Meta pone la AGI en su hoja de ruta y prepara 350.000 H100

Mark Zuckerberg ha colocado la inteligencia artificial general, o AGI, en el centro de la estrategia de Meta. El consejero delegado anunció este jueves que la compañía trabaja para desarrollar sistemas de inteligencia capaces de abordar una gran variedad de tareas y que pretende compartir esa tecnología de forma responsable.

El plan viene acompañado de una inversión de infraestructura poco habitual incluso entre las grandes tecnológicas: Meta espera disponer a finales de 2024 de unas 350.000 GPU H100 de Nvidia. Al sumar otros tipos de procesadores, calcula que su capacidad equivaldrá a unas 600.000 H100, según anunció Zuckerberg.

Qué significa que Meta persiga la AGI

La inteligencia artificial general es una meta todavía sin una definición técnica única. Se usa para describir una IA que no esté limitada a una función concreta —como traducir, recomendar vídeos o generar imágenes—, sino que pueda aprender y resolver problemas en campos muy distintos.

Los modelos actuales ya muestran capacidades amplias: pueden redactar, programar, analizar imágenes o responder preguntas. Pero siguen fallando en razonamiento complejo, comprensión del contexto y fiabilidad. Hablar de AGI no significa que Meta haya llegado a ese punto; significa que ha decidido orientar sus recursos de investigación y producto hacia ese horizonte.

Zuckerberg relacionó esa ambición con servicios más cercanos: asistentes de IA, herramientas para creadores y funciones para empresas. Es un detalle importante. Meta no plantea la AGI únicamente como un proyecto de laboratorio, sino como la base tecnológica para reforzar productos que ya distribuye a miles de millones de personas, desde WhatsApp e Instagram hasta Facebook.

Por qué importan tanto las H100

Las H100 son unidades de procesamiento gráfico, o GPU, fabricadas por Nvidia. Aunque nacieron para acelerar gráficos, se han convertido en la pieza más demandada para entrenar grandes modelos de IA: permiten realizar en paralelo enormes cantidades de cálculos con los que el sistema ajusta sus parámetros a partir de datos.

Tener 350.000 de estos chips no garantiza por sí solo mejores modelos. También hacen falta datos de calidad, investigadores, software y métodos de entrenamiento eficaces. Pero sí da una idea de la escala a la que Meta quiere competir. Entrenar modelos avanzados exige centros de datos, redes capaces de conectar miles de procesadores y mucha energía; la infraestructura se ha convertido en una ventaja tan decisiva como el propio algoritmo.

La cifra de 600.000 H100 equivalentes incluye, previsiblemente, otros aceleradores que Meta ya utiliza y cuya potencia se expresa en una unidad común. Por eso no debe leerse como un pedido literal de 600.000 chips H100, sino como una medida de capacidad de cómputo total.

Una carrera en la que Meta quiere conservar la apertura

Meta llega a esta fase con Llama 2, su familia de modelos de lenguaje lanzada en 2023 y distribuida con una licencia que permite usos comerciales bajo ciertas condiciones. Frente a los modelos cerrados de compañías como OpenAI o Google, esa estrategia ha facilitado que investigadores y empresas puedan ejecutar y adaptar modelos de Meta en sus propios sistemas.

Zuckerberg sostuvo que Meta buscará hacer accesible la AGI de forma responsable. La formulación combina dos objetivos que no siempre encajan con facilidad. Abrir modelos permite que más desarrolladores los estudien, adapten y mejoren, pero también amplía el número de actores capaces de emplearlos. La compañía tendrá que concretar qué partes de sus futuros sistemas publica, con qué licencias y qué límites aplica a los modelos más capaces.

La infraestructura anunciada también prepara el terreno para la próxima generación de Llama, que Meta había anticipado para este año. El salto relevante no será únicamente aumentar el tamaño de un modelo: deberá traducirse en asistentes más útiles, respuestas más fiables y herramientas que puedan integrarse en los productos cotidianos de la empresa.

El coste de competir cambia de escala

El anuncio confirma que la carrera por la IA avanzada se está librando en dos frentes. Uno es científico: diseñar modelos que razonen mejor y cometan menos errores. El otro es industrial: conseguir chips, construir centros de datos y operarlos de manera eficiente.

Para los usuarios, la consecuencia más inmediata será la llegada de más funciones de IA a las aplicaciones de Meta. Para las empresas que desarrollan sobre sus modelos, la promesa es disponer de una plataforma con mayor capacidad. Y para el sector, la decisión refuerza una realidad: los proyectos de frontera ya no dependen solo de una buena idea de investigación, sino de recursos informáticos a una escala gigantesca.