Entiende en un artículo las ocho principales empresas de IA en China y EE. UU., y a los fundadores detrás de los modelos

Compilado por: PANews

No hay una única respuesta correcta para emprender en IA; científicos académicos, equipos de industrialización académica, ingenieros cuantitativos, empresarios de diversas industrias y organizadores operativos pueden encontrar su lugar en esta competencia.

En la última década, la inteligencia artificial ha pasado de ser una investigación de vanguardia en laboratorios a convertirse en una fuerza central que determina el panorama de la industria tecnológica. Hoy, las empresas de IA más destacadas a nivel mundial incluyen OpenAI, Google DeepMind, Anthropic, xAI, así como DeepSeek, Dark Side of the Moon, Zhizhu AI y MiniMax.

Aunque todas parecen estar desarrollando grandes modelos, representan caminos empresariales completamente diferentes: algunos provienen de artículos de investigación de primer nivel y estudios académicos, otros llevan los logros de la investigación universitaria a la industria, algunos acumulan poder de cálculo y capital en finanzas cuantitativas, y otros son expertos en financiamiento, productos, operaciones y organización, consolidando equipos técnicos en empresas de clase mundial.

🇨🇳 China: De artículos de investigación y laboratorios académicos a ingeniería cuantitativa

Dark Side of the Moon: Transformando un artículo que cambió la industria en un producto accesible para todos

Dark Side of the Moon se fundó en 2023, y su producto Kimi es uno de los más reconocibles en la aplicación de grandes modelos en China, destacando el modelo Kimi K3 que se enfoca en multimodalidad, contexto largo, programación y razonamiento profundo.

El fundador Yang Zhilin, nacido en 1992 en Shantou, Guangdong, se graduó de la Universidad Tsinghua y luego obtuvo un doctorado en informática en la Universidad Carnegie Mellon, bajo la tutela de investigadores en procesamiento de lenguaje natural. Durante su doctorado, participó en trabajos ampliamente citados como Transformer-XL y XLNet, y posteriormente trabajó en Google Brain y Meta en investigación de IA.

Entre los emprendedores en China, Yang Zhilin ha seguido el camino más típico: primero demostrar su juicio en el ámbito académico y luego convertir ese juicio en un producto que cualquier persona pueda usar directamente. En comparación con Zhizhu, que se enfoca más en servicios empresariales, Dark Side of the Moon apuntó desde el principio al consumidor final.

Zhizhu AI: Un ejemplo de industrialización que surge de un laboratorio de Tsinghua

Zhizhu AI se fundó en 2019, originándose del sistema del laboratorio de ingeniería del conocimiento de la Universidad Tsinghua, y su ruta técnica principal es la serie GLM, con un enfoque a largo plazo en modelos básicos, servicios empresariales y plataformas de modelos.

El cofundador y CEO Zhang Peng ha estudiado en Tsinghua para su licenciatura, maestría y doctorado, y durante 15 años se ha dedicado a la construcción del laboratorio de ingeniería del conocimiento y la plataforma académica AMiner, sin experiencia previa en grandes empresas de internet.

Lo especial de Zhizhu AI es su punto de partida: no comenzó desde cero con un producto exitoso, sino que transformó el conocimiento y la red académica acumulados durante más de una década en un laboratorio universitario en una plataforma de modelos básicos que puede ofrecer servicios al exterior. Esta es la mayor diferencia con Dark Side of the Moon: uno primero construyó una plataforma, mientras que el otro se centró en un producto.

DeepSeek: Invirtiendo las ganancias del trading cuantitativo en grandes modelos

DeepSeek se fundó en 2023, enfocándose en modelos básicos, eficiencia de entrenamiento y pesos abiertos, con modelos representativos como DeepSeek-V3, R1 y la serie V4 posterior.

El fundador Liang Wenfeng, nacido en 1985 en Wuchuan, Guangdong, estudió ingeniería de información electrónica en la Universidad de Zhejiang y luego obtuvo una maestría en ingeniería de información y comunicación, con un enfoque en visión por computadora. No tiene experiencia en grandes empresas como Huawei, Tencent o Baidu, sino que se sumergió en el trading cuantitativo de aprendizaje automático durante su maestría y luego cofundó Huansheng Quant.

La trayectoria de Liang Wenfeng es la más singular entre estas empresas: no comenzó como investigador y luego buscó financiamiento, sino que primero acumuló capital y poder de cálculo a través de inversiones cuantitativas, y luego utilizó esos recursos para el desarrollo de grandes modelos. DeepSeek es, en cierto sentido, el producto de "poder de cálculo ganado en finanzas alimentando a la IA".

MiniMax: De ejecutivo técnico en grandes empresas a emprendedor multimodal

MiniMax se fundó en 2022 y es una empresa de modelos básicos multimodales que cubre texto, voz, imagen y video, con productos como Hai Luo AI y Xing Ye.

El fundador Yan Junjie, tiene una licenciatura en matemáticas de la Universidad del Sudeste y un doctorado en inteligencia artificial del Instituto de Automatización de la Academia China de Ciencias, y realizó investigación postdoctoral en la Universidad Tsinghua. Antes de emprender, trabajó más de seis años en SenseTime, donde se convirtió en vicepresidente y subdirector del instituto de investigación.

Yan Junjie combina dos tipos de experiencia: una sólida formación académica y experiencia práctica en la gestión de productos y equipos en un equipo de IA a gran escala como SenseTime. MiniMax eligió seguir el camino más difícil de la multimodalidad, en cierta medida, como una elección natural resultante de la combinación de estas dos experiencias.

🇺🇸 Estados Unidos: De la investigación básica, la gobernanza de la seguridad a la integración de recursos interindustriales

Anthropic: Un par de hermanos, mitad físicos, mitad gobernantes

Anthropic se fundó en 2021 por un grupo de investigadores que abandonaron OpenAI, con la idea central de que "la seguridad de la IA debe avanzar en paralelo con el desarrollo de capacidades", y su producto representativo es la serie Claude.

El cofundador y CEO Dario Amodei estudió física en la Universidad de Stanford y luego se trasladó a la Universidad de Princeton para su doctorado en biofísica. Este trasfondo interdisciplinario se ha reflejado en su trayectoria de investigación: primero se unió a Google Brain como científico investigador senior, luego se trasladó a OpenAI como vicepresidente de investigación, participando en el entrenamiento de GPT-2 y GPT-3, y fue uno de los participantes clave en la investigación temprana de RLHF (aprendizaje por refuerzo basado en retroalimentación humana). En 2021, dejó OpenAI junto con su hermana Daniela y varios colegas para fundar Anthropic.

La trayectoria de Daniela es completamente diferente. Estudió literatura inglesa y, tras graduarse, no ingresó directamente a la industria tecnológica, sino que trabajó en operaciones en Stripe y OpenAI. En Anthropic, su papel no es entrenar modelos, sino construir el sistema subyacente que permite que la empresa funcione de manera segura y estable, desde la contratación y la gobernanza de la empresa hasta la implementación de políticas de seguridad.

Esta combinación de hermanos refleja, en cierta medida, la esencia de Anthropic: se necesita un investigador como Dario, capaz de juzgar la ruta técnica y entender los límites de las capacidades del modelo, así como a alguien como Daniela, que comprenda la organización, los procesos y la gestión de riesgos.

OpenAI: Un narrador y un experto en tecnología

OpenAI se fundó en 2015 y lanzó productos emblemáticos como ChatGPT, GPT y Sora, siendo la empresa central que llevó la IA generativa a la vista del público.

Sam Altman abandonó la Universidad de Stanford después de dos años de estudiar ciencias de la computación, fundó la empresa de redes sociales Loopt y luego se convirtió en presidente de Y Combinator. Su fortaleza nunca ha sido publicar artículos de primer nivel, sino en financiamiento, juicio de productos, movilización organizativa y contar una buena narrativa técnica.

Ilya Sutskever, por otro lado, representa otro tipo de perfil. Tiene un doctorado en matemáticas y computación de la Universidad de Toronto, bajo la tutela del pionero en aprendizaje profundo Geoffrey Hinton, y participó en Google Brain en logros importantes como AlexNet y Seq2Seq, además de liderar la ruta de entrenamiento a gran escala de OpenAI en sus inicios.

Si Ilya determina qué tipo de modelos puede crear OpenAI, Sam decide si la empresa puede sobrevivir, obtener financiamiento, vender tecnología. La combinación de ambos es casi la práctica más exitosa de la ruta "científico + organizador" en Silicon Valley.

xAI: Elon Musk lleva su experiencia en automóviles y cohetes a la IA

xAI se fundó en 2023, con el producto representativo Grok, que enfatiza información en tiempo real, razonamiento y medios generativos, y está profundamente vinculado a la plataforma X.

El fundador Elon Musk nació en Pretoria, Sudáfrica, estudió física y economía en la universidad, y también ingresó brevemente a un programa de posgrado en Stanford antes de abandonar. A diferencia de otros fundadores de IA, no tiene experiencia en grandes empresas, sino que ha participado en la creación de Zip2, PayPal, SpaceX, Neuralink, y ha dirigido Tesla durante mucho tiempo.

Musk no entró en la IA desde artículos o laboratorios, sino que integró recursos acumulados de pagos, vehículos eléctricos, aeroespacial, comunicaciones satelitales y plataformas sociales, dirigiéndolos directamente hacia el poder de cálculo y los datos necesarios para el entrenamiento de grandes modelos.

Google DeepMind: Un genio del ajedrez que ha recorrido un camino de juegos a proteínas

Google DeepMind se fundó en 2010 y fue adquirida por Google en 2014, siendo hoy la institución central de investigación de IA de Google, lanzando AlphaGo, AlphaFold y Gemini.

El cofundador y CEO Demis Hassabis nació en Londres, Reino Unido, y tiene un título de primera clase en ciencias de la computación de la Universidad de Cambridge y un doctorado en neurociencia cognitiva de University College London. Desde joven fue un experto en ajedrez, participando a los 17 años en el desarrollo del juego "Theme Park", y luego fundó su propia empresa de juegos, Elixir Studios.

Los juegos le enseñaron a entender sistemas complejos y la toma de decisiones, la neurociencia le proporcionó una perspectiva biológica para entender la "inteligencia" y la informática le dio la capacidad de llevar esas ideas a la práctica. El éxito de AlphaGo y AlphaFold es casi el resultado de la superposición de estas tres experiencias, y el segundo le valió el Premio Nobel de Química en 2024.

Cuatro rutas de fundadores: No existe un único modelo para emprender en IA

Al observar estas ocho empresas, se pueden clasificar los antecedentes de los fundadores en cuatro categorías.

La primera categoría: fundadores puramente técnicos. Yang Zhilin, Yan Junjie, Dario Amodei, Ilya Sutskever y Demis Hassabis tienen una formación de investigación sistemática, y su punto en común es la capacidad de juzgar rutas técnicas, liderar equipos de investigación y formar barreras reales en capacidades o métodos de entrenamiento de modelos. Yang Zhilin e Ilya están más cerca de "escribir primero un artículo que cambie la industria y luego emprender"; Hassabis es un producto de la intersección entre computación, juegos y neurociencia.

La segunda categoría: industrialización de logros de investigación universitaria. Zhizhu AI es el ejemplo más típico, con capacidades centrales que provienen de años de acumulación en el laboratorio de ingeniería del conocimiento de Tsinghua. Dark Side of the Moon también tiene un fuerte componente de investigación de Tsinghua y en el extranjero, pero su camino es más comercial: no se detuvo en empaquetar logros académicos como servicios empresariales, sino que directamente creó un producto para el público.

La tercera categoría: combinación de matemáticas, ingeniería y capital. Liang Wenfeng y Musk pertenecen a esta categoría, pero sus fuentes de recursos son completamente diferentes: Liang Wenfeng acumuló capital y poder de cálculo a través de inversiones cuantitativas, mientras que Musk movilizó recursos a través de negocios interindustriales como pagos, automóviles, aeroespacial y plataformas sociales. Su punto en común es que su entrada en la IA nunca depende únicamente de los algoritmos.

La cuarta categoría: organizadores no técnicos que colaboran con fundadores técnicos. Sam Altman y Daniela Amodei son representantes de esta ruta. No necesariamente son los mejores investigadores de modelos, pero deciden si la empresa puede contratar personal, obtener financiamiento, construir productos, soportar la presión regulatoria y no desmoronarse durante una rápida expansión.

La competencia en la IA de vanguardia nunca se trata solo de "quién tiene un doctorado en informática", ni de "quién puede entrenar un modelo más grande".

Lo que realmente determina si una empresa puede mantenerse a la vanguardia es si la investigación, la ingeniería, el producto, el capital y la capacidad organizativa pueden formar un ciclo cerrado: los científicos determinan el límite técnico, el equipo de ingeniería decide si el modelo puede implementarse, el equipo de producto decide si los usuarios están dispuestos a usarlo, el capital determina la inversión en poder de cálculo y talento, y la organización y la gobernanza deciden si la empresa puede operar a largo plazo.

Desde esta perspectiva, no hay una única respuesta correcta para emprender en IA.

Científicos de artículos, equipos de industrialización académica, ingenieros cuantitativos, empresarios interindustriales y organizadores operativos pueden encontrar su lugar en esta competencia.

Quien pueda integrar diferentes habilidades en un sistema, es quien tiene más probabilidades de convertirse en el ganador a largo plazo en la próxima ola de inteligencia artificial.

Descargo de responsabilidad: Este contenido se proporciona únicamente con fines generales de desarrollo de marca e informativos y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, evento en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación para comprar, vender, tradear o negociar de cualquier otra forma con cualquier criptoactivo o para utilizar cualquier servicio. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. Es posible que los servicios de WEEX y los eventos en línea no estén disponibles en todas las regiones, así como que estén sujetos a las leyes, regulaciones y requisitos de elegibilidad vigentes. Usted es responsable de asegurarse de que su uso de los servicios de WEEX cumpla con las leyes locales y de evaluar cuidadosamente los riesgos antes de participar en cualquier actividad relacionada con las criptomonedas.