Anthropic contrata a un ingeniero de chips de OpenAI mientras se intensifica la carrera po

Anthropic ha contratado a Clive Chan, uno de los ingenieros involucrados en el impulso de OpenAI por sus chips personalizados, un movimiento que subraya cómo la pelea en IA se está desplazando de los modelos por sí solos al hardware que los sustenta. El momento es incómodo para OpenAI y útil para Anthropic: ambas están sopesando ambiciones en el mercado público, ambas necesitan más capacidad de cómputo, y ambas saben que la factura real llega después de que termina la demostración del modelo.

El esfuerzo de Anthropic por desarrollar chips personalizados aún está en una fase temprana, pero la empresa ya se apoya en la infraestructura TPU de Google y en sistemas de Amazon, al tiempo que firma acuerdos a largo plazo con Google y Broadcom vinculados a decenas de miles de millones de dólares en inversión en infraestructura de IA en EE. UU. Por ahora, la contratación del ingeniero de chips de OpenAI por parte de Anthropic apunta a un impulso más amplio para controlar más de la pila de hardware.

El esfuerzo de Anthropic en chips personalizados todavía está en una fase temprana

Chan dijo públicamente que se sentía orgulloso de haber trabajado en el programa de procesadores internos de OpenAI y describió al equipo como excepcionalmente fuerte. También sugirió que los chips podrían convertirse en componentes importantes para futuros sistemas de AGI, que es precisamente el tipo de optimismo que suelen atraer los proyectos de chips antes de que lleguen las cuentas de la fabricación y enfríen el entusiasmo.

El propio esfuerzo de chips de Anthropic, según reportes, está en una etapa temprana, sin que aún exista un programa de ingeniería completo. Por ahora, la compañía se apoya en la infraestructura TPU de Google y en los sistemas de Amazon, a la vez que firma acuerdos a largo plazo con Google y Broadcom que incluyen decenas de miles de millones de dólares en inversión en infraestructura de IA en Estados Unidos.

Esa combinación dice mucho sobre el estado actual de la economía de la IA. La forma más rápida de reducir costos suele no ser un truco de modelo nuevo, sino tener un mejor control sobre la inferencia, la parte de la pila que ejecuta modelos entrenados a escala y que a menudo se convierte en la partida más grande. Los vínculos de OpenAI con Broadcom muestran la misma lógica: si no puedes gastar más que todos para siempre, empiezas a intentar controlar más la infraestructura subyacente.

Recomendado

Sam Altman se burla del anuncio de Anthropic mientras crece la reacción en su contra

Por qué los costos de inferencia empujan a las empresas hacia chips personalizados

• La inferencia es el costo continuo de servir modelos de IA ya entrenados.
• Los chips personalizados pueden reducir la dependencia de proveedores externos.
• Las ganancias de eficiencia afectan directamente los márgenes, especialmente a gran escala.

El perfil de Chan apunta a trabajo en «perplejidad por picojulio», una métrica deliciosamente nerd que vincula la calidad del modelo con el uso de energía. Eso podría significar optimización de software para aceleradores existentes, o un papel más profundo en el diseño de chips para los modelos de Anthropic. En cualquier caso, el mensaje es el mismo: en la IA, los vatios ahora importan casi tanto como los parámetros.

Del Autopilot de Tesla a la carrera por el hardware de IA

Antes de OpenAI, Chan trabajó en hardware en la división Autopilot de Tesla, donde la eficiencia y el silicio personalizado ya formaban parte del juego. Ese historial encaja perfectamente con la dirección de la industria. Las grandes empresas de IA se están convirtiendo en compañías de infraestructura, y las personas que pueden moverse entre el diseño de modelos, la ingeniería de sistemas y la arquitectura de chips son de repente las que todos quieren.

La siguiente pregunta es si Anthropic convierte esta contratación en una hoja de ruta real de silicio o simplemente la usa para afinar su pila existente. Si más empresas de IA deciden que necesitan sus propios chips, Broadcom, TSMC, Google, Amazon y Nvidia se verán arrastradas aún más profundo a la misma costosa carrera, y el mercado de talento para ingenieros de chips se volverá aún más competitivo.