Mapa de la industria MAD (ML, AI, Data) 2025

 (mattturck.com)
38 puntos por GN⁺ 2025-11-07 | 2 comentarios | Compartir por WhatsApp
  • Resumen del mapa de la industria MAD 2025: Bubble & Build en una sola imagen, junto con la explicación de 25 temas de este año
  • En 2025, el mercado de IA y datos está transitando de un enfoque centrado en chatbots hacia sistemas de agentes con herramientas, memoria y modelos de razonamiento, en medio de la coexistencia entre inversión sobrecalentada y despliegue real
  • A través de 25 tendencias clave, se ordenan los cambios en todas las áreas: burbuja, infraestructura, investigación, geopolítica, negocios, infraestructura y aplicaciones
  • Este mapa MAD refleja la concentración del mercado al reducir la cantidad de logos de más de 2,000 a alrededor de 1,150, y dar más peso a hyperscalers y líderes de categoría como NVIDIA, Databricks y OpenAI
  • Se agregaron nuevas secciones de agent stack y AI local (LLM on-device), y el área de código abierto se integró a toda la estructura para reorganizar el flujo como datos–infraestructura–IA–agentes–aplicaciones
  • En conjunto, se trata de una estructura de mercado donde la burbuja y la construcción real (Bubble & Build) avanzan al mismo tiempo, mientras energía, infraestructura distribuida y agentificación emergen como ejes principales

Panorama general y enfoque editorial

  • La edición 2025 de MAD Landscape es la undécima versión desde 2012, y presenta la mayor reorganización estructural hasta ahora
    • Se redujo la cantidad de logos de más de 2,000 a alrededor de 1,150 para mejorar la legibilidad, y se asignó más espacio a hyperscalers y líderes de categoría
    • Se eliminó la caja de código abierto y, en su lugar, se añadieron las secciones de agent stack y AI local
  • Como resultado, se forma una estructura por capas simple y clara que va de datos a infraestructura, ML/AI, agentes y aplicaciones
  • Disponible en PDF de alta resolución y en una versión interactiva con búsqueda - mad.firstmark.com

Macroeconomía y mercado

  • 1. Dinámicas de burbuja sin frenos
    – El mercado volvió a inflarse, pero no es 1999: hay abundancia de capital, valuaciones en la estratósfera y un “premium de IA” aplicado especialmente a agentes, frontier AI y empresas de rápido crecimiento
    • Como suele pasar en un cambio de paradigma, el gasto de capital y los costos operativos se adelantan, y para aterrizar hace falta que la demanda se materialice a gran escala; pero cambiar hábitos toma tiempo y la adopción es desigual
    • Muchos equipos trabajan con una intensidad de nivel 996 y aceleran la velocidad de entrega, pero aumenta el riesgo de burnout
    • La paradoja de 2025 es que tanto el hype como los fundamentales subieron, y en la historia la resaca puede llegar antes que la recompensa
    • Este año se siente una mezcla de tensión y aceleración
  • 2. Fragilidad: ciclicidad y concentración de clientes
    – Debajo de las grandes cifras de crecimiento, mucho capital fluye hacia unos pocos jugadores
    • Algunas operaciones parecen circulares: OpenAI firma grandes acuerdos de compra de GPU con NVIDIA mientras NVIDIA promete una gran inversión en OpenAI, y además cierra contratos de chips por miles de millones de dólares con AMD mientras OpenAI conserva una opción para comprar participación
    • Patrones similares se expanden por todo el stack, conectando el financiamiento del sector y los contratos de suministro en una red de interdependencia entre laboratorios de modelos, fabricantes de chips, nube y startups de IA, lo que genera preocupación por el “round-tripping”
    • La concentración de clientes reduce la resiliencia del ecosistema de IA frente a shocks: una parte considerable del gasto pasa por unos pocos hyperscalers y laboratorios frontier, y varios proveedores revelación dependen de un pequeño número de grandes clientes
  • 3. El panorama grande es difuso, pero la perspectiva de corto plazo es muy real
    – Hay opiniones divididas sobre si el progreso se está estancando o si se está perdiendo el próximo crecimiento exponencial; la ruta hacia AGI/ASI no está definida, su propia definición es ambigua y también se ha apagado el redoble de los fatalistas
    • Mientras tanto, el corto y mediano plazo son claramente concretos: ya llegó una avalancha de AI slop en video, texto y código, junto con preocupaciones más urgentes sobre el empleo
    • Cuánto, qué tan rápido y para quién cambiarán las cosas es la cuestión inmediata, mientras la reacción humana, política y social se queda atrás de la velocidad tecnológica
  • 4. Laboratorios vs. incumbentes: balances distintos, misma competencia
    – La pelea por dominar la IA es más feroz que nunca, y el terreno de juego es desigual
    • Big Tech cuenta con redes masivas de distribución, enormes líneas de productos y presupuestos que permiten empaquetar, esperar ciclos y desgastar al rival
    • Google recuperó claramente el impulso en 2025 con una serie de lanzamientos de IA que acapararon titulares; Meta amplió sus ambiciones con SuperIntelligence Lab. Ambos operan sobre núcleos de ingresos gigantescos y balances casi infinitos
    • Los laboratorios frontier independientes necesitan avances decisivos para justificar sus valuaciones
    • Nuevos nombres —SSI, Thinking Machines, Reflection— se sumaron al nivel más alto, mientras crece el entusiasmo por agentes y razonamiento, aunque los obstáculos de despliegue siguen presentes
    • OpenAI es el líder indiscutible y sigue levantando fondos de guerra; Anthropic tampoco se queda atrás, aunque queda la duda de cuánto tiempo podrá sostenerse este nivel de capital
    • De cualquier forma, el usuario sale ganando: los incumbentes ofrecen paquetes integrados y los laboratorios avanzan de forma deslumbrante
  • 5. IPO y empresas públicas: la ventana está abierta (selectivamente)
    – El debut de CoreWeave en marzo le dio al mercado justo lo que necesitaba: un IPO limpio de infraestructura para IA, que luego tuvo buen desempeño en bolsa
    • Palantir es el comparable polémico del momento, cotizando con múltiplos premium de EV/NTM (recientemente cerca de 80–90x), lo que probablemente envalentonará a quienes están en etapas tardías
    • Lo que sigue: Cohere dijo que podría salir a bolsa “pronto”, Dataiku ya seleccionó bancos, y Cerebras retiró su S-1 tras una nueva ronda de financiamiento
    • Los alrededor de 10 principales jugadores privados de IA casi no tienen incentivos para cotizar, dadas sus opciones de acceso a capital y flexibilidad estratégica;
      pero si Databricks (> $100B privada) y los laboratorios frontier (OpenAI, Anthropic) eventualmente salen a bolsa, se esperan IPO récord
  • 6. M&A: consolidación y guerra por el talento
    – Los grandes jugadores intentaron construir un stack completo de agentes, pero descubrieron que era más difícil de lo esperado y salieron de compras; aun así, incluso operaciones que acapararon titulares quedaron en pausa (Adobe–Synthesia, SoftBank–Agility)
    • Por eso, “comprar vs. construir” no es una decisión natural ni sencilla
    • Las que sí funcionaron fueron quirúrgicamente precisas: ServiceNow–Moveworks ($2.85B) en agentes empresariales; Salesforce–Informatica (aprox. $8B) para reforzar la capa de control de datos
    • La infraestructura de datos también se está fusionando internamente: dbt Labs y Fivetran (todo en acciones; ≈$600M ARR) unen recopilación y transformación bajo un mismo techo
    • La historia más ruidosa es la del talento y las acqui-hires: Meta ha sido especialmente agresiva
      – Tomó ~49% de Scale AI por ~$14–15B para sumar a Alexandr Wang a su impulso por la superinteligencia, luego fichó investigadores de OpenAI tras fijar referencias de compensación de nueve cifras, desencadenando un círculo vicioso de retención a cualquier costo
    • En conclusión, 2025 es el año de las adquisiciones de precisión, la compra de equipos y las estructuras creativas
      • Bajo el riesgo de integración y el escrutinio por posibles violaciones antimonopolio, las verdaderas megaoperaciones siguen siendo escasas

Investigación y frontera

  • 7. La frontera es razonamiento + RL
    – El mayor salto de este año no fue un transformer más grande, sino entrenar modelos para concentrar cómputo en el proceso de pensamiento
    • El aprendizaje por refuerzo para razonamiento popularizado por DeepSeek R1 y los modelos estilo "serie o" —asignar tokens al razonamiento— movió la aguja en matemáticas, código y planeación de múltiples pasos
    • El diseño de currículum, el diseño de recompensas y los bucles de retroalimentación por uso de herramientas se están volviendo más importantes que el tamaño bruto del modelo
    • RL no es una panacea —las malas recompensas siguen enseñando malos hábitos—, pero si escala correctamente ofrece efectos enormes sobre el preentrenamiento
    • El siguiente desafío es generalizar más allá del código y las matemáticas hacia tareas reales desordenadas donde lo "correcto" y lo "incorrecto" no siempre están claros;
      aquí importan señales más ricas, desde retroalimentación humana sobre resultados de negocio hasta nuevos benchmarks como GDPVal (puntuación de cadenas de tareas de extremo a extremo)
  • 8. ¿La IA se está desacelerando? Las opiniones contrarias nos mantienen honestos
    – Algunos investigadores de primer nivel —incluidos invitados del pódcast MAD (Sholto Douglas, Julian Schrittwieser, Jerry Tworek)— siguen diciendo que aún hay mucho fruto al alcance de la mano y que vienen años de avance usando el paradigma actual de preentrenamiento + RL
    • Otros piden cautela: Andrej Karpathy dice que "los agentes están a 10 años de distancia", la Bitter Lesson de Rich Sutton sostiene que los métodos generales + cómputo vencen al ajuste manual, y Yann LeCun impulsa los modelos del mundo y la predicción autosupervisada como otra ruta
    • Este debate es saludable: menos teatro de leaderboard, más moderación, red teaming y trabajo real
  • 9. Fronteras que avanzan rápido: IA que hace ciencia creativa; robótica
    – En los laboratorios estamos viendo ideas tipo "Move 37" —modelos que proponen hipótesis y rutas no intuitivas que los humanos no habrían intentado primero
    • AlphaFold 3 pasó a interacciones biomoleculares; GNoME sacó a la luz cerca de 2.2 millones de superficies cristalinas plausibles; Cell2Sentence-Scale 27B de Yale × Google señaló posibles rutas de tratamiento contra el cáncer a partir de datos de célula única
    • Más allá de la biología, la robótica se está acelerando:
      mientras los modelos fundacionales de robótica (políticas de visión-lenguaje-acción entrenadas en datasets agrupados a gran escala) mejoran la transferencia entre robots y tareas,
      los manipuladores móviles acumulan más tiempo en el mundo real y el equipo de laboratorio autónomo ajusta el ciclo diseñar–construir–probar
    • ¿Podrá la IA ofrecer avances de nivel Nobel o crear robots de campo que realicen trabajo útil de forma confiable?
      • Ambas cosas se sienten más cerca cada trimestre
  • 10. El open source (pesos abiertos) sigue resistiendo —tras un año difícil
    – El momento R1 de DeepSeek (y sus derivados de pesos abiertos) marcó el tono, pero Llama 4 no estuvo a la altura de las expectativas y Meta insinuó una postura más estricta sobre lanzamientos permisivos
    • Mistral tuvo altibajos y luego recuperó impulso; Qwen3 se convirtió silenciosamente en la plataforma principal "suficientemente buena" en muchos stacks
    • Del lado positivo, AI2 sigue entregando activos reales (OLMo/OLMo-2, datos de nivel Dolma), y el financiamiento de Reflection AI revivió la narrativa de un "DeepSeek estadounidense"
    • Las empresas siguen queriendo control y residencia; y los startups siguen queriendo margen
    • El futuro parece híbrido: enrutar a open source cuando se pueda y disparar hacia la frontera cuando sea necesario
    • Con los NPU aterrizando en todas partes, los modelos pequeños tendrán un papel importante;
      los stacks más sanos seguirán siendo múltiples —abiertos y cerrados, nube y dispositivo, grandes y pequeños— sin guerras religiosas ni dependencia de proveedores

Geopolítica (Geopolitics)

  • 11. China está armando un stack de IA paralelo
    – China está construyendo una ruta de extremo a extremo menos dependiente de NVIDIA y CUDA:
    Huawei Ascend 910B/910C bajo una capa de software en crecimiento (CANN, MindSpore),
    con sus propios modelos adaptados a datos y políticas locales (DeepSeek, Qwen3, Kimi, ERNIE, etc.) por encima
    • Tras el momento DeepSeek, fue un gran año para los modelos chinos, con Qwen y Kimi escalando en producción,
      no solo al nivel de "suficientemente bueno", sino competitivos en varios dominios
    • Los controles de exportación frenaron el avance, pero no lo detuvieron;
      la localización se está convirtiendo en una funcionalidad mientras ocurre un desacoplamiento tecnológico: compatible, cada vez más autosuficiente y, en algunas áreas, a la cabeza
  • 12. La IA soberana pasa del eslogan a las compras
    – "Construir modelos locales con cómputo local" ahora tiene hardware, presupuesto y compradores reales detrás
    • El Reino Unido encendió Isambard-AI y completó la conexión a la red
    • IndiaAI superó las 34,000 GPU y empezó a asignarlas con subsidios
    • Los países del Golfo siguen expandiendo sus "fábricas de IA" nacionales a través de G42 × Cerebras (Condor Galaxy)
    • Europa está cultivando campeones —Mistral ahora con el respaldo de ASML—, mientras OpenAI despliega residencia de datos en la UE/Reino Unido para cumplir con las demandas soberanas
  • 13. La energía se está convirtiendo en el nuevo cuello de botella del cómputo, y los Estados ya lo saben
    – No son las GPU, la electricidad es el nuevo cuello de botella
    • La ubicación de los centros de datos ahora sigue contratos de megawatts, derechos de agua e interconexión a la red
    • Los gobiernos están atrayendo fábricas de IA como antes atraían fundiciones
    • Hay que esperar PPA soberanos y coubicación con nuclear/renovables (conexión a la red de Isambard-AI en Reino Unido; piloto SMR de Google – TVA/Kairos; PPA de fusión Microsoft-Helion)
    • Los incentivos centrados en la energía moldearán dónde se entrenan los modelos y qué regiones ganan el despliegue de IA
    • Los controles de exportación siguen importando, pero los kilowatts ahora dictan los cronogramas

Negocio de IA

  • 14. La distribución le gana a la invención (una vez más)
    – Toda una generación de startups nativas de IA está creciendo más rápido que cualquier cosa que hayamos visto
    • Los productos se vuelven virales en redes sociales, los directorios siguen preocupándose por la IA y la curiosidad impulsa una ola de pruebas y experimentación
    • La pregunta que queda es la durabilidad: ¿es ARR real o ingresos experimentales que luego se evaporan?
    • Los incumbentes a menudo tienen ventaja de distribución: asistentes integrados en iOS/Android, Windows Copilot, Chrome, Salesforce Einstein y ServiceNow Now Assist
      —aunque no siempre
    • Las alianzas e integraciones pueden cambiar la curva:
      • Cursor profundiza su relación con VS Code;
      • Supabase se sube a la ola de Lovable;
      • ganadores más silenciosos se infiltran en IDE, CRM y documentos
    • Los productos encuentran éxito al estar presentes en el momento de creación (escritura, programación, envío de casos)
      • Lo integrado vence a lo "mejor" y puede escalar con el uso real
  • 15. Márgenes y precios: de ocupar terreno a aterrizar el avión
    – Los costos se disparan cuando sube el uso y los clientes quieren los modelos más nuevos e inteligentes
    • La dura realidad: si estás montado sobre el modelo frontier de otro, el crecimiento puede voltear tu margen bruto a negativo
      — las historias de Windsurf y Cognition son la advertencia
    • El capital de VC puede financiar la carrera por terreno, pero no cubre para siempre una mala economía unitaria
    • Las startups de IA se están adaptando: modelos más pequeños y baratos por defecto, capacidad de reserva para los picos y caché agresivo
    • El enfoque dominante se está convirtiendo en cobrar por resultados
      — por caso cerrado, por ticket resuelto, etc.
      — junto con opciones de throughput garantizado, para que los ingresos sigan los resultados reales
    • Los ganadores combinan disciplina de costos con precios que miden el valor real
  • 16. IA empresarial: construir va más lento que los demos (pero ya se está comercializando)
    – Los despliegues empresariales avanzan más lento que los demos llamativos de las redes sociales
    • Los compradores quieren gobernanza de agentes, citas, procedencia, manejo de PII, trazas de auditoría y conexión estrecha con sistemas empresariales antes de aplicar autonomía
    • Hay avances reales en la definición e implementación de casos de uso
      • atención al cliente con IA, programación con IA y chatbots internos son ganadores evidentes
      • muchas estrategias por industria o por empresa todavía requieren personalización, pipelines de datos y trabajo de políticas para emerger por completo
    • Ya pasamos la "fase Accenture" y ahora se ve el arco
      — de copilotos a agentes acotados y luego a automatización administrada
      — la demanda se está consolidando
    • Frente a esta demanda, los incumbentes tienen ventaja de distribución y lanzan "plataformas de agentes" dentro de CRM/ERP/ITSM (Salesforce, ServiceNow, Microsoft)
      • empaquetando guardrails, telemetría y aprobaciones en un solo lugar
    • En general, el mercado empresarial Global 2000 ya está entrando en serio en la compra y despliegue de IA, aunque todavía no está en plena ebullición

Infraestructura de IA

  • 17. NVIDIA domina, pero diversificar ya es una realidad
    – Los racks Blackwell GB200 siguen siendo el punto de referencia, pero los compradores ahora también suman Google TPU, AMD MI350 y, en ciertas huellas, Intel Gaudi 3
    • A medida que los diseños a escala de rack impulsan el TCO, se mezclan proveedores por precio/rendimiento y suministro, y se operan clústeres heterogéneos bajo planificadores más inteligentes, en lugar de una monocultura de un solo proveedor
  • 18. El ascenso de la IA local: dispositivo, edge cercano y nube privada
    – Las nuevas NPU en laptops y teléfonos están empujando trabajo real al dispositivo: rápido, multimodal y privado por defecto
    • Cuando la tarea es demasiado grande, se desborda hacia una "nube privada" cercana o gestionada por el proveedor (por ejemplo, Private Cloud Compute de Apple) en vez de a endpoints públicos genéricos
    • Herramientas como LM Studio y Ollama hacen que los modelos locales sean clic para ejecutar
    • Lo on-device se encarga de la UX rápida y del contexto personal; la nube maneja inferencia más pesada y memoria compartida
    • En fábricas, clínicas y automóviles, cajas de edge cercano protegen el ancho de banda, la privacidad y el tiempo de actividad
    • Los mejores productos transfieren sin fricción entre dispositivo, edge y nube
  • 19. El stack de agentes se convierte en una capa de infraestructura
    – Debajo de las aplicaciones hay un nuevo runtime: planificadores y llamadas a herramientas, salidas estructuradas y catálogos de funciones, memoria de corto y largo plazo (vector, grafo), ejecución de herramientas en sandbox, aprobaciones y orquestación con estado persistente
    • A su alrededor están evaluación orientada a tareas, políticas/guardrails, tracing y telemetría de costos, datasets/control de versiones y rollback
    • Lo que en 2024 parecía "pegamento de apps" ahora se parece más a una capa de plataforma con su propio SLA y línea de procurement
  • 20. Compliance, seguridad y red teams ahora son lo básico
    – La seguridad y el compliance no son una casilla por marcar, sino el precio de ejecutar IA en producción
    • Las guías actualizadas (por ejemplo, el LLM Top 10 de OWASP y los playbooks de prompt injection) fijan el estándar
      • mostrar de dónde vienen los datos, registrar prompts/herramientas/decisiones, aplicar políticas y demostrar resistencia a jailbreaks
    • Las empresas esperan evidencia, trazas de auditoría y procedimientos claros de "break-glass (apertura)" conectados a capas como la entrega del servicio y el almacenamiento
    • Si no puede evaluarse, rastrearse ni gobernarse, no es infraestructura

Infraestructura de datos

  • 21. El fin de una era, el inicio de la consolidación
    – El desagregado del "modern data stack" está llevando a consolidación:
    • dbt Labs y Fivetran se unen
    • plataformas como Databricks siguen cubriendo el waterfront (batch y streaming, vector y grafo, feature store, gobernanza) repartiendo por igual entre construir y comprar
    • El marco cambia de "warehouse vs. lakehouse" a object storage + tablas abiertas + catálogos neutrales como plano de control
    • Modelado, movimiento, features, datasets de evaluación, lineage y políticas se están fusionando con el serving de IA y los runtimes de agentes
    • En la práctica, la infraestructura de datos y la infraestructura de IA se están colapsando en un solo plano, y en esa grieta se fuga valor
  • 22. Pero los fundamentos de datos importan más que nunca
    – Tablas y catálogos sólidos, calidad y lineage, y motores de consulta de baja latencia se han convertido en prerrequisitos para agentes, búsqueda y CI centrado en evaluación, y ya no son algo secundario
    • la búsqueda aumentada con grafos y vectores pasó de los blog posts a ser un patrón
    • la observabilidad ahora se extiende a prompts, herramientas y costos
    • el compliance está en el mismo plano que el rendimiento
    • Este campo está cobrando nueva energía
      • el ascenso de ClickHouse en analítica en tiempo real (ahora también con vectores) muestra la demanda de velocidad a escala
      • los stacks locales y de edge todavía necesitan contratos claros para respaldar la memoria en la nube
    • Los datos no desaparecen; ascienden a la capa de control de la IA

Aplicaciones y agentes

  • 23. Los grandes laboratorios y las plataformas suben por el stack
    – Los laboratorios frontier y los incumbentes no se conforman simplemente con una API de modelo
    • OpenAI, Anthropic y Google/Gemini siguen lanzando productos en la capa de aplicaciones
      • asistentes de voz, apps de escritorio, planes para equipos, generadores de flujos de trabajo conectados a correo, documentos y CRM, etc.
    • Esto provoca riesgo de plataforma y competencia directa
      • Si el proveedor del modelo controla la superficie y el bundle, mañana puede entrar en tu territorio
    • OpenAI es quien ha llevado esto más lejos
      • reclutando expertos de dominio (por ejemplo, exbanqueros) para enseñar flujos de trabajo
      • añadiendo rails de comercio dentro de ChatGPT
        • lanzamiento de un navegador con prioridad para ChatGPT
          — Anthropic profundiza los flujos de equipo/proyecto y lanza Claude Code
    • Gemini refuerza sus superficies para consumidores y Workspace
    • Mientras tanto, los modelos absorben grandes bloques de la capa de "wrappers"
      • salidas estructuradas first-party, function calling, memoria, herramientas de navegación/código/visión/voz, automatización ligera e incluso comercio
    • Los usuarios ganan velocidad
      — pueden aprovechar funciones que ya funcionan bien
    • Para las startups, el ciclo de wrappers es delgado → grueso → vuelve a adelgazarse
      • las primeras UI crecieron hasta convertirse en productos reales (puentes de datos, flujos de trabajo, compliance), pero la plataforma arrastra muchas funciones hacia el core
  • 24. El vibe coding es el éxito de 2025
    – Los agentes de programación pasaron de ser una novedad a un hábito diario
    — leen repositorios, levantan sandboxes, planean cambios, abren PR, ejecutan pruebas y describen diffs
    — incluso las demos de "video coding" ahora muestran agentes manipulando la UI desde screencasts
    • La adopción es sorprendente:
      • Cursor y Claude Code son citados ampliamente como algunas de las herramientas para desarrolladores de crecimiento más rápido de la historia
      • y muestran una trayectoria hacia ARR de nueve cifras en cuestión de meses
    • El oficio pasó del autocompletado a la instrucción y la revisión, y el stack se expandió hacia flujos end-to-end con GitHub Copilot, Sourcegraph Cody, Codeium/Windsurf, Devin y otros
    • En producto, Vercel v0, Lovable y Replit convierten "Describe, then ship" en un loop de producción para equipos pequeños
    • La pregunta, especialmente en desarrolladores no profesionales, es si habrá retención; el comportamiento de las primeras cohortes muestra que estos hábitos pueden durar tanto como la búsqueda para programar
  • 25. La modalidad brilla
    – Imagen, video y voz entran en una nueva marcha: Veo3, Runway y Sora lideran la generación con calidad cinematográfica
    • ElevenLabs y Synthesia hacen cotidiano el trabajo con voz y avatares de alta calidad
    • los agentes de voz en tiempo real mantienen conversaciones fluidas y accionan herramientas
    • los modelos de visión ahora analizan UI, gráficos y fotos de campo sin plantillas frágiles
    • los editores de video pasan directamente del clip a escenas de storyboard con atribución de fuente
    • Mientras tanto, desde Genie 3 hasta el nuevo trabajo del grupo de Fei-Fei Li, los world models apuntan a percibir y actuar en entornos interactivos
      • esto difumina la frontera entre el software creativo y el software operativo
    • El criterio cambia de "¿puede poner subtítulos?" a "¿puede percibir, planear y actuar de forma confiable entre modos?"
    • 2026 será un gran año para la modalidad

Reflexiones finales

  • El panorama MAD 2025 es un mapa de un mercado que está haciendo dos cosas a la vez: burbujeando y construyéndose
  • Se redibujó con menos logos y más ponderación para reflejar la realidad
  • Los hyperscalers y los líderes pure-play se posicionan en el edge, los agentes y los planos de datos/control se encuentran en el medio, y no solo las GPU sino también la energía determinan la velocidad
  • Los storylines hacen eco a lo largo de todo el mapa
    • mientras los open weights mantienen su resiliencia, cada laboratorio se expande hacia apps
    • los datos y la infraestructura de IA se han fusionado
    • el despliegue enterprise está ocurriendo, aunque va detrás de las demos
    • los agentes de programación se han vuelto un hábito diario
  • Desde aquí, el horizonte se vuelve más amplio que un solo release:
    al ajustar distribución, márgenes, gobernanza y consumo eléctrico, la inteligencia se convierte en infraestructura,
    y la siguiente ola llevará a avances compuestos que harán progresar a toda la industria

Lecturas relacionadas

2 comentarios

 
ragingwind 2025-11-10

"Si se ajustan la distribución, los márgenes, la gobernanza y el consumo de energía, la inteligencia se convertirá en infraestructura, y la próxima ola llevará a una evolución compuesta que hará avanzar a toda la industria". No sabemos cuándo llegará, pero una vez que todo se ordene, por encima de eso circularán muchas cargas y pasajeros.