Utilice este título Quién es la “madrina de la IA”, la científica por la que AMD pagó 8.200 millones de dólares para enfrentar a Nvidia y cree en base a ese titulo original un titulo nuevo, preciso, comprensible y que no pierda relacion con el titulo original. Necesito que me devuelvas solo y nada mas que el titulo nuevo.
Tu tarea es utilizar
Ocho mil doscientos millones de dólares por una empresa de inteligencia artificial que todavía está construyendo la tecnología con la que pretende cambiar la manera en que las máquinas entienden el mundo. La cifra detrás de la última apuesta de AMD es astronómica, pero quizás lo más importante no sea lo que compró, sino a quién decidió incorporar.
Al frente de la joven startup World Labs está Fei-Fei Li, una científica de 50 años conocida como la “madrina de la inteligencia artificial” por el papel que tuvo en uno de los avances que ayudaron a transformar esta tecnología mucho antes de la aparición de ChatGPT o Gemini.
Su incorporación ocurre en medio de una batalla para determinar quién controla la infraestructura sobre la que funcionará la próxima generación de inteligencia artificial. Nvidia consiguió una ventaja enorme al convertir sus procesadores gráficos y su ecosistema de software en la plataforma elegida para entrenar los modelos más avanzados.
AMD, su histórico rival en chips, intenta reducir esa distancia mientras el negocio mueve inversiones de miles de millones de dólares y empieza a extenderse desde los centros de datos hacia robots y máquinas capaces de interactuar con el mundo físico.
Quién es Fei-Fei Li, la científica que ayudó a las máquinas a “ver”
Mucho antes de la irrupción de los chatbots que responden como humanos y de la actual explosión de la inteligencia artificial generativa, uno de los grandes problemas de la computación era conseguir que una máquina pudiera comprender qué estaba observando. Fei-Fei Li tuvo un papel central en ese proceso.
Nacida en China y radicada desde adolescente en Estados Unidos, construyó buena parte de su carrera académica alrededor de la visión por computadora, la disciplina que intenta conseguir que las máquinas interpreten imágenes.
Su nombre quedó particularmente asociado con ImageNet, la gigantesca base de datos visual que impulsó junto con su equipo en Princeton y Stanford. Millones de imágenes clasificadas permitieron entrenar y comparar algoritmos de reconocimiento visual a una escala que hasta entonces resultaba difícil de conseguir.
Ese trabajo terminó convirtiéndose en una de las piezas que aceleraron la revolución del aprendizaje profundo (Deep learning) durante la década pasada.
Ahora Li persigue una idea todavía más ambiciosa: no alcanza con que una inteligencia artificial sepa qué hay dentro de una fotografía; debe comprender cómo están relacionados los objetos, qué dimensiones tienen, cómo se mueven y qué podría ocurrir al interactuar con ellos.
De reconocer un gato a comprender una habitación
AMD se vio especialmente interesado en World Labs porque trabaja sobre los llamados “world models” o modelos de mundo.
La diferencia puede entenderse con un ejemplo sencillo. Una IA convencional puede observar la fotografía de un living y reconocer una mesa, un sillón y una ventana. Un sistema con inteligencia espacial debería comprender además cómo está organizada esa habitación, qué hay detrás de los objetos y qué sucedería si alguien se desplazara por ella.
La tecnología de World Labs puede generar, reconstruir y simular entornos tridimensionales interactivos a partir de texto, fotografías y videos. También investiga su utilización para aprendizaje y simulación de robots. Las aplicaciones potenciales exceden ampliamente la generación de imágenes.
Para tomar dimensión de esta tecnología, por ejemplo, un arquitecto podría recorrer virtualmente un ambiente generado por IA. Un diseñador podría modificar un objeto dentro de una escena tridimensional. Y un robot podría entrenarse miles de veces dentro de una simulación antes de enfrentarse a una fábrica, una casa o una calle reales.
Por qué AMD pagó US$ 8.200 millones
El fabricante estadounidense de semiconductores no está comprando solamente una aplicación exitosa. Detrás de esta relevante adquisición está la necesidad de acercar la investigación de los modelos de inteligencia artificial al diseño del hardware que deberá ejecutarlos.
La startup que comanda Fei-Fei Li comenzó a entrenar modelos y optimizar inferencia utilizando GPU AMD Instinct, la línea de aceleradores gráficos para profesionales servidores, centros de datos e infraestructura de inteligencia artificial. AMD había participado previamente como inversor.
Y los guiños no quedaron ahí. Durante la última feria de tecnología CES 2026, que se celebra todos los enero en Las Vegas, la CEO Lisa Su y Fei-Fei Li compartieron escenario para hablar sobre inteligencia espacial.
La idea de AMD es que los investigadores de World Labs permitan comprender anticipadamente qué necesitarán los futuros modelos. Esa información puede terminar influyendo en tarjetas gráficas (GPU), procesadores, memoria, redes, software y sistemas completos para centros de datos.
“Construir las plataformas de cómputo para la próxima generación de IA requiere comprender profundamente cómo están evolucionando los modelos”, explicó Lisa Su al anunciar la adquisición.
El problema se llama Nvidia
La cifra de US$ 8.200 millones adquiere otra dimensión cuando se observa contra quién compite AMD.
Nvidia convirtió las GPU originalmente desarrolladas para gráficos y videojuegos en la infraestructura sobre la que terminó construyéndose buena parte del actual auge de la IA.
Su ventaja no reside solamente en fabricar chips extremadamente rápidos: durante años construyó alrededor de CUDA un ecosistema de software, herramientas y desarrolladores difícil de reemplazar.
Las estimaciones varían según qué productos y fabricantes se incluyan, pero estudios de mercado sitúan a Nvidia alrededor del 80% al 88% del mercado de aceleradores para inteligencia artificial durante 2026. En las cargas específicamente destinadas al entrenamiento de grandes modelos, algunas estimaciones elevan su participación por encima del 90% por ciento. Y AMD quiere recortar esta distancia.
La próxima pelea será por los robots y el mundo físico
Mientras que World Labs le permite a AMD acelerar su entrada en ese territorio. La compañía de Fei-Fei Li trabaja precisamente en modelos capaces de razonar sobre espacios tridimensionales y generar ambientes virtuales donde posteriormente pueden entrenarse máquinas. Para la robótica esto puede resultar especialmente importante.
Entrenar un chatbot requiere enormes cantidades de texto, pero que un robot pueda interactuar con el mundo representa un problema diferente: conseguir suficientes experiencias físicas reales puede resultar caro, lento y peligroso.
Un entorno generado artificialmente permite que el robot se equivoque millones de veces sin romper nada, y cada una de esas simulaciones necesita grandes capacidades de cómputo.
Hasta el momento, la adquisición de World Labs todavía debe superar las aprobaciones regulatorias y, por lo tanto, no está cerrada. Pero si se concreta, Fei-Fei Li ocupará una posición poco habitual dentro de AMD.
No llegará para dirigir solamente un laboratorio aislado. Como chief scientist, tendrá acceso directo a Lisa Su y su investigación podrá influir sobre la hoja de ruta tecnológica del fabricante.
, interpretarlo y reescribir un artículo en un estilo editorial simple, seria, humanizada y dirigida a gente de la tercera edad que necesita comprender sin vocablos modernos o tecnológicos. Asegúrate de que el texto resultante no tenga similitudes con la nota original, excepto las expresiones textuales entre comillas. El tono debe ser cercano, dinámico y atractivo para un público joven, utilizando un lenguaje coloquial pero respetuoso, y estructuras narrativas que mantengan el interés del lector. Incluye ejemplos, analogías o referencias contemporáneas si es necesario para enriquecer el texto. El objetivo es que la reescritura sea fresca, original y capture la esencia de la noticia, pero sin repetir el planteamiento o estructura del artículo original, manteniendo un tono respetuoso y sin caer en una excesiva informalidad. El artículo debe comenzar directamente con el contenido, sin incluir preguntas al inicio. Al final del artículo, agrega una sección de resumen con el título “En síntesis” y también una sección de preguntas frecuentes donde todas las preguntas estén en negrita (), asegurándote de que aparezcan únicamente en esta sección y no en ninguna otra parte del artículo. Además, cada pregunta debe ir acompañada de su respuesta correspondiente.
Crédito de la fuente original: www.clarin.com
