrica de software.
De hecho, podría ser más grande que el trabajo de conocimiento. Así que quiero mantenerme con la mente abierta. Vamos a tener una competencia dura. Creo que ese es tu punto, lo cual creo que es excelente.
Claro.
Pero, la verdad, hombre, me alegra mucho que hayamos podido transformar, convertir lo que teníamos en algo como esto. Y ahora, claro, nos toca competir. Y en el ámbito de la competencia, incluso en el último trimestre, acabamos de hacer nuestro anuncio trimestral. Creo que crecimos de 20 a 26 millones de suscriptores, ¿verdad? Así que me siento bastante bien con el crecimiento de nuestros suscriptores y con la dirección que está tomando.
Pero lo más interesante que ha sucedido es: ¿adivina a dónde van todos los repositorios de todos estos otros tipos que están generando muchísimas líneas de código? Todos van a GitHub. Así que GitHub está en un máximo histórico en cuanto a la creación de repositorios, las solicitudes de extracción y todo lo demás. En cierto sentido, queremos mantener eso abierto, por cierto. Eso significa que queremos tener eso, ¿no? Porque no queremos confundir eso con nuestro propio crecimiento, ¿verdad?
Curiosamente, estamos sumando un desarrollador a GitHub por segundo o algo así. Esa es la estadística, creo. Y luego el 80% de ellos simplemente caen en algún flujo de trabajo de GitHub Copilot, solo porque existen. Y, por cierto, muchas de estas cosas incluso usarán algunos de nuestros agentes de revisión de código, que están activados por defecto solo porque puedes usarlos.
Así que tendremos muchísimos enfoques estructurales para esto. Lo que también vamos a hacer es lo que hicimos con Git, los elementos básicos de GitHub, desde Git hasta las incidencias y las acciones. Son cosas potentes y maravillosas porque están construidas alrededor de tu repositorio.
Así que queremos extender eso. La semana pasada en GitHub Universe, eso es más o menos lo que hicimos, ¿verdad? Dijimos que Agent HQ era la idea conceptual que íbamos a desarrollar. Aquí es donde, por ejemplo, tienes algo llamado control de misión. Y vas al control de misión, y ahora puedo lanzar...
A veces lo describo como si fuera la televisión por cable de todos estos agentes de inteligencia artificial, porque tendré, en esencia, empaquetados en una única suscripción a Codex, a Claude, todo lo relacionado con Cognition, los agentes de cualquier persona, Grok; todos ellos estarán disponibles allí. Así que obtengo un solo paquete, y entonces puedo literalmente ir a asignarles una tarea, dirigirlos. Todos ellos estarán trabajando en sus propias ramas independientes y yo podré supervisarlos.
Porque creo que ese va a ser uno de los mayores focos de innovación, ¿verdad? Porque ahora mismo quiero poder usar múltiples agentes, quiero poder digerir el resultado de esos múltiples agentes, quiero poder mantener el control de mi repositorio. Así que, si hay algún tipo de pantalla de visualización frontal que deba construirse, para que yo pueda dirigir y clasificar rápidamente lo que los agentes de codificación han generado.
Para mí, entre VS Code, GitHub y todos estos nuevos primitivos que construiremos, como control de misión, creo, con una observabilidad del plano de control... Es decir, piensen en todos los que van a desplegar todo esto. Requeriremos una gran cantidad de observabilidad de qué agente hizo qué, en qué momento, en qué base de código. Así que siento que esa es la oportunidad.
Y al final del día, tu observación es acertada: más nos vale ser competitivos e innovar. Y si no lo hacemos, sí, seremos superados. Pero me gusta el gráfico, al menos mientras estemos en la cima, incluso con competencia.
El punto clave aquí es que GitHub seguirá creciendo independientemente de qué agente de codificación gane. Pero ese mercado solo crece a, digamos, un diez, un quince, un veinte por ciento, lo cual está muy por encima del PIB. Es un gran multiplicador.
Pero estos agentes de codificación de IA han crecido de, digamos, una tasa de ejecución de quinientos millones de dólares a finales del año pasado, que era básicamente solo GitHub Copilot, a la tasa de ejecución actual que abarca GitHub Copilot, Claude Code, Cursor, Cognition, Windsurf, Replit, Codex, OpenAI Codex. Eso está proyectado a cinco, seis mil millones de dólares ahora, para el cuarto trimestre de este año. Eso es un 10X, ¿verdad? Y cuando miras: «Oye, ¿cuál es el TAM de los agentes de software? ¿Son los dos billones de dólares en salarios que pagas a la gente, o es algo más allá de eso?». Porque cada empresa en el mundo ahora será capaz de desarrollar más software.
Sí.
Es innegable que Microsoft se lleva una porción de eso, pero han pasado de estar cerca del 100% o, sin duda, muy por encima del 50%, a menos del 25% de la cuota de mercado en tan solo un año. ¿Qué tipo de confianza puede tener la gente de que Microsoft será...?
Mira, no hay... De nuevo, volviendo un poco, Dylan, es como si no hubiera un derecho de nacimiento aquí que debamos tener confianza, más allá de decir: «Oye, deberíamos innovar». Y la suerte que tenemos, en cierto sentido, es que esta categoría va a ser mucho más grande que cualquier cosa en la que tuviéramos una alta cuota de mercado. Digámoslo así, ¿verdad? En cierto sentido, podrías decir: «Bueno, teníamos una alta cuota de mercado en VS Code».
Ajá.
Teníamos una alta cuota en los repositorios con GitHub. Y ese era un buen mercado, pero la cuestión es que, incluso teniendo una participación decente en lo que es un mercado mucho más amplio, ¿no? Se podría afirmar que teníamos una gran cuota en el cliente-servidor, en la computación de servidores. Ahora tenemos una cuota mucho más baja que esa en hiperescala, ¿pero es un negocio mucho más grande? Por órdenes de magnitud.
Así que, al menos, hay una prueba de que Microsoft está bien, aunque nuestra posición en el mercado no haya sido tan sólida como antes, siempre y cuando los mercados en los que competimos estén generando más valor y haya múltiples ganadores.
Creo que eso es lo esencial. Pero entiendo perfectamente tu argumento de que, en última instancia, todo esto significa que uno tiene que volverse competitivo, así que estoy muy atento a eso cada trimestre. Y por eso mismo soy muy optimista con respecto a lo que vamos a lograr con GitHub y nuestro Agent HQ, convirtiendo GitHub en un lugar donde todos estos agentes puedan reunirse. Como ya mencioné, tendremos varias oportunidades de éxito en ese aspecto, ¿no? No es necesario que sea así, que: «Oye, algunos de estos muchachos puedan tener éxito junto a nosotros». Y, por lo tanto, no es imprescindible que haya un único ganador y una sola suscripción.
Supongo que la razón para enfocarse en esta pregunta es que no se trata solo de GitHub, sino fundamentalmente de Office y de todo el otro software que Microsoft ofrece. Una visión que podrías tener sobre cómo avanza la IA es que los modelos seguirán estando limitados, y necesitarás esta observabilidad directa, visible, todo el tiempo.
Y otra de las visiones es que, a lo largo del tiempo, estos modelos pueden... Ahora están realizando tareas que les toman dos minutos. Luego estarán haciendo tareas que duran 10, 30 minutos. En el futuro, quizás estén haciendo días enteros de trabajo de forma autónoma, y entonces las compañías de modelos cobrarán miles de dólares, quizás por el acceso a realmente un compañero de trabajo que podría usar cualquier interfaz para comunicarse con su humano y así sucesivamente, y migrar entre plataformas.
Entonces, si nos acercáramos a eso, ¿por qué las empresas de modelos que se están volviendo cada vez más rentables no son las que se quedan con todo el margen? ¿Por qué el lugar donde ocurre el andamiaje, que se vuelve cada vez menos relevante a medida que las IA se vuelven más capaces, va a ser tan importante? Y eso se refiere a Office tal como existe ahora versus compañeros de trabajo que simplemente hacen trabajo de conocimiento de forma autónoma.
Me parece un excelente punto. Me parece una gran idea. Por ejemplo, aquí es donde, ¿todo el valor migra solo al modelo? ¿O se divide entre el andamiaje y el modelo y todo lo que eso implica? Yo creo que el tiempo lo dirá, pero mi punto fundamental también es que la estructura de incentivos se vuelve clara, ¿no? Que es, si tomas... Tomemos el trabajo de información, o incluso la codificación.
De hecho, una de las configuraciones favoritas que tengo en GitHub Copilot se llama «Auto». Lo que hará es simplemente optimizar. De hecho, si compro una suscripción, el sistema automático empezará a seleccionar y optimizar en función de lo que le pida que haga, y podría incluso ser completamente autónomo y podría, por así decirlo, arbitrar los tokens disponibles entre múltiples modelos para realizar una tarea. Así que si eso es lo... Eso significa que...
Si tomas ese argumento, el bien allí serán los modelos. Y especialmente con modelos de código abierto, puedes elegir un punto de control y usar muchos de tus datos, y lo estás viendo, ¿verdad? Creo que todos empezaremos, ya sea de Cursor o de Microsoft, a ver incluso modelos internos que... Y luego les descargarás la mayoría de tus tareas.
Entonces, creo que un argumento es si logras dominar la estructura fundamental, que hoy en día se encarga de abordar todos esos problemas que nos frenan o la complejidad intrincada de estos desafíos de inteligencia, lo cual, de alguna manera, es algo que tienes que hacer. Si ganas eso, entonces te integrarás verticalmente en el modelo, simplemente porque tendrás la liquidez de los datos y todo lo demás, y habrá suficientes y más puntos de control que van a estar disponibles.
Esa es la otra cosa, ¿no? Estructuralmente, creo que siempre habrá un modelo de código abierto que será bastante capaz en el mundo, que podrías usar siempre y cuando tengas algo con lo que usarlo, que son los datos y un andamiaje, ¿verdad?
Así que puedo plantear el argumento de que, ¡Dios mío!, si eres una empresa de modelos, puede que tengas la maldición del ganador. Puede que hayas hecho todo el trabajo duro, una innovación increíble, excepto que está como a una copia de que eso se convierta en un producto básico. Y entonces la persona que dispone de los datos para la fundamentación y la ingeniería de contexto, y la liquidez de los datos, puede tomar ese punto de control y entrenarlo. Así que creo que el argumento se puede plantear de ambas maneras.
Volviendo a lo que dijiste, hay dos visiones del mundo, ¿verdad? Una es que hay muchísimos modelos diferentes, el código abierto existe. Habrá diferencias entre los modelos que impulsarán un cierto nivel de quién gana y quién no, pero la estructura subyacente es lo que te permite ganar. La otra perspectiva es que, en realidad, los modelos constituyen la propiedad intelectual clave. Y sí, todos están en una carrera muy reñida, y hay algunos: «Oye, puedo usar Anthropic u OpenAI», y esto se puede ver claramente en los gráficos de ingresos, ¿verdad?
Sí.
Los ingresos de OpenAI se dispararon cuando tuvieron un modelo de código con capacidades similares a Anthropic, aunque de diferentes maneras.
Hay una opinión de que las empresas de modelos son en realidad las que obtienen todo el margen, ¿verdad? Porque, si miras este año, al menos en Anthropic, sus márgenes brutos en inferencia pasaron de muy por debajo del 40% a más del 60%, ¿no? Para finales de año, los márgenes se están expandiendo allí a pesar de más modelos chinos de código abierto que nunca.
Sí.
OpenAI es competitivo. Google es competitivo. Grok ya es competitivo, ¿no? Todas estas empresas ya son competitivas. Y aun así, a pesar de esto, los márgenes se han expandido en la capa del modelo de manera muy significativa. ¿Cómo piensas sobre el...?
Sí.
Es una gran pregunta. Creo que lo único es que quizás hace unos años la gente decía: «Puedo simplemente tomar un modelo y construir una empresa exitosa». Y eso, creo, probablemente se ha desmentido solo por las capacidades del modelo y con las herramientas usadas en particular.
Pero lo interesante es que no hay nada como... Por ejemplo, si observamos Office 365, tomemos incluso esta pequeña herramienta que desarrollamos, llamada Excel Agent. Es bastante interesante, ¿no crees? Excel Agent no es un simple envoltorio a nivel de interfaz de usuario. Es, de hecho, un modelo que se encuentra en la capa intermedia.
En este caso particular, porque contamos con toda la propiedad intelectual que proviene de la familia GPT, estamos tomando todo ese conocimiento y lo estamos integrando en el nivel intermedio principal del sistema de Office para que pueda aprender y comprender de forma nativa lo que es Excel y todo lo que implica.
Así que no es solo: «Solo tengo una comprensión a nivel de píxel». Tengo una comprensión completa de todos los artefactos nativos de Excel, tanto cuando lo veo... Porque, si lo piensas, si le voy a dar alguna tarea de razonamiento, ¿verdad?, necesito incluso corregir los errores de razonamiento que cometo. Y eso significa que no solo necesito ver los píxeles, sino que también necesito poder ver: «Me equivoqué en esa fórmula», y necesito comprenderlo. Y entonces, hasta cierto punto, todo eso se está haciendo no a nivel de la interfaz de usuario con un prompt, sino que se está haciendo en la capa intermedia, enseñándole todas las herramientas de Excel, ¿verdad?
Así que le estoy dando esencialmente un Markdown para enseñarle las habilidades de lo que significa ser un usuario avanzado de Excel. Así que es algo extraño que se remonta un poco al cerebro de la IA, ¿verdad? Que es que no estás construyendo solo Excel. Ahora te conviertes en la lógica de negocio en su sentido más tradicional. Estás tomando la lógica de negocio de Excel, esa que conocemos en su forma más tradicional, y la estás cubriendo con una capa esencialmente cognitiva, empleando este modelo que ya posee el conocimiento para utilizar la herramienta.
Así que, en cierto modo, Excel vendrá con un analista ya incorporado y con todas las herramientas que se suelen utilizar. Ese es el tipo de cosas que serán desarrolladas por absolutamente todo el mundo. Así que, incluso para las empresas de modelos, se les permitirá competir, ¿no es así? Entonces, si le ponen precios muy altos, ¿adivina qué pasará?
Ajá.
Si soy un constructor de una herramienta como esta, te sustituiré. Puede que te use por un tiempo, y mientras haya competencia, siempre hay un escenario de «el ganador se lo lleva todo», ¿no? Si va a haber un modelo que sea mucho mejor que todos los demás, con una ventaja enorme, sí, eso es un «el ganador se lo lleva todo».
Mientras exista competencia donde haya una pluralidad de modelos, tal como ocurre con la competencia a hiperescala, y exista un contrapeso de código abierto, entonces hay suficiente margen aquí para poder construir valor adicional sobre los modelos.
Pero en Microsoft, la forma en que lo veo y lo expreso es: vamos a estar en el negocio de hiperescala que soportará múltiples modelos.
Tendremos acceso a modelos de OpenAI por siete años más, sobre los que innovaremos, libres de regalías. Esencialmente nos consideramos con un modelo de clase fronteriza que podemos usar e innovar con total flexibilidad. Y construiremos nuestros propios modelos con MAI, y así siempre tendremos un nivel de modelo.
Y entonces construiremos estas cosas, ya sea en el ámbito de la seguridad, ya sea en el trabajo de conocimiento, ya sea en la programación o en la señalización, construiremos nuestro propio andamiaje de aplicación que estará orientado al modelo, ¿verdad? No será una capa sobre un modelo, sino que el modelo estará integrado en la aplicación.
Tengo muchísimas preguntas sobre las otras cosas que mencionaste, pero antes de pasar a esos temas, me sigo preguntando si esto no es como no tener una visión a futuro de las capacidades de la IA, donde estás imaginando modelos como existen hoy, donde, sí, tienes que, digamos, tomar una captura de pantalla de tu monitor, pero no puede, por ejemplo, ver dentro de cada celda y cuál es la fórmula. Y creo que el mejor modelo mental aquí es como, mira, un humano...
Imaginen que estos modelos realmente podrán usar una computadora tan bien como un humano. Y un trabajador del conocimiento humano que usa Excel puede ver las fórmulas, puede usar software alternativo, puede migrar datos entre Office 365 y otro programa si la migración es necesaria, etcétera. Entonces, ¿qué es...?
Eso no es lo que estoy diciendo. ¿Y qué?
Pero si ese es el caso, entonces la integración con Excel no importa tanto. Porque entonces...
No, no, no. No te preocupes por la integración de Excel. Al fin y al cabo, Excel fue concebido como una herramienta para analistas. Genial. Así que, quienquiera que sea esta inteligencia artificial que es analista, debería disponer de las herramientas que pueda utilizar.
Tienen una computadora, ¿verdad? Es su herramienta, como la de un humano.
La herramienta es la computadora. Está bien. Así que lo que estoy diciendo es que estoy construyendo un analista que es, en esencia, un agente de inteligencia artificial, que ya viene con un conocimiento a priori de cómo utilizar todas estas herramientas analíticas.
Claro.
Quizás solo para asegurarnos de que hablamos de lo mismo, ¿es algo que, por ejemplo, yo, usando Excel? Como podcaster, no soy experto en Excel, pero como...
No, no, no. Será un sistema completamente autónomo. Así que imaginen que yo trabajo... Quizás deberíamos ahora exponer cómo creo que es el futuro de la empresa, ¿verdad? El futuro de la empresa sería el negocio de las herramientas, que tengo una computadora.
Yo uso Excel. Y de hecho, en el futuro, incluso tendré un copiloto. Y ese copiloto también tendrá agentes, ¿verdad? Eso es todavía en lo que estoy... Todavía soy yo quien lo controla todo. Y todo está regresando. Así que es como un solo mundo.
Claro.
Sí.
Entonces, el segundo escenario es que la empresa simplemente proporciona un recurso de computación para un agente de inteligencia artificial.
Así es.
Y eso funciona totalmente autónomo.
Así es.
Ese agente completamente autónomo tendrá esencialmente un conjunto incorporado de esas mismas herramientas que están disponibles para él, ¿verdad? Así que esta herramienta de IA que llega también tiene no solo una computadora en bruto, porque será más eficiente en tokens usar herramientas para hacer las cosas.
Bien.
De hecho, yo lo veo de esta manera y digo, nuestro negocio, que hoy en día es un negocio de herramientas para el usuario final, se convertirá esencialmente en un negocio de infraestructura en apoyo de agentes que realizan su trabajo. Es otra forma de pensarlo, ¿no creen? Así que una de las cosas que nos verán hacer...
De hecho, todo lo que construimos debajo de M365 seguirá siendo muy relevante. Necesitas un lugar para almacenarlo, un lugar para archivarlo, un lugar para el descubrimiento, un lugar para gestionar todas estas actividades, incluso si eres un agente de IA.
De acuerdo.
Así que eso es... Es como una nueva infraestructura.
Entonces, para asegurarme de entender bien, dices que, mira, teóricamente, una IA futura que tenga un uso real de computadoras, en lo que todas estas empresas de modelos están trabajando ahora mismo, podría usar, aunque no esté asociada con Microsoft o bajo nuestro paraguas, podría usar software de Microsoft, pero dices que les vamos a dar... Si trabajas con nuestra infraestructura, ¿te vamos a dar un acceso de bajo nivel que te hará más eficiente para que hagas las mismas cosas que de todas formas ya podrías haber hecho?
Cien por ciento. Cien por ciento. Todo el asunto en sí... De hecho, lo que ocurrió fue que teníamos servidores, luego hubo virtualización y después tuvimos muchísimos más servidores. Así que esa es otra forma de pensar en esto, que es, oye, no pienses en la herramienta como el fin último. ¿Cuál es la totalidad del sustrato que se encuentra debajo de esa herramienta que utilizan los seres humanos?
Y todo ese sustrato es la base para el agente de IA también, porque el agente de IA necesita una computadora, eso es fundamental. De hecho, una de las cosas fascinantes donde vemos un crecimiento significativo es que todos estos que crean artefactos de oficina y demás como agentes autónomos quieren aprovisionar Windows 365, ¿verdad? Realmente quieren poder proporcionar un ordenador para estos agentes.
Absolutamente. Y ahí es donde creo que vamos a tener esencialmente un negocio de infraestructura de computación para el usuario final que, en mi opinión, seguirá creciendo porque, ¿adivina qué? Va a crecer más rápido que el número de usuarios. De hecho, esa es una de las preguntas que la gente me hace: «¿Qué pasa con el negocio por usuario?». Al menos las primeras señales indican que la forma de pensar en el negocio por usuario no es solo por usuario, sino por agente.
Y si decimos que es por usuario y por agente, la clave es: ¿qué hay que provisionar para cada agente? Una computadora, un conjunto de elementos de seguridad que la rodean, una identidad asociada a ella, y todas esas cosas, nuestra capacidad de observación y demás, constituyen las capas de gestión y eso, creo, se va a integrar en todo eso.
La forma de plantearlo, o al menos como yo lo veo ahora mismo, y me gustaría escuchar tu opinión, es que estas empresas de modelos están construyendo entornos para entrenar a sus modelos para que utilicen Excel, o para comprar en Amazon o lo que sea, lo que sea que necesites, reservar vuelos.
Pero, al mismo tiempo, también están entrenando estos modelos para realizar migraciones desde... Porque eso es probablemente lo más inmediato, lo más valioso que hay, ¿verdad? Convertir sistemas que están basados en mainframe a sistemas estándar en la nube. Convirtiendo las bases de datos de Excel en verdaderas bases de datos con SQL. ¿Verdad?
Sí.
O convertir lo que se hace en Word y Excel en algo más programático y más eficiente en un sentido clásico, que de hecho puede ser hecho por humanos también. Simplemente no es rentable para el desarrollador de software hacer eso. Eso parece ser lo que todos van a hacer con la IA en los próximos años, al menos, para impulsar masivamente el valor.
¿Cómo encaja Microsoft en todo esto si los modelos pueden utilizar las herramientas por sí mismos para migrar a otra cosa? Y sí, Microsoft tiene una posición de liderazgo en bases de datos y en almacenamiento y en todas estas otras categorías, pero el uso de, digamos, un ecosistema de Office va a ser significativamente menor, al igual que, potencialmente, el uso de un ecosistema de mainframe podría ser potencialmente menor. Ahora, los mainframes han crecido durante las últimas dos décadas, de hecho, aunque ya nadie hable de ellos, han seguido creciendo.
Sí, totalmente. Coincido con eso.
¿Cómo progresa eso? Sí.
Sí, al final del día, esto no se trata de, oye... Va a haber una cantidad significativa de tiempo donde va a haber un mundo híbrido, ¿verdad? Porque la gente va a estar usando las herramientas, va a estar trabajando con agentes que tienen que usar herramientas y, por cierto, tienen que comunicarse entre sí. ¿Cuál es el artefacto que genero que luego un humano necesita ver? Todas estas cosas serán consideraciones reales en cualquier lugar. Las salidas, las entradas... No creo que se trate solo de, oh, me migré, ¿verdad? Pero la conclusión es que tengo que vivir en este mundo híbrido.
Pero eso no responde completamente a tu pregunta porque pueden estar en una nueva frontera eficiente real donde son solo agentes trabajando con agentes y optimizando completamente.
Ajá.
Y aun cuando los agentes trabajan con agentes, ¿cuáles son las primitivas necesarias? ¿Necesitas un sistema de almacenamiento? ¿Ese sistema de almacenamiento necesita tener eDiscovery? ¿Ese eDiscovery...? ¿Necesitas tener observabilidad? ¿Necesitas un sistema de identidad que use múltiples modelos, pero que todos tengan un mismo sistema de identidad? Estos son los pilares fundamentales que tenemos hoy para los sistemas de Office o lo que sea, y eso es lo que creo que tendremos en el futuro también.
Hablaste de bases de datos, ¿verdad? Me encantaría que todo Excel tuviera un backend de base de datos, ¿no? De hecho, me encantaría que eso pasara de inmediato.
Ajá.
Y esa base de datos es una buena base de datos. Es decir, las bases de datos, de hecho, serán algo grande que crecerá. De hecho, si pienso en todos los artefactos de Office mejor estructurados, la capacidad de unir mejor lo estructurado y lo no estructurado gracias al trabajo de los agentes, eso hará crecer el negocio subyacente de infraestructura, y resulta que el consumo de eso está siendo impulsado por agentes.
Se podría decir que todo eso es software generado justo a tiempo por una empresa de modelos, lo cual también podría ser cierto. Seremos una de esas empresas de modelos también. Y así construiremos... La competencia podría ser que construiremos un modelo más toda la infraestructura y la proveeremos, y luego habrá competencia entre varios de esos que puedan hacerlo.
Supongo que, hablando de empresas de modelos, dicen: «Vale, también seremos una de las... No solo tendremos la infraestructura, tendremos el modelo en sí». Ahora mismo, el modelo más reciente de Microsoft AI que fue lanzado hace dos meses está en el puesto 36 en Chatbot Arena. Obviamente tienen los derechos de propiedad intelectual de OpenAI, así que hay una pregunta sobre...
Entonces, primero, en la medida en que estés de acuerdo con eso, parece estar rezagado, ¿por qué es así? Especialmente dado el hecho de que podrías... Teóricamente tienes el derecho de simplemente bifurcar el monorepo de OpenAI o destilar sus modelos. Sí, especialmente si es una parte importante de tu estrategia que necesitamos tener una empresa de modelos líder.
Sí, en primer lugar, vamos a utilizar de forma absoluta los modelos de OpenAI al máximo posible en la totalidad de nuestros productos, ¿no es así? Eso es, en mi opinión, lo fundamental que vamos a seguir haciendo durante todo el transcurso de los próximos siete años.
Y no solo usarlo, sino también añadirle valor. Ahí es precisamente donde el analista y este agente de Excel entran en juego, y todas estas son cosas que haremos, donde haremos un ajuste fino de RL, haremos algunas ejecuciones de entrenamiento intermedio sobre una familia GPT donde tenemos activos de datos únicos y construimos capacidad.
El modelo MAI, la forma en que creo que lo vamos a considerar es... La buena noticia aquí, de hecho, con el nuevo acuerdo, es que incluso podemos ser muy, muy claros en que vamos a construir un equipo de superinteligencia de clase mundial y perseguirlo con una gran ambición. Pero al mismo tiempo, también vamos a usar este tiempo para ser inteligentes sobre cómo usar ambas cosas.
Así que eso significa que, por un lado, estaremos muy centrados en el desarrollo de productos, y por el otro, nos enfocaremos intensamente en la investigación. En otras palabras, dado que tenemos acceso a toda la familia GPT, lo último que quiero evitar es usar mis FLOPs de una manera que sea meramente duplicativa y que no aporte un valor significativo.
Así que quiero poder tomar los FLOPs que utilizamos para generar una familia GPT y maximizar su valor, mientras mis FLOPs de MAI se están empleando para... Tomemos el modelo de imágenes que lanzamos, que creo que este lanzamiento se posiciona como el número nueve en el ámbito de las imágenes.
Lo estamos usando tanto para la optimización de costos, está en Copilot, está en Bing, y vamos a usar eso. Tenemos nuestro modelo de audio en Copilot, que realmente tiene personalidad y todo lo demás. Lo optimizamos para nuestro producto. Así que haremos eso. Incluso en la LM Arena, empezamos con el de texto, creo que debutó en nueve-trece.
Y por cierto, se hizo solo con, no sé, ¿15.000 H100? Y era un modelo muy pequeño. Y fue de nuevo para probar la capacidad central, el seguimiento de instrucciones y todo lo demás, lo cual queríamos asegurarnos de que podíamos igualar lo que era de última generación.
Y eso nos muestra, dadas las leyes de escalado, lo que somos capaces de hacer si le diéramos más FLOPs, ¿verdad? Así que lo siguiente que haremos es un modelo omni donde tomaremos el trabajo que hemos hecho en audio, lo que hemos hecho en imagen y lo que hemos hecho en texto. Esa será la próxima parada en el lado de MAI.
Así que, cuando reflexiono sobre la hoja de ruta de MAI, vamos a construir un equipo de superinteligencia de primera categoría. Vamos a continuar lanzando y desarrollando abiertamente algunos de estos modelos. Estarán en nuestros productos porque serán amigables con la latencia, con los costos, o lo que sea, o tendrán alguna capacidad especial. Y haremos investigación real para estar listos para los próximos cinco, seis, siete, ocho grandes avances, que son necesarios en esta marcha hacia la superinteligencia.
Así que creo que eso es... Y mientras aprovechamos la gran ventaja que tenemos de contar con la familia GPT, sobre la cual podemos construir y desarrollar también.
Entiendo.
Digamos que avanzamos siete años, ya no tienes acceso a los modelos de OpenAI. ¿Cómo se genera confianza, o qué hace Microsoft para asegurarse de que lidera o tiene un laboratorio de IA puntero, verdad? Hoy es OpenAI quien ha desarrollado muchos de los avances, ya sea en escalado o razonamiento, o Google ha desarrollado todos los avances como los Transformers.
Pero también es un gran juego de talento, ¿verdad? Has visto a Meta gastar más de 20 mil millones de dólares en talento, ¿verdad? Has visto a Anthropic robar a todo el equipo de razonamiento Blueshift de Google el año pasado. Has visto a Meta robar un gran equipo de razonamiento y post-entrenamiento de Google más recientemente.
Estas guerras por el talento son muy intensivas en capital. Son las que, se podría decir, si gastas cien mil millones en infraestructura, deberías también invertir una cantidad X de dinero en la gente que la usa, para que logren estos nuevos avances de forma más eficiente. ¿Qué confianza podemos tener en que Microsoft tendrá un equipo de clase mundial que pueda lograr estos avances?
Y una vez que decides abrir el grifo del dinero, estás siendo bastante eficiente con el capital ahora, lo cual es inteligente, al parecer, para no malgastar dinero en trabajo duplicado. Pero una vez que decides que es necesario, ¿cómo se puede decir: «Ah, sí, ahora podemos ascender a, somos el modelo entre los cinco mejores»?
Bueno, mira, al final del día, vamos a construir un equipo de clase...
mundial y ya tenemos un equipo de clase mundial que está empezando a formarse, ¿verdad? Con Mustafa llegando, tenemos a Karen, tenemos a Amar Subramanya, quien hizo gran parte del post-entrenamiento en Gemini, 2.5, quien está en Microsoft, Nando, quien hizo gran parte del trabajo multimedia en DeepMind, está allí. Así que vamos a construir un equipo de clase mundial.
Y de hecho, creo que incluso a finales de esta misma semana, Mustafa publicará algo, un poco más de claridad sobre lo que nuestro laboratorio se propone hacer. Creo que lo que quiero que el mundo sepa, quizás, es que vamos a construir la infraestructura que soportará múltiples modelos.
Porque, desde una perspectiva de hiperescala, queremos construir la flota de infraestructura más escalable, que sea capaz de soportar todos los modelos que el mundo necesita, ya sean de código abierto o, obviamente, de OpenAI y otros. Y ese es, por así decirlo, uno de nuestros trabajos.
La segunda es nuestra propia capacidad de desarrollo de modelos. Utilizaremos absolutamente el modelo de OpenAI en nuestros productos, y comenzaremos a desarrollar nuestros propios modelos. Y es posible que, como en GitHub Copilot, se utilice Anthropic. Así que incluso tendremos otros modelos de vanguardia que también se integrarán en nuestros productos.
Así que creo que, en última instancia, la evaluación del producto, en cómo cumple una tarea o un trabajo específico, es lo que importa. Y a partir de ahí nos basaremos en la integración vertical necesaria, sabiendo que mientras tu servicio sirva bien al mercado con el producto, siempre puedes optimizar costos.
Pero hay una pregunta que surge de aquí en adelante. En este momento, tenemos modelos que presentan esta distinción entre el entrenamiento y la inferencia. Y se podría argumentar que existe una diferencia cada vez más pequeña entre los distintos modelos.
En el futuro, si realmente esperas algo como inteligencia a nivel humano, los humanos aprenden en el trabajo. Si piensas en tus últimos 30 años, ¿qué hace que los tokens de Satya sean tan valiosos? Son los últimos 30 años de sabiduría y experiencia que has ganado en Microsoft. Y eventualmente tendremos modelos, si alcanzan el nivel humano, que tendrán esta capacidad de aprender continuamente en el trabajo.
Y eso aportará tanto valor a la empresa modelo que va por delante, al menos en mi opinión. Porque tienes copias de un modelo ampliamente desplegadas por toda la economía, aprendiendo a hacer cada trabajo. Y a diferencia de los humanos, pueden amalgamar sus aprendizajes a ese modelo. Así que hay una especie de aprendizaje continuo, una especie de bucle de retroalimentación exponencial, que casi parece una especie de explosión de inteligencia.
Si eso ocurre y Microsoft no es la empresa líder en modelos para ese momento, ¿no importa menos esto de lo que dices de «sustituimos un modelo por otro», etcétera? Porque es como si este único modelo supiera hacer cada uno de los trabajos de la economía. Los demás de la cola larga no.
Sí. No, creo que tu punto sobre si hay un modelo, el único más extendido en el mundo, y ve todos los datos, y tiene aprendizaje continuo... eso es jaque mate... y le atinaste, ¿verdad?
Sí.
Quiero decir, la realidad, o al menos la forma en que yo la percibo, es que el mundo, incluso hoy en día, a pesar de toda la supuesta dominancia de un único modelo, simplemente no es así.
Tomemos la programación. Hay múltiples modelos. De hecho, cada día es menos frecuente que no haya un modelo que se esté implementando de forma generalizada. De hecho, hay múltiples modelos que se están implementando. Es como las bases de datos, ¿verdad?
Siempre es la misma pregunta: «Oye, ¿puede una sola base de datos ser la que se use en todas partes?». Pero no es así. Hay múltiples tipos de bases de datos que se están implementando para diferentes casos de uso. Así que creo que habrá algunos efectos de red de aprendizaje continuo o de datos, lo que yo llamo liquidez que cualquier modelo tiene. ¿Va a ocurrir esto en todos los dominios?
No lo creo. ¿Va a pasar en todas las geografías? No lo creo. ¿Va a pasar en todos los segmentos? No lo creo. ¿Ocurrirá en todas las categorías al mismo tiempo? No lo creo. Por lo tanto, siento que el espacio de diseño es tan grande que hay muchísimas oportunidades. Pero tu punto fundamental es tener una capacidad que esté en la capa de infraestructura, en la capa de modelo y en la capa de andamiaje.
Y luego poder componer estas cosas no solo como una pila vertical, sino poder componer cada elemento para su propósito, ¿verdad? No puedes construir una infraestructura optimizada para un solo modelo. Si haces eso, ¿qué pasa si te quedas atrás? De hecho, toda la infraestructura que construiste será un desperdicio, ¿no crees?
Necesitas construir una infraestructura que sea capaz de dar soporte a múltiples tipos de familias y linajes de modelos. De lo contrario, el capital que inviertes, que está optimizado para una única arquitectura de modelo, significa que estás a un solo ajuste de un avance tipo MoE que suceda con otra persona y toda tu topología de red se vuelve completamente obsoleta. Entonces, eso es algo aterrador, ¿verdad?
Así que, por lo tanto, uno quiere la infraestructura para soportar lo que pueda venir, de hecho, en su propia familia de modelos y en otras familias de modelos. Y hay que ser abierto. Si te tomas en serio el negocio de hiperescala, tienes que tomarte eso en serio, ¿verdad?
Si te tomas en serio ser una empresa modelo, tienes que decir básicamente: «Oye, ¿cuáles son las formas en que la gente puede realmente hacer cosas sobre el modelo para que yo pueda tener un ecosistema de ISV?». A menos que piense que voy a dominar todas las categorías.
Eso simplemente no puede ser. Entonces no tendrás un negocio de API. Y eso, por definición, significará que nunca serás una empresa de plataforma que pueda desplegarse con éxito en todas partes, ¿verdad? Así que, por lo tanto, la estructura de la industria es tal que realmente forzará a la gente a especializarse.
En esa especialización, una empresa como Microsoft debería competir en cada una de las capas por sus propios méritos, pero no pensar que todo esto es un camino directo hacia el «game, set, match», donde yo simplemente compongo verticalmente todas estas capas. Eso sencillamente no ocurre.
Así que, según los cálculos de Dylan, habrá medio billón en inversión de capital en IA solo el próximo año. Y los laboratorios ya están gastando miles de millones de dólares para captar a los mejores talentos de investigación. Pero nada de eso importa si no hay suficientes datos de alta calidad con los que entrenar. Sin los datos adecuados, ni siquiera la infraestructura más avanzada y el talento de clase mundial se traducirán en valor final para el usuario.
Ahí es donde entra Labelbox. Labelbox produce datos de alta calidad a gran escala, potenciando cualquier capacidad que quieras que tenga tu modelo. No importa si necesitas un agente de codificación que necesite retroalimentación detallada sobre trayectorias de varias horas, o un modelo de robótica que necesite miles de muestras en tareas cotidianas, o un agente de voz que también pueda realizar acciones del mundo real para el usuario, como reservarles un vuelo.
Para ser claros, esto no son solo datos listos para usar. Labelbox puede diseñar y lanzar una tubería de datos a escala de producción personalizada en 48 horas, y pueden conseguirte decenas de miles de ejemplos específicos en semanas. Ponte en contacto en labelbox.com/dwarkesh. Muy bien, volvamos con Satya.
El año pasado, Microsoft estaba en camino de convertirse en el proveedor de infraestructura más grande, con mucha diferencia. Ustedes fueron los primeros en el 23, así que salieron, adquirieron todos los recursos necesarios: el arrendamiento de centros de datos, el inicio de la construcción, la seguridad de la energía, todo. Iban a un ritmo para superar a Amazon en el 26 o en el 27. Pero, sin duda, para el 28 ya los habrían superado.
Desde entonces, en lo que llamamos la segunda mitad del año pasado, Microsoft hizo una gran pausa, ¿no?, donde dejaron ir un montón de sitios de arrendamiento que iban a tomar, que luego Google, Meta, Amazon en algunos casos, Oracle, tomaron esos sitios. Estamos en uno de los centros de datos más grandes del mundo, así que obviamente no es todo. Ustedes se están expandiendo como locos, pero hay sitios en los que simplemente dejaron de trabajar.
Entiendo.
¿Pero por qué hiciste esto, verdad?
Sí, quiero decir, lo fundamental que nosotros... Esto nos remite un poco a qué es realmente el negocio de hiperescala, ¿verdad?
Una de las decisiones clave que tomamos fue que si vas a desarrollar Azure para que sea realmente fantástico en todas las diferentes etapas de la inteligencia artificial, desde el entrenamiento hasta el entrenamiento intermedio, la generación de datos y la inferencia, simplemente necesitamos una fungibilidad completa de la flota.
Y entonces, toda esa situación nos llevó a no construir, básicamente, una gran cantidad de capacidad con un conjunto particular de generaciones.
Porque lo otro que hay que darse cuenta es que, habiendo de hecho, hasta el momento, multiplicado por diez cada dieciocho meses la capacidad de entrenamiento suficiente para los diversos modelos de OpenAI, nos dimos cuenta de que la clave es mantenerse en esa senda.
Pero lo más importante es, de hecho, lograr un equilibrio, no solo para entrenar, sino para poder poner estos modelos al servicio de todo el mundo. Porque, al fin y al cabo, la tasa de monetización es lo que nos permitirá incluso mantener la financiación. Y la infraestructura que vamos a necesitar para poder soportar, como ya mencioné, múltiples modelos y todo lo que ello implica.
Así que una vez que dijimos que ese era el caso, desde entonces, simplemente corregimos el rumbo hacia donde... el camino en el que estamos, ¿verdad? Si observo el camino en el que nos encontramos, estamos iniciando muchos más proyectos ahora.
Estamos adquiriendo toda la capacidad gestionada que nos sea posible, ya sea para construirla, ya sea para arrendarla, o incluso GPUs como servicio. Pero la estamos desarrollando para donde vemos la demanda y las necesidades de servicio, y también nuestras necesidades de capacitación. Y no queríamos ser simplemente un proveedor exclusivo para una sola empresa y tener un volumen de negocio tan masivo con un único cliente.
Eso no es un negocio, ¿verdad? Uno debería estar integrado verticalmente con esa compañía. Y entonces, considerando la situación de que OpenAI iba a ser una empresa independiente y exitosa, lo cual es absolutamente fantástico, ¿no crees? Creo que tiene mucho sentido, ¿verdad? E incluso Meta podría utilizar capacidad de terceros, pero en última instancia, todos ellos van a ser de primera mano.
Así es.
Para cualquiera que opere a gran escala, se convertirán en un hiperescalador por sí mismos. Y para mí, el objetivo era construir una flota de hiperescala y nuestra propia infraestructura de cómputo para investigación.
Y ese fue el ajuste. Y, por eso, me siento muy, muy bien. Por cierto, la otra cosa es que no quería quedarme atascado con la escala masiva de una sola generación. Quiero decir, acabamos de ver los GB200. Los GB300 ya vienen, ¿no?
Y para cuando lleguemos a la Vera Rubin, a la Vera Rubin Ultra, ¿adivinen qué? El centro de datos se verá muy, muy diferente, porque la potencia por rack, la potencia por fila, será drásticamente distinta.
Los requisitos de refrigeración van a ser tan distintos. Y eso significa que no quiero simplemente ponerme a construir una cantidad enorme de gigavatios que sean únicamente para una sola generación, una sola familia. Y por lo tanto, creo que el ritmo es importante, y la fungibilidad, y la ubicación también es importante.
La diversidad de cargas de trabajo es importante, la diversidad de clientes es importante, y es hacia donde nos dirigimos. Lo otro que hemos aprendido mucho es que cada carga de trabajo de inteligencia artificial no solo requiere el acelerador de IA, sino que también necesita muchísimas otras cosas, ¿no?
Y de hecho, una parte considerable de nuestra estructura de margen se generará a partir de esas otras áreas. Y por consiguiente, queremos desarrollar Azure para que sea una plataforma verdaderamente fantástica para la gran mayoría de las cargas de trabajo, porque ese es el núcleo de nuestro negocio de hiperescala, al mismo tiempo que somos plenamente conscientes de que debemos ser extremadamente competitivos, empezando desde el hardware más básico para el entrenamiento de más alto rendimiento.
Pero eso no puede eclipsar el resto del negocio, ¿verdad? Porque no nos dedicamos simplemente a hacer cinco contratos con cinco clientes, siendo su servicio de bare metal. Ese no es un negocio de Microsoft. Puede que sea un negocio para otra empresa y eso está bien. Lo que hemos dicho es que estamos en el negocio de hiperescala, que es, al fin y al cabo, un negocio de cola larga para cargas de trabajo de IA.
Y para poder lograr eso, contaremos con capacidades líderes de «bare metal como servicio» para un conjunto de modelos, incluyendo los nuestros. Y ese creo que es el equilibrio que se ve.
Otra clase de pregunta que surge en torno a todo este tema de la fungibilidad es, bien, no está donde tú lo querrías, ¿verdad? Preferirías tenerlo en un buen centro de población como Atlanta, ya que estamos aquí, ¿no es así?
También está la cuestión de, bueno, ¿cuánto importa eso si a medida que el horizonte de las tareas de IA se expande, en realidad... 30 segundos para una instrucción de razonamiento o 30 minutos para una investigación profunda o serán horas para los agentes de software en algún momento, y días y así sucesivamente, el tiempo hasta la interacción humana? ¿Por qué importa si es...?
Gran pregunta.
Sí, es una gran pregunta.
¿Ubicación A, B o C?
Así es, precisamente. De hecho, esa es otra de las razones por las que queremos pensar en cómo es una región de Azure y cuál es, de hecho, la interconexión entre las regiones de Azure. Así que aquí es donde, creo, a medida que las capacidades del modelo evolucionan y el uso de estos tokens, ya sea de forma síncrona o asíncrona, evoluciona. Y, de hecho, no querrás estar en una posición desventajosa, ¿verdad?
Y aparte de eso, por cierto, ¿cuáles son las leyes de residencia de datos, no? ¿Dónde yo...? O sea, todo el tema de la Unión Europea, para nosotros, que literalmente tuvimos que crear un límite de datos de la UE, básicamente significaba que no puedes simplemente procesar una llamada en cualquier lugar, incluso si es asíncrono. Y por lo tanto, quizás necesites tener elementos regionales de alta densidad. Y luego los costos de energía y así sucesivamente.
Pero tienes toda la razón al señalar que la topología, a medida que la desarrollemos, tendrá que evolucionar, especialmente en cuanto a los tokens por dólar por vatio. ¿Cuáles son los factores económicos? Y superpón eso con el patrón de uso real.
El patrón de uso en términos de síncrono, asíncrono, pero también ¿cuál es el almacenamiento de cómputo? Porque las latencias pueden importar para ciertas cosas. El almacenamiento más vale que esté ahí. Si tengo una base de datos Cosmos DB cerca para datos de sesión o incluso para algo autónomo, entonces eso también tiene que estar en algún lugar cerca y así sucesivamente. Así que creo que todas esas consideraciones son las que darán forma al negocio de hiperescala.
Antes de la pausa, estabas... estás, versus lo que habíamos pronosticado para ti para el 28, vas a ser como 12, 13 gigavatios. Y ahora estamos en nueve y medio más o menos, ¿verdad? Pero algo que es aún más relevante, ¿verdad? Y es, solo quiero que digas más
Concretamente que este es el negocio en el que no quieres estar. Pero Oracle pasará de ser como una quinta parte de tu tamaño a ser más grande que tú para finales de 2027. Y aunque no tenga la calidad de retorno sobre el capital invertido al nivel de Microsoft, siguen obteniendo márgenes brutos del 35%, ¿no? La cuestión es si le toca, si le conviene. Quizás no es asunto de Microsoft hacer esto, pero ahora has creado un hiperescalador al rechazar este negocio, al ceder el derecho de tanteo, etcétera.
En primer lugar, no quiero restarle mérito al éxito que ha tenido Oracle al construir su negocio, y les deseo lo mejor. Y lo que creo que ya te he respondido es que no tenía sentido para nosotros ser anfitriones de una empresa de un solo modelo con un RPO de horizonte temporal limitado. Digámoslo así, ¿verdad?
Sí.
La cuestión que hay que considerar no es qué harás en los próximos cinco años, sino qué harás en los próximos cincuenta. Porque eso es lo que nosotros... Tomamos nuestras decisiones. Me siento muy bien con nuestra asociación con OpenAI y lo que estamos haciendo. Tenemos una buena cartera de negocios. Les deseamos mucho éxito. De hecho, somos compradores incluso de capacidad de Oracle.
Les deseamos éxito. Pero, a estas alturas, creo que la lógica industrial de lo que estamos intentando hacer es bastante clara, que no se trata de perseguir... En primer lugar, yo sigo, por cierto, tus cosas, ya sea el AWS o el Google y las nuestras, lo cual me parece súper útil. Pero eso no significa que tenga que ir detrás de ellos. Tengo que perseguirlos no solo por el margen bruto que puedan llegar a representar en un determinado período de tiempo. ¿Cuál es esta cartera de negocios que solo Microsoft, de manera única, puede abordar y despejar, y que realmente tiene sentido para nosotros abordar y despejar? Y eso es precisamente lo que haremos.
Sí.
Supongo que tengo una pregunta, incluso retrocediendo de esto. Entiendo tu punto de que es un mejor negocio en el que estar, en igualdad de condiciones, tener una cola larga de clientes de los que puedes obtener un margen más alto, ¿verdad?, que cuando estás sirviendo bare metal a unos pocos laboratorios.
Pero entonces surge la pregunta de en qué dirección está evolucionando la industria. Y si realmente creemos que estamos en la senda de inteligencias artificiales cada vez más avanzadas, entonces, ¿por qué la estructura de la industria no es que los OpenAI, Anthropic y DeepMind sean la plataforma con la que la gran mayoría de empresas hacen negocios, donde quizás necesiten hardware, pero ellos son la plataforma principal? ¿Cuál es la cola larga que está utilizando directamente Azure? Porque tú quieres usar el núcleo cognitivo general.
Pero esos modelos estarán en Azure, ¿verdad? Así que cualquier carga de trabajo que diga: «Oye, quiero usar algún modelo de código abierto y un modelo de OpenAI». Es decir, si vas a Azure Foundry hoy, tienes todos estos modelos que puedes aprovisionar por PTUs, obtener una base de datos Cosmos, obtener una base de datos SQL, obtener algo de almacenamiento, obtener algo de cómputo. Así es como se ve una carga de trabajo real. Una carga de trabajo real no es solo llamar a una API a un modelo.
Una carga de trabajo real necesita todas estas cosas para poder construir una aplicación o para instanciar una aplicación. De hecho, las empresas de modelos necesitan eso, ¿no es así?, para poder construir cualquier cosa. Simplemente no es como si tuviera una fábrica de tokens. Necesito tener todas estas cosas. De eso se trata el negocio de hiperescala.
Y no es un solo modelo, sino todos estos modelos. Así que si quieres Grok más, digamos, OpenAI, más un modelo de código abierto, ven a Azure Foundry, despliégalos, crea tu aplicación, aquí tienes una base de datos. Eso es más o menos de lo que trata el negocio.
Existe un negocio aparte que se dedica únicamente a ofrecer servicios de infraestructura de hardware puro a empresas de modelos. Y esa es la discusión sobre cuánto de ese negocio quieres abarcar y cuánto no, y qué implica eso. Es un segmento muy distinto del negocio, en el que nosotros estamos, y también tenemos límites sobre cuánto de eso va a terminar desplazando al resto de nuestras operaciones. Pero es, al menos, la forma en que yo lo veo.
Entonces, hay dos preguntas aquí, ¿verdad? Una es: ¿por qué no podrías simplemente hacer ambas cosas? Y la otra es, dado que nuestras estimaciones de tu capacidad en 2028 son tres gigavatios y medio menos. Claro, podrías haber dedicado eso a la capacidad de entrenamiento e inferencia de OpenAI, pero también podrías haberlo dedicado a: «Oye, estos tres gigavatios y medio en realidad solo están ejecutando Azure, están ejecutando Microsoft 365, están ejecutando GitHub Copilot». En realidad no...
Pude haberlo hecho y no dárselo a OpenAI. O quizás quiera construirlo en un lugar diferente. Quizás quiera construirlo en los EAU. Quizás quiera construirlo en India. Quizás quiera construirlo en Europa, ¿verdad? Entonces, una de las otras cosas es, como dije, que donde tenemos verdaderas limitaciones de capacidad ahora mismo es dadas las necesidades regulatorias y las necesidades de soberanía de datos. Tenemos que construir en todo el mundo.
Primero, la capacidad interna es súper importante y queremos construirlo todo. Pero una de las cosas que considero al mirar hacia el año 2030 es que tengo una perspectiva bastante global de cómo se configura el negocio de Microsoft, tanto por parte de la propia empresa como de terceros. Los terceros, a su vez, están segmentados por los laboratorios de frontera y sus requerimientos, en contraste con la capacidad de inferencia que deseamos construir para múltiples modelos, y también nuestras propias necesidades de cómputo para la investigación, ¿verdad? Así que eso es todo lo que estoy considerando para mi cálculo, en contraposición a decir, oye...
Creo que señalas muy acertadamente la pausa, pero la pausa no se hizo porque dijéramos: «¡Dios mío, no queremos construir eso!». Nos dimos cuenta de que queremos construir lo que queremos construir de una forma ligeramente diferente, tanto por el tipo de carga de trabajo como por el tipo geográfico y el momento también.
Seguiremos aumentando nuestros gigavatios. Y la gran pregunta es: ¿a qué velocidad, en qué lugar específico y de qué manera, cómo podríamos aplicarle incluso la ley de Moore a esto, verdad? Lo cual sería... ¿Realmente quiero sobredimensionar tres y medio en el año 27, o prefiero distribuir eso entre el 27 y el 28, sabiendo que una de las lecciones más importantes que obtuvimos, incluso con NVIDIA, fue que su ritmo de trabajo se incrementó en cuanto a las migraciones de sus modelos? Así que ese fue un factor muy importante.
No quería quedarme atascado por cuatro o cinco años de depreciación en una generación. Y solo quería básicamente comprar. De hecho, el consejo de Jensen para mí fue de dos cosas. Una es: «Oye, ejecuta a la velocidad de la luz». Por eso creo que incluso la ejecución en este centro de datos de Atlanta. En 90 días, ¿verdad?, entre que lo recibimos y lo entregamos para una carga de trabajo real. Eso es como una ejecución a la velocidad de la luz, muy rápida, por su parte, y por eso quería dominarlo bien. Y de esa manera, entonces estoy construyendo esto con cada generación y escalando, y luego cada cinco años se tiene algo mucho más equilibrado...
Así que se convierte realmente en un flujo para una operación industrial a gran escala como esta, donde de repente no estás desequilibrado, acumulando mucho en un momento, y luego tomas un hiato masivo porque te quedas con todo esto, a tu punto, en una sola ubicación. Lo cual puede ser genial para el entrenamiento, pero no para la inferencia porque no puedo servir aunque sea... Como si todo fuera asíncrono, pero Europa no me va a dejar ir y volver a Texas. Así que eso es todo esto.
¿Cómo puedo yo racionalizar esta declaración que hicieron con todo lo que han estado haciendo ustedes en las últimas semanas? Han anunciado acuerdos importantes con Iris Energy, con Nebius, y también con Lambda Labs, y hay algunos más que están por venir. Ustedes están saliendo y asegurando una capacidad que están alquilando directamente de los neoclouds, en lugar de haberla construido por ustedes mismos. ¿Cuál fue la razón?
Creo que está bien para nosotros porque ahora tenemos... Cuando tienes visibilidad de la demanda, que es donde la gente lo está construyendo, es genial. De hecho, incluso tendremos, diría yo, tomaremos arrendamientos, tomaremos construcciones a medida, tomaremos incluso el servicio de GPU donde no tenemos capacidad, pero necesitamos capacidad y alguien más la tiene.
Y, a propósito, incluso me gustaría dar la bienvenida a cada neocloud para que simplemente forme parte de nuestro mercado. Porque, de nuevo, ¿sabes qué? Si traen su capacidad a nuestro mercado, ese cliente que viene a través de Azure usará neocloud, lo cual es una gran victoria para ellos, y usará cómputo, almacenamiento, bases de datos, todo lo demás de Azure. Así que no estoy pensando en esto como: «Oye, debería acaparar todo eso yo mismo».
Entonces mencionaste el tema de cómo estás depreciando este activo que tiene cinco o seis años, y esto es la mayoría, el setenta y cinco por ciento del TCO de un centro de datos, y Jensen se está llevando un margen del setenta y cinco por ciento de eso. Así que lo que todos los hiperescaladores están intentando hacer es desarrollar su propio acelerador para que puedan reducir este costo abrumador de equipo para aumentar sus márgenes.
Sí, y luego, cuando ves dónde están, ¿no? Google está muy por delante de todos los demás, ¿verdad? Llevan haciéndolo desde hace más tiempo. Van a fabricar unos cinco a siete millones de chips, ¿no?, de sus propias TPUs. Miras a Amazon, están intentando hacer tres a cinco millones. Pero cuando vemos lo que Microsoft está pidiendo de sus propios chips, está muy por debajo de ese número. Has tenido un programa por el mismo tiempo. ¿Qué pasa con tus chips internos?
Sí, esa es una buena pregunta. Entonces, hay un par de cosas. Una es que el mayor competidor para cualquier nuevo acelerador es, en cierto modo, incluso la generación anterior de NVIDIA, ¿verdad? Es decir, en una flota, lo que voy a considerar es el TCO general.
Así que el listón que tengo, incluso para lo nuestro, y que, por cierto, acababa de ver los datos de Maia 200, que se ven muy bien, excepto que una de las cosas que aprendimos incluso en el lado de la computación, ¿verdad?, es que teníamos mucho Intel, luego introdujimos AMD, y después introdujimos Cobalt. Y así fue como lo escalamos, de alguna manera. Y así tenemos una buena prueba de que es posible, al menos en el cómputo central, sobre cómo construir tu propio silicio y luego administrar una flota donde los tres elementos interactúan en cierto equilibrio.
Porque, por cierto, hasta Google está comprando NVIDIA y también Amazon. Y tiene sentido porque NVIDIA está innovando y es la tecnología de propósito general, todos los modelos funcionan con ella, y la demanda de los clientes está ahí. Porque si construyes tu propia solución vertical, más te vale tener tu propio modelo, que lo vas a usar para entrenamiento o para inferencia, y tienes que generar tu propia demanda para ello o subsidiar esa demanda. Así que, por lo tanto, querrás asegurarte de escalarlo apropiadamente.
Así que la forma en que vamos a proceder es establecer un bucle cerrado entre nuestros propios modelos de inteligencia artificial y nuestro silicio, porque siento que eso es lo que te otorga el derecho fundamental de realmente desarrollar tu propio silicio, ¿no? Donde literalmente has diseñado la microarquitectura con lo que estás haciendo, y luego mantienes el ritmo con tus propios modelos.
En nuestro caso particular, la buena noticia es que OpenAI dispone de un programa al cual nosotros tenemos acceso directo. Y, por lo tanto, pensar que Microsoft no va a tener algo similar que sea...
¿Qué acceso tienes a eso?
Todo eso.
¿Solo obtienes la PI de todo eso? ¿Entonces la única PI que no tienes es la de hardware de consumo?
Claro.
Se acabó.
Vaya. De acuerdo.
Sí.
Curioso.
Sí. Y, por cierto, les dimos un montón de propiedad intelectual también para impulsarlos, ¿verdad? Así que esta es una de las razones por las que tuvieron un enorme... Porque construimos todas estas supercomputadoras juntos, o las construimos para ellos y ellos se beneficiaron de ello, con razón.
Y ahora, a medida que ellos van innovando, incluso a un nivel de sistema, nosotros obtenemos acceso a todo eso. Y primero lo que queremos es instanciar lo que ellos construyen para ellos. Pero luego, sin duda alguna, lo vamos a extender. Y entonces, el simple hecho de pensar que no disponemos de... Y así que, si hay algo, la manera en que yo lo considero, en respuesta a tu pregunta, es: Microsoft realmente quiere ser un socio absolutamente fantástico, lo que yo llamaría un socio de ejecución a la velocidad de la luz para NVIDIA.
Porque, para ser franco, esa flota es la vida misma. No me preocupa en absoluto... Obviamente, a Jensen le está yendo súper bien con sus márgenes, pero el TCO tiene muchísimas dimensiones y quiero ser realmente bueno en ese TCO. Y, por encima de todo eso, quiero poder trabajar de forma muy cercana con todo lo que es el linaje de OpenAI, y también todo lo que es el linaje de MAI, y el diseño de los sistemas, sabiendo que tenemos los derechos de propiedad intelectual asegurados en ambos lados.
Hablando de derechos, una cosa, tuviste una entrevista hace un par de días donde dijiste que tenemos derechos a... El nuevo acuerdo que hiciste con OpenAI, tienes derechos, es la exclusividad a las llamadas API sin estado que hace OpenAI, y estábamos un poco confundidos sobre si hay algún estado en absoluto. Acabas de mencionar hace un segundo que todas estas cargas de trabajo complicadas que están surgiendo van a requerir memoria, bases de datos y almacenamiento de datos, y así sucesivamente, ¿y eso ahora no es sin estado? Entonces, ChatGPT está almacenando cosas, ejecutando sesiones...
No, pero esa es precisamente la razón. Así que la cosa, el negocio, la decisión estratégica que tomamos, y también acomodando la flexibilidad que OpenAI necesitaba para poder adquirir capacidad de cómputo para... Esencialmente, piensen en OpenAI teniendo un negocio de PaaS y un negocio SaaS. El negocio SaaS es ChatGPT, su negocio de PaaS es su API.
Ajá.
Esa API es exclusiva para el entorno de Azure. Sin embargo, las empresas SaaS pueden implementarlo en cualquier lugar.
¿Y pueden asociarse con cualquiera que quieran para desarrollar productos SaaS?
Ellos, si buscan un socio, y este socio desea utilizar una API sin estado, entonces Azure es el sitio donde pueden obtener la API sin estado.
Parece que existe una manera para que ellos puedan crear el producto juntos, y es algo que mantiene estado.
No, incluso para eso, tendrán que venir a Azure. Así que, si se trata de cualquier socio, y fundamentalmente, de nuevo, esto se hace con el espíritu de lo que valoramos como parte de nuestra asociación, y nos aseguramos, al mismo tiempo, de ser buenos socios de OpenAI, dándoles toda la flexibilidad que necesitan.
Bien.
Así que, por ejemplo, si Salesforce quiere integrar OpenAI, no es por una API. Ellos realmente trabajan juntos, entrenan un modelo juntos, lo despliegan en, digamos, Amazon ahora. ¿Está eso permitido? ¿O tienen que usar su...?
No, para cualquier acuerdo personalizado como ese, tendrán que venir a ejecutarlo.
Hay pocas excepciones para el gobierno de EE. UU. y demás que hicimos, pero aparte de eso, tendrán que venir a Azure.
Así que, como explicó Satya, a medida que los agentes de IA se vuelvan más capaces, necesitarás cada vez más observabilidad sobre lo que están haciendo. Necesitarás detectarlos cuando cometan errores, necesitarás resúmenes de alto nivel de lo que hacen, y necesitarás una visión de cómo todo lo que hacen encaja. Esto es exactamente lo que CodeRabbit proporciona. Simplemente haces un pull request normal y CodeRabbit revisa automáticamente el PR.
Genera un resumen de los cambios para que puedas comprender con exactitud lo que el autor del PR realmente pretendía, y utiliza el contexto de toda tu base de código completa para ofrecer retroalimentación detallada línea por línea sobre cómo se podrían mejorar las cosas. Esto es muy útil, ya sea que estés revisando un PR de un compañero de trabajo o de un agente. En cualquier caso, CodeRabbit expondrá sus ideas y señalará cualquier problema para que tu compañero de equipo o tu agente puedan corregirlos.
Me he dado cuenta de que, cuando estoy programando con agentes, CodeRabbit identifica muchos de los errores que los modelos suelen cometer por sí solos. Por ejemplo, es común que los modelos tengan el mal hábito de utilizar versiones antiguas de las bibliotecas. De hecho, en una de mis sesiones, observé cómo CodeRabbit detectaba una llamada a un modelo antiguo, descubría cuál era la versión más actualizada, y posteriormente sugería esa mejora. Visita coderabbit.ai/dwarkesh para saber más.
Volviendo al tema, una pregunta que tengo es: cuando íbamos caminando de un lado a otro a la fábrica, una de las cosas de las que hablabas es Microsoft. Puedes pensar en ella como un negocio de software, pero ahora se está convirtiendo realmente en un negocio industrial. Hay toda esta inversión de capital, hay toda esta construcción, y si solo miras los últimos dos años, tu inversión de capital se ha, por así decirlo, triplicado. Y si lo proyectas hacia el futuro, simplemente se convierte en esta enorme explosión industrial.
Otros hiperescaladores están pidiendo préstamos, ¿verdad? Meta ha sacado un préstamo de 20 mil millones en Luisiana. Han hecho un préstamo corporativo. Parece claro que el flujo de caja libre de todos va a cero, lo cual estoy seguro que Amy te va a regañar por si siquiera intentas hacer eso. Pero ¿qué está pasando?
Creo que el cambio estructural es a lo que te estás refiriendo, lo cual, en mi opinión, es algo verdaderamente masivo, ¿no crees? Lo describo como que ahora somos un negocio intensivo en capital y un negocio intensivo en conocimiento. Y de hecho, tenemos que usar nuestro conocimiento para aumentar el ROIC sobre el capital invertido, ¿verdad? Los de hardware han hecho un gran trabajo de marketing con la ley de Moore, que me parece increíble y es genial.
Pero si uno se fija bien, creo que algunas de las estadísticas que presenté en mi última llamada de resultados, específicamente para una familia GPT determinada, la mejora, las optimizaciones de software en el rendimiento efectivo, en cuanto a tokens por dólar por vatio que logramos obtener, de un trimestre a otro, de un año a otro, es verdaderamente masiva. Así que es 5X, 10X, quizás hasta 40X en algunos de estos casos. Simplemente por cómo se puede optimizar. Eso es una especie de intensidad de conocimiento que se aplica para lograr una mayor eficiencia del capital.
Así que, a cierto nivel, eso es lo que debemos dominar. ¿Qué significa? Mucha gente me pregunta: «¿Cuál es la diferencia entre un host clásico y un hiperescalador?». Era software.
Así que sí, es intensivo en capital, pero mientras tengas el conocimiento de sistemas y la capacidad de software para optimizar por carga de trabajo, por flota. Por eso creo que cuando decimos fungibilidad, hay tanto software involucrado. No se trata solo de la flota, ¿verdad? Es como la capacidad de desalojar una carga de trabajo y luego programar otra carga de trabajo. ¿Puedo, digamos, manejar ese algoritmo de programación? Ese es el tipo de cosas en las que tenemos que ser de clase mundial. Así que creo que seguiremos siendo una empresa de software.
Pero sí, este es un negocio diferente, y vamos a poder con ello. Creo que al final del día, el flujo de caja que tiene Microsoft nos permite tener estos dos brazos funcionando bien.
Parece que a corto plazo, le das más, digamos, importancia o credibilidad a que las cosas tomen su tiempo, que sean más accidentadas. Pero a lo mejor a largo plazo, crees que la gente que habla de la IAG y la SAI tiene razón, como Sam, que Sam tendrá razón, pero solo eventualmente.
Tengo una cuestión más amplia sobre qué tiene sentido que haga un hiperescalador, dado que tienes que invertir masivamente en algo que se deprecia en solo cinco años. Entonces, si tienes plazos hasta el dos mil cuarenta para el tipo de cosas que alguien como Sam anticipa en solo tres años, ¿qué es lo más razonable que puedes hacer en ese mundo?
Debe haber una asignación para lo que yo llamaría cómputo de investigación. Eso tiene que hacerse de la misma manera que hicieron con I+D. Así que, francamente, esa es la mejor forma de siquiera considerarlo, porque lo ven simplemente como un gasto de investigación y desarrollo. Y deberían preguntarse: «Oye, ¿qué es la computación para la investigación o cómo quieren escalarla?».
Digamos incluso que es una escala de un orden de magnitud en algún período. Elige tu ejemplo. ¿Son dos años? ¿Son dieciséis meses? ¿O qué sé yo? Así que eso es como una especie de pieza, lo cual es, por así decirlo, el requisito mínimo para empezar. Esos son los gastos de investigación y desarrollo. Y todo lo demás está impulsado por la demanda. En última instancia, uno tendrá que construir anticipándose a la demanda, pero es mejor que tengas un plan de demanda que no se desvíe por completo de lo previsto.
¿Te crees que estos laboratorios ahora proyectan ingresos de cien mil millones en el 27, 28, y que los ingresos sigan creciendo a este ritmo de 3X, 2X al año?
En el mercado hay todo tipo de incentivos ahora mismo. Y con razón, ¿no? ¿Qué esperas que haga un laboratorio independiente que está tratando de recaudar fondos? Tienen que mostrar algunos resultados para poder recaudar dinero y así pagar sus facturas de computación y lo que sea. Y es algo bueno. Alguien va a tomar un riesgo y apostar por ello, y han demostrado tener éxito. No es como si todo fuera un riesgo sin considerar que han estado rindiendo, ya sea OpenAI, ya sea Anthropic.
Así que me siento muy bien con lo que han hecho, y tenemos una cartera de negocios enorme con estos muchachos. Así que, por lo tanto, todo está bien. Pero en general, en última instancia, hay dos cosas simples. Una es que tienes que asignar para I+D. Mencionaste incluso el talento. El talento para la IA es algo de gran valor. Debes hacer una inversión allí. Debes invertir en capacidad de cómputo.
Así que, en cierto sentido, la proporción de investigadores por GPU tiene que ser alta. Eso es lo que se necesita para ser una empresa líder de I+D en este mundo. Y eso es algo que necesita escalar. Y debes tener un balance general que te permita escalar eso mucho antes de que se convierta en sabiduría popular o convencional y cosas por el estilo. Entonces, esa es una de las cosas. Pero la otra cuestión principal es saber cómo hacer pronósticos.
Si miramos el mundo, Estados Unidos ha dominado muchas pilas tecnológicas. Estados Unidos posee Windows a través de Microsoft, que se implementa incluso en China. Ese es el principal sistema operativo. Claro, existe Linux, que es de código abierto, pero Windows se implementa en todas partes de China en ordenadores personales.
Si miras Word, está desplegado en todas partes. Si miras todas estas diversas tecnologías, está desplegado en todas partes. Lo que es bastante único... Y Microsoft y otras empresas se han expandido a otros lugares. Han construido, están construyendo centros de datos en Europa y en India, en el sudeste asiático y en Latinoamérica y África.
En todos estos lugares diferentes, están construyendo capacidad. Pero esto parece bastante distinto. Hoy en día, el aspecto político de la tecnología, de la informática: la administración de EE. UU. no se preocupó por la burbuja de las puntocom. Parece que la administración de EE. UU., así como todas las demás administraciones del mundo, se preocupa mucho por la IA.
Y la pregunta es: estamos en una especie de mundo bipolar, al menos con EE. UU. y China, pero Europa e India y todos estos otros países están diciendo: «No, en realidad, también tendremos una IA soberana». ¿Cómo navega Microsoft la diferencia de los 90, donde es como si solo hubiera un país en el mundo que importa? Es Estados Unidos. Nuestras empresas venden en todas partes, y por lo tanto Microsoft se beneficia enormemente, a un mundo donde es bipolar, donde Microsoft no puede necesariamente tener el derecho de ganar toda Europa o India o Singapur. En realidad, hay esfuerzos soberanos de IA. ¿Cuál es tu proceso de pensamiento aquí y cómo piensas sobre esto?
Sí, es un punto excelente. Creo que es una pieza realmente crucial, un elemento fundamental. Creo que la prioridad clave, fundamental, para el sector tecnológico de Estados Unidos y para el gobierno estadounidense es asegurar que no solo realicemos un trabajo innovador de vanguardia, sino que también, de forma colectiva, construyamos confianza en todo el mundo en nuestra infraestructura tecnológica.
Porque siempre digo que los Estados Unidos son simplemente un lugar increíble. Es simplemente único en toda la historia. Es el cuatro por ciento de la población mundial, el veinticinco por ciento del producto interno bruto, y el cincuenta por ciento de la capitalización de mercado. Y creo que deberían pensar en esas proporciones y reflexionar sobre ello.
Y ese cincuenta por ciento ocurre porque, para ser completamente francos, la confianza que el mundo deposita en los Estados Unidos, ya sea en sus mercados de capitales o en su tecnología y en su liderazgo de lo que importa en cualquier momento dado en términos de ser un sector líder. Así que si eso se rompe, entonces no es un buen día, en absoluto, para los Estados Unidos. Y si empiezas con eso, que creo que el presidente Trump lo capta, la Casa Blanca, David Sacks, todos, realmente creo que lo entienden.
Y por consiguiente, aplaudo todo aquello que el gobierno de los Estados Unidos y el sector tecnológico haga de forma conjunta para, francamente, por ejemplo, poner nuestro propio capital en riesgo, colectivamente como industria, en todas partes del mundo.
Así que me gustaría, de hecho, que el gobierno de EE. UU. se atribuyera el mérito de la inversión extranjera directa de empresas estadounidenses en todo el mundo. Es lo menos comentado, pero la mejor estrategia de marketing que Estados Unidos debería estar haciendo es: no se trata únicamente de toda la inversión extranjera directa que está llegando a los Estados Unidos, sino que el sector más avanzado y prominente, que son estas fábricas de inteligencia artificial, están siendo construidas por todo el mundo, ¿y por quién? Por América y, específicamente, por empresas estadounidenses.
Y así, uno empieza por ahí, y luego incluso se construyen otros acuerdos en torno a ello, que giran en torno a su continuidad, a sus legítimas preocupaciones de soberanía, ya sea en cuanto a la residencia de datos, o incluso lo que sucede, para que ellos tengan una verdadera autonomía y garantías en materia de privacidad y demás.
De hecho, nuestros compromisos europeos me parece que merecen ser leídos. Hemos asumido una serie de compromisos con Europa, detallando cómo gestionaremos verdaderamente nuestra inversión de hiperescala en la región, de tal manera que la Unión Europea y los países europeos tengan plena soberanía. También estamos construyendo nubes soberanas en Francia y en Alemania.
Disponemos de lo que denominamos Servicios Soberanos en Azure, los cuales, literalmente, proporcionan a los usuarios servicios de gestión de claves, junto con capacidades de computación confidencial, incluyendo la computación confidencial en unidades de procesamiento gráfico (GPU), ámbito en el que hemos realizado un gran trabajo innovador con NVIDIA. Y por eso me siento muy, muy satisfecho de poder edificar, tanto a nivel técnico como a través de la política, esta confianza en la infraestructura tecnológica estadounidense.
¿Y cómo ves que esto se va a desarrollar, ya que tienes este efecto de red con el aprendizaje continuo y otras cosas a nivel del modelo? Quizás tengas cosas equivalentes a nivel del hiperescalador también. ¿Y esperas que los países digan: «Mira, está claro que un modelo o un par de modelos son los mejores, y por eso los vamos a usar, pero vamos a tener algunas leyes sobre que los pesos tienen que estar alojados en nuestro país»? ¿O esperas que haya esta presión para que «tiene que ser un modelo entrenado en nuestro país»?
Quizás una analogía aquí es: los semiconductores son muy importantes para la economía, y a la gente le gustaría tener sus propios semiconductores soberanos, pero TSMC es simplemente mejor. Y así, los semiconductores son tan importantes para la economía que simplemente irás a Taiwán y comprarás los semiconductores. Tienes que hacerlo. ¿Será así con la IA o hay...?
En última instancia, creo que lo que realmente importa es el uso de la inteligencia artificial en su economía para crear valor económico. Esa es la teoría de la difusión, que en el fondo no es el sector líder, sino la capacidad de utilizar la tecnología puntera para crear tu propia ventaja comparativa.
Así que creo que eso será fundamentalmente el motor principal. Pero dicho esto, ellos querrán una continuidad de eso. Así que, en cierto sentido, esa es una de las razones por las que creo que siempre habrá un cierto control a algunos de tus planteamientos sobre: «Oye, ¿puede este único modelo tener todo el despliegue descontrolado?». Por eso el código abierto siempre estará presente.
Habrá, por su propia definición, varios modelos. Esa va a ser una de las maneras. Esa es una forma para que la gente pueda exigir continuidad y no tener un riesgo de concentración, es otra forma de decirlo. Y entonces dices: «Oye, quiero múltiples modelos y luego quiero una fuente abierta». Así que siento que, mientras eso exista, cada país sentirá: «No tengo que preocuparme por desplegar el mejor modelo y difundirlo ampliamente porque siempre puedo tomar lo que son mis datos y mi liquidez y trasladarlos a un modelo diferente, ya sea de código abierto o de otro país o lo que sea».
El riesgo de concentración y la soberanía, que es en realidad la capacidad de acción, son las dos cosas que creo que impulsarán la estructura del mercado.
La cuestión es que esto no existe para semiconductores, ¿verdad? Todas las neveras, los coches tienen chips hechos en Taiwán.
No existía hasta ahora. Hasta ahora, todo el mundo está ahora... Como si...
Aun así, ¿verdad? Estados Unidos, si Taiwán queda aislado, no habrá más
Coches, no habrá más refrigeradores. TSMC Arizona no está reemplazando ninguna fracción real de la producción. La soberanía es un poco como una estafa, si se quiere, ¿verdad? Vale la pena tenerla, es importante tenerla, pero no es soberanía real, ¿verdad? Y somos una economía global.
Creo que es un poco como si Dylan dijera: «Oye, a estas alturas, no hemos aprendido absolutamente nada sobre lo que la resiliencia significa y lo que uno realmente necesita hacer». ¿No es así? Cualquier Estado nación, incluyendo a los Estados Unidos, en este momento actual, hará todo lo que esté a su alcance para lograr una mayor autosuficiencia en lo que respecta a algunas de estas cadenas de suministro críticas.
Así que yo, como una empresa multinacional, tengo que considerar eso como un requisito de primera categoría, ¿no es así? Si no lo hago, entonces no estoy respetando lo que realmente concierne a los intereses políticos a largo plazo de ese país, ¿verdad? Y no estoy diciendo que no vayan a tomar decisiones prácticas a corto plazo. Absolutamente. La globalización no puede simplemente rebobinarse, ¿verdad? Todas estas inversiones de capital no pueden hacerse, de alguna manera, al ritmo que se necesita. Pero al mismo tiempo, tienes que, si lo piensas bien, ¿no?
Si alguien llegara a Washington y dijera: «¿Sabes qué? No vamos a construir ninguna planta de semiconductores», van a ser expulsados de los Estados Unidos. Y lo mismo va a ocurrir en todos los demás países también. Y por lo tanto, creo que tenemos que, como empresas, respetar las lecciones aprendidas.
Se podría decir que la pandemia nos despertó o lo que sea, pero al final la gente está diciendo: «Mira, la globalización fue fantástica. Ayudó a que las cadenas de suministro se globalizaran y fueran súper eficientes». Pero hay algo que se llama resiliencia y estamos contentos... Queremos resiliencia. Y por lo tanto, esa característica se desarrollará. A qué ritmo, creo, es el punto al que te refieres. No puedes chasquear los dedos y decir: «Todas las plantas de TSMC ahora están en Arizona y con toda la capacidad». No lo van a estar. ¿Pero hay un plan? Habrá un plan. ¿Y deberíamos respetar eso? Absolutamente.
Y por eso yo siento que ese es el mundo... Quiero acercarme al mundo tal como es y a lo que desea hacer de cara al futuro, en lugar de decir: «Oye, tenemos un punto de vista que no respeta tu opinión».
Entonces, para asegurarme de que he comprendido correctamente, la premisa fundamental aquí es que cada país deseará tener algún tipo de residencia de datos, de privacidad, y así sucesivamente. Y Microsoft goza de un privilegio particularmente importante aquí, porque ustedes mantienen relaciones sólidas con estas naciones y poseen una vasta experiencia en el establecimiento de esta clase de centros de datos soberanos. Por consiguiente, ¿Microsoft está singularmente preparado para un mundo con mayores exigencias de soberanía?
Sí. No quiero describirlo como si de alguna manera fuéramos excepcionalmente privilegiados. Diría que lo considero un requisito empresarial, que hemos estado haciendo todo el trabajo duro durante todas estas décadas, y planeamos seguir haciéndolo.
Y así, mi respuesta a la pregunta anterior de Dylan fue: yo me tomo esto... Ya sea en los Estados Unidos, francamente, o cuando la Casa Blanca y el gobierno de EE. UU. dicen: «Oye, queremos que asignes más de tus inicios de obleas a fábricas en EE. UU.», nos lo tomamos en serio. O si es un centro de datos dentro de los límites de la UE, nos lo tomamos muy en serio. Así que para mí, respetando lo que creo que son razones legítimas por las que los países se preocupan por su soberanía, y construir para ello, tanto a nivel de software como de infraestructura física, es lo que, diría yo, vamos a hacer.
Y al ir hacia el mundo bipolar, ¿no? Estados Unidos, China. Hay mucho que se dice sobre la tecnología estadounidense. No eres solo tú contra Amazon, o tú contra Anthropic, o tú contra Google. Hay una gran cantidad de competencia. ¿Cómo reconstruye Estados Unidos la confianza? ¿Qué se hace para reconstruir la confianza y decir: «En realidad, las empresas estadounidenses serán su principal proveedor»? ¿Y cuál es su perspectiva sobre la competencia con las nuevas empresas chinas que están emergiendo, ya sean, por ejemplo, ByteDance y Alibaba o DeepSeek y Moonshot?
Y también, solo para añadir a la pregunta, una preocupación es: mira, estamos hablando de cómo la IA se está convirtiendo en una especie de carrera industrial de CapEx, donde tienes que construir rápidamente en todos los niveles de la cadena de suministro. Cuando escuchas eso, al menos hasta ahora, solo piensas en China, ¿verdad? Esto es su ventaja comparativa.
Cierto.
Y especialmente si no vamos a dar un salto cuántico a la IAG el próximo año, sino que serán décadas de desarrollo, de infraestructura y de todo lo demás. ¿Cómo se lidia con la competencia china? ¿Están ellos privilegiados en ese mundo?
Buen punto.
Sí, la verdad es que acabas de dar en el clavo de por qué considero que la confianza en la tecnología estadounidense es probablemente la característica más importante. Quizás ni siquiera se trate de la capacidad del modelo. Es más bien como decir: «¿Puedo realmente confiar en ti, como empresa? ¿Puedo confiar en ti, en tu país y en sus instituciones para que seas un proveedor a largo plazo?». Eso podría ser lo que realmente conquiste el mundo.
Es una buena forma de terminar. Satya, gracias por hacer esto.
Claro.
Muchísimas gracias. Se lo agradezco.
Gracias.
Es un placer. Un placer enorme. Es genial. ¡Hombre, ustedes dos son un equipazo!
Hola a todos. Espero de verdad que hayan disfrutado de este episodio. Si así fue, lo más valioso que pueden hacer es simplemente compartirlo con otras personas que consideren que también podrían disfrutarlo. También sería de gran ayuda si pudieran dejar una calificación o un comentario en la plataforma desde la cual nos estén escuchando. Si tienen interés en patrocinar este podcast, pueden ponerse en contacto con nosotros a través de dwarkesh.com/advertise. De no ser así, los espero en el próximo episodio.
Artículo publicado · Actualizado