Fundador de a16z: En la era de Agent, las cosas realmente importantes han cambiado

Título original del video: Marc Andreessen reflexiona sobre la muerte del navegador, Pi + OpenClaw, y por qué「Esta vez es diferente」

Fuente original del video: a16z, Latent Space

Compilación del texto original: FuturePulse

Fuente de señal:

Esta es la última entrevista del fundador de a16z, Marc Andreessen, en el podcast Latent Space.

Es un famoso empresario de internet en Estados Unidos, uno de los personajes clave en los primeros desarrollos de internet; también, tras fundar a16z, se convirtió en uno de los principales inversores de Silicon Valley.

Toda la conversación gira en torno a la historia del desarrollo de la IA y las tendencias más recientes, muy recomendable de leer.

Uno, esta ronda de IA no surgió de la nada, sino que es la primera vez en 80 años de carrera tecnológica que「empieza a trabajar en serio」

· Esta ronda de IA no surgió de la nada, sino que es la primera vez en 80 años de carrera tecnológica que

· Marc Andreessen directamente llama a la situación actual como «éxito repentino de 80 años», lo que significa que el estallido repentino en la percepción pública en realidad es la acumulación de décadas de reserva tecnológica que se libera de golpe.

· Él remonta esta línea tecnológica hasta los primeros estudios sobre redes neuronales, y enfatiza que en la industria ya se acepta la conclusión de que «las redes neuronales son la arquitectura correcta».

· En su relato, los hitos clave no son momentos únicos, sino una serie de acumulaciones: AlexNet, Transformer, ChatGPT, modelos de razonamiento, hasta agentes y auto-mejoramiento.

· Enfatiza especialmente que esta vez no solo se ha fortalecido la generación de texto, sino que aparecen simultáneamente cuatro funciones: LLMs, razonamiento, codificación, y agentes / auto-mejoramiento recursivo.

· La razón por la que piensa que «esta vez es diferente» no es porque la narrativa sea más atractiva, sino porque estas capacidades ya empiezan a funcionar en tareas reales.

Dos, la arquitectura de agentes representada por Pi y OpenClaw es una transformación en la estructura de software más profunda que los chatbots

· Describe a los agentes de manera concreta: esencialmente son «LLM + shell + sistema de archivos + markdown + cron/bucle». En esta estructura, el LLM es el núcleo de razonamiento y generación, el shell proporciona el entorno de ejecución, el sistema de archivos guarda el estado, markdown hace que el estado sea legible, y cron/bucle proporciona activaciones periódicas y avance de tareas.

· Considera que la importancia de esta combinación radica en que, además de que el modelo en sí es nuevo, los otros componentes ya están maduros, son comprensibles y reutilizables en el mundo del software.

· El estado del agente se guarda en archivos, por lo que puede migrar entre modelos y entornos de ejecución; el modelo subyacente puede ser reemplazado, pero la memoria y el estado permanecen.

· Reitera la importancia de la introspección: el agente sabe sus propios archivos, puede leer su estado, e incluso modificar sus archivos y funciones, avanzando hacia «autoextensión».

· En su opinión, el verdadero avance no es solo que «el modelo responde», sino que el agente puede aprovechar la cadena de herramientas Unix existentes, integrando todo el potencial de la computadora.

Tres, el era del navegador, las interfaces gráficas tradicionales y las «software de mano» será reemplazada gradualmente por interacciones centradas en agentes

· Marc Andreessen afirmó claramente que en el futuro «puede que ya no necesites interfaz de usuario».

· Además, señaló que los principales usuarios del software en el futuro podrían no ser humanos, sino «otros bots».

· Esto implica que muchas interfaces diseñadas hoy para que los humanos hagan clic, naveguen y llenen formularios, se convertirán en capas de ejecución llamadas por los agentes.

· En este mundo, las personas serán más quienes planteen objetivos: decirle al sistema qué quieren, y que el agente llame a los servicios, opere el software y complete los procesos.

· Vincula este cambio con un futuro más amplio del software: el software de alta calidad será cada vez más «abundante», dejando de ser un recurso escaso creado manualmente por unos pocos ingenieros.

· También predice que la importancia de los lenguajes de programación disminuirá; los modelos podrán programar en múltiples lenguajes, traducirse entre ellos, y en el futuro, lo que más importará será explicar por qué la IA organiza el código de cierta manera, en lugar de aferrarse a un lenguaje específico.

· Incluso menciona una dirección más radical: conceptualmente, la IA no solo puede generar código, sino también producir directamente código binario o pesos del modelo (model weights).

Cuatro, este ciclo de inversión en IA se asemeja a la burbuja de internet de 2000, pero la estructura subyacente de oferta y demanda no es la misma

· Recuerda que en 2000, el colapso no fue tanto por «internet no funcionaba», sino por una sobreconstrucción de infraestructura de telecomunicaciones y ancho de banda, con fibra óptica y centros de datos construidos en exceso, que luego requirieron largos periodos de digestión.

· Considera que hoy también se perciben riesgos de «sobreconstrucción», pero los principales actores de inversión son empresas con mucho efectivo como Microsoft, Amazon y Google, en lugar de jugadores altamente apalancados y vulnerables.

· Destaca que, actualmente, una inversión que pueda hacer funcionar una GPU generalmente se traduce rápidamente en ingresos, a diferencia de la gran capacidad ociosa en 2000.

· Además, enfatiza que lo que estamos usando ahora es en realidad una versión «sandbagged» de la tecnología: debido a la insuficiencia de GPU, memoria y centros de datos, el potencial de los modelos no se ha liberado completamente.

· En su opinión, en los próximos años las verdaderas limitaciones no serán solo las GPU, sino también los cuellos de botella en CPU, memoria, red y toda la interacción del ecosistema de chips.

· Compara las leyes de escalado de IA con la Ley de Moore, y cree que no solo describen patrones, sino que también continúan impulsando la colaboración entre capital, ingeniería e industria.

· Menciona un fenómeno muy inusual pero importante: a medida que la optimización del software se acelera, algunas generaciones antiguas de chips pueden incluso volverse más valiosas económicamente que cuando se compraron.

Cinco, el código abierto, la inferencia en el borde y la ejecución local no son detalles menores, sino parte del panorama competitivo de la IA

· Andreessen considera que el código abierto es muy importante, no solo por ser gratuito, sino porque «enseña al mundo cómo se hace».

· Describe a lanzamientos de código abierto como DeepSeek como un «regalo para el mundo», ya que el código y los artículos difunden rápidamente conocimientos y elevan el nivel de toda la industria.

· En su relato, el código abierto no es solo una elección técnica, sino también una estrategia geopolítica y de mercado: diferentes países y empresas adoptarán distintas políticas de apertura según sus restricciones comerciales y objetivos de influencia.

· También enfatiza la importancia de la inferencia en el borde («Edge inference»): en los próximos años, los costos de razonamiento centralizado pueden no ser lo suficientemente bajos, y muchas aplicaciones de consumo no podrán soportar los altos costos de inferencia en la nube a largo plazo.

· Menciona un patrón recurrente: modelos que hoy parecen imposibles de correr en PC, en unos meses suelen poder ejecutarse localmente.

· Además del costo, otros factores que impulsan la ejecución local son la confianza, la privacidad, la latencia y los escenarios de uso: dispositivos portátiles, cerraduras inteligentes, dispositivos personales, que son más adecuados para inferencia de baja latencia y en el lugar.

· Su juicio es muy directo: casi todo lo que tenga un chip en el futuro probablemente tendrá un modelo de IA integrado.

Seis, el verdadero desafío de la IA no solo está en la capacidad del modelo, sino en la seguridad, la identidad, el flujo de dinero, la organización y las resistencias institucionales

· En seguridad, su juicio es muy agudo: casi todos los posibles bugs de seguridad serán más fáciles de detectar, y en el corto plazo puede haber una «gran catástrofe de seguridad informática».

· Pero también cree que los agentes programables podrán escalar la capacidad de parchear vulnerabilidades; en el futuro, la «protección del software» podría consistir en que los bots escaneen y reparen las fallas.

· En cuanto a la identidad, considera que «pruebas de bot» no son viables, ya que los bots serán cada vez más fuertes; la vía más factible será «pruebas de humano», combinando reconocimiento biométrico, criptografía y divulgación selectiva.

· También menciona un problema a menudo pasado por alto: si los agentes realmente van a actuar en el mundo real, eventualmente necesitarán dinero, capacidades de pago, e incluso algún tipo de infraestructura bancaria, tarjetas o monedas estables. En el nivel organizacional, usa el marco del capitalismo gerencial para argumentar que la IA podría reforzar las empresas lideradas por fundadores, ya que los bots son muy buenos en reportes, coordinación, tareas administrativas y gestión en masa.

· Pero no cree que la sociedad acepte rápidamente la IA: cita ejemplos como licencias profesionales, sindicatos, huelgas de trabajadores portuarios, departamentos gubernamentales, educación K-12 y salud, que muestran que hay muchos frenos institucionales en el mundo real.

· Su conclusión es que tanto los utópicos de la IA como los apocalípticos tienden a pasar por alto un punto: que la tecnología, una vez posible, no significa que los 8 mil millones de personas cambien de inmediato.

Enlace al video original

Haz clic para conocer las oportunidades laborales en BlockBeats

Únete a la comunidad oficial de BlockBeats:

Canal de Telegram: https://t.me/theblockbeats

Grupo de Telegram: https://t.me/BlockBeats_App

Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia