Google invierte 25 años en IA mientras Apple busca alianzas

La carrera tecnológica por dominar la inteligencia artificial revela disparidades fundamentales entre los gigantes de Silicon Valley. Mientras algunas corporaciones construyeron durante décadas los cimientos necesarios para esta revolución tecnológica, otras enfrentan ahora el desafío de alcanzar un tren que partió hace años sin ellas como pasajeras principales.

La analogía con la construcción edilicia resulta particularmente ilustrativa para comprender el desarrollo de la inteligencia artificial. Durante períodos extensos, los terrenos destinados a grandes proyectos permanecen como excavaciones profundas donde aparentemente nada sucede. Posteriormente, la estructura metálica emerge velozmente, seguida por muros y cristales. La fase visible requiere considerablemente menos tiempo que los fundamentos subterráneos, pero sin estos últimos, ninguna edificación perdura.

En el ecosistema tecnológico actual, los elementos fundamentales para el desarrollo de inteligencia artificial requieren años, incluso décadas, de inversión y desarrollo. Numerosos componentes permanecen invisibles para usuarios finales, pero constituyen la infraestructura crítica sin la cual los productos simplemente no funcionan.

La empresa de Mountain View posee prácticamente todos estos elementos esenciales. Microsoft, Amazon y Meta también han desarrollado capacidades significativas. OpenAI trabaja frenéticamente para implementarlos, aunque enfrenta un recorrido considerable. La compañía de Cupertino, por contraste, carece de muchos de estos componentes fundamentales, lo que representa un desafío estratégico mayúsculo.

Esta carencia estructural quedó evidenciada cuando la fabricante del iPhone pospuso actualizaciones significativas para su asistente digital. La organización intentaba renovar radicalmente los fundamentos técnicos de Siri para adaptarla a la era generativa, pero el proyecto no alcanzó la madurez necesaria para su lanzamiento público.

Remediar estas deficiencias podría requerir desarrollos desde cero de componentes críticos. Alternativamente, la corporación californiana podría verse obligada a buscar colaboraciones con competidores directos o embarcarse en adquisiciones costosas para cerrar la brecha tecnológica.

Para comprender la magnitud del desafío, resulta ilustrativo examinar la infraestructura que Google desarrolló durante las últimas décadas. Flow, una herramienta generativa presentada recientemente que permite a creadores producir contenido audiovisual profesional, ejemplifica la complejidad de estos sistemas.

Este servicio se sustenta en múltiples capas tecnológicas. Veo, el modelo de generación audiovisual, alcanza ya su tercera iteración. Su existencia depende crucialmente del vasto repositorio de contenido de YouTube, plataforma que pertenece precisamente a Google. Imagen, el modelo de creación visual, evoluciona en su cuarta versión. Gemini representa la respuesta corporativa a ChatGPT.

La arquitectura Transformer, innovación que posibilitó la inteligencia artificial generativa moderna, surgió internamente alrededor de 2017. Las unidades de procesamiento Tensor, microchips especializados, representan otro avance significativo desarrollado internamente.

Sin embargo, la ventaja competitiva trasciende el hardware especializado. Durante décadas, la corporación ha categorizado sistemáticamente el contenido disponible en internet, acumulando volúmenes masivos de información mediante múltiples metodologías. Este acervo constituye material de entrenamiento invaluable para desarrollar modelos sofisticados.

Larry Page articuló esta visión en una entrevista publicada en 2000, cuando la mayoría todavía temía fallos informáticos por el cambio de milenio. El cofundador describió la inteligencia artificial como la versión definitiva de su motor de búsqueda, capaz de comprender exactamente las necesidades del usuario y proporcionar respuestas precisas.

Page reveló que su empresa operaba aproximadamente 6000 ordenadores almacenando cerca de 100 copias completas de internet. Consideraba el aprovechamiento de estos recursos como un ejercicio intelectual fascinante al que esperaba dedicarse extensamente.

Cuando la compañía debutó en bolsa en 2004, ya funcionaba como una organización centrada en inteligencia artificial, aunque el mercado la percibiera principalmente como proveedor de búsquedas web.

El año 2012 marcó un hito cuando investigadores lograron entrenar computadoras para reconocer y clasificar objetos visualmente. Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton desarrollaron AlexNet en Toronto, fundando DNNresearch. Google adquirió esta empresa en 2013, obteniendo toda su propiedad intelectual.

En 2014, la corporación compró DeepMind, laboratorio dirigido por Demis Hassabis y Mustafa Suleyman. Esta adquisición motivó parcialmente a Elon Musk para cofundar OpenAI como contrapeso. Actualmente, Hassabis lidera innovaciones cruciales en Google, mientras Suleyman dirige proyectos importantes en Microsoft.

Antes de la conferencia I/O 2016, la empresa invitó a periodistas para aprender sobre aprendizaje automático. Hinton y otros pioneros dedicaron horas explicando conceptos complejos, demostrando nuevamente el compromiso corporativo con esta tecnología.

Ese año también marcó la introducción de las TPU, chips propietarios que compiten con las GPU de Nvidia. Google utiliza estas unidades internamente y las comercializa mediante su servicio cloud. Desarrolló además TensorFlow, marco de trabajo para desarrolladores, aunque PyTorch de Meta ha ganado terreno recientemente.

Durante la conferencia I/O 2025, Sundar Pichai afirmó que su organización está especialmente preparada para el momento generativo actual. Esta declaración refleja un cuarto de siglo de trabajo iniciado con la visión original de Page. Hace casi una década, Pichai anunció la transición hacia un paradigma donde la inteligencia artificial ocuparía el primer lugar.

Estos componentes fundamentales requieren inversiones masivas. Google planea desembolsar 75000 millones de dólares este año, principalmente en centros de datos especializados. Para alimentar estas instalaciones, la corporación figura entre los mayores compradores corporativos de energía renovable y recientemente acordó desarrollar tres plantas nucleares.

La situación de Apple contrasta marcadamente. Carece de centros de datos masivos propios, utilizando frecuentemente instalaciones de Google. Cuando usuarios respaldan información en iCloud, estos datos se almacenan habitualmente en infraestructura del competidor.

Para entrenar modelos que impulsan Apple Intelligence, la compañía solicitó acceso adicional a las TPU de Google. Esta dependencia resulta notable considerando que Apple comenzó a desarrollar chips propios para centros de datos hace apenas dos años, aproximadamente siete años después que su competidor.

La empresa de Cupertino posee datos abundantes pero ha mostrado cautela en utilizarlos para desarrollo de inteligencia artificial, citando preocupaciones de privacidad. Ha intentado procesar IA directamente en dispositivos, pero estos proyectos requieren potencia computacional que solo proporcionan centros de datos masivos.

Apple también demoró en contratar talento especializado. Restricciones sobre publicaciones académicas dificultaron el reclutamiento, práctica estándar en el sector. Aunque contrató a John Giannandrea de Google en 2018, su impacto habría sido limitado por restricciones estructurales.

Ben Thompson, analista tecnológico autodeclarado admirador de Apple, expresó preocupación por esta situación. Propuso soluciones que parecen difíciles o poco atractivas para la corporación.

Thompson sugirió permitir reemplazar Siri por otros asistentes, evitando inversiones de 75000 millones anuales necesarias para competir. ChatGPT sería candidato ideal, pero OpenAI colabora con Jony Ive desarrollando dispositivos potencialmente competitivos con iPhone.

Una alianza con Google podría atraer escrutinio antimonopolio. Meta representa otra opción, aunque las tensiones entre Zuckerberg y Apple complican esta posibilidad. Anthropic constituye otra alternativa, aunque Amazon y Google poseen participaciones significativas.

Thompson indica que la oportunidad de reducir gastos de capital se desvanece, sugiriendo que Apple deberá considerar inversiones sustanciales. Esto podría traducirse en adquisiciones estratégicas, mencionando SSI de Sutskever como posibilidad, aunque sería costosa y la startup carece de productos comerciales.

El analista incluso propuso, aparentemente en tono irónico, la adquisición de xAI de Musk, concluyendo dramáticamente que Apple enfrenta desesperación.

Esta disparidad tecnológica ilustra cómo decisiones estratégicas tomadas hace décadas determinan capacidades actuales. Mientras algunos construyeron pacientemente infraestructura durante un cuarto de siglo, otros enfrentan ahora la urgencia de cerrar brechas que pueden resultar insalvables mediante desarrollo interno convencional.

La evolución futura del sector dependerá significativamente de cómo las corporaciones rezagadas naveguen este desafío. Las opciones incluyen inversiones masivas, alianzas estratégicas potencialmente incómodas, o adquisiciones costosas. Ninguna alternativa resulta particularmente atractiva, pero la inacción podría resultar aún más costosa en un mercado donde la inteligencia artificial define cada vez más la competitividad tecnológica.