La conocida firma de capital riesgo a16z: La "metodología de innovación" de los últimos 75 años, la IA ha reescrito completamente

Nadie sabe realmente qué se generará, "es un producto digital que la humanidad nunca ha creado antes".

Escrito por: Long Yue, Wall Street Journal

Recientemente, en el último episodio del podcast de a16z, los socios generales Martin Casado, Erik Torenberg y el socio de la junta Steven Sinofsky mantuvieron un profundo diálogo: ¿qué significan los avances de la IA en el campo de las matemáticas? ¿Se está reescribiendo la lógica subyacente de la innovación? ¿Cómo evolucionará el panorama competitivo entre las startups y las grandes empresas?

Los tres discutidores creen que las suposiciones fundamentales que han sustentado toda la industria de la computación durante los últimos 75 años están siendo reexaminadas una por una por la IA. Una de las más críticas—la innovación es un problema de ingeniería, no un problema de financiación—ha dejado de ser válida. La IA está reescribiendo la lógica económica subyacente de la innovación: de las restricciones de ingeniería a las restricciones de capital, un equipo de 20 personas ahora puede desplegar efectivamente mil millones de dólares. Este juicio afecta directamente la evaluación de la competencia entre startups y grandes empresas, la lógica del capital de riesgo y los límites de la capacidad de la IA.

De ábacos a IA: un salto de 75 años en niveles de abstracción

Sinofsky mostró un folleto de IBM de 1953.

En la portada, los orbitales atómicos rodean una cabeza humana, y la primera frase dice: "La humanidad tardó millones de años en reconocer el valor de la rueda".

En ese folleto, IBM dedicó una página entera a explicar qué es una "computadora digital"—entrada, almacenamiento, cálculo, control, salida.

Sinofsky dijo: "Así es como hemos entendido las computadoras durante los últimos 75 años".

Desde ábacos hasta reglas de cálculo, desde máquinas diferenciales hasta computadoras personales, desde calculadoras gráficas hasta computación en la nube—cada salto tecnológico es, en esencia, un "aumento en el nivel de abstracción". Los problemas de nivel inferior son encapsulados, y la humanidad resuelve nuevos problemas en niveles más altos.

Cuando apareció la calculadora gráfica TI-85, los profesores de matemáticas entraron en pánico: "Nuestra profesión está acabada". Sinofsky dijo:

Pero no se quejaron de la llegada del cálculo, porque el cálculo ya era un punto de partida para ellos. La reacción de las personas ante el cambio es mucho más intensa que ante la línea base.

El pánico causado por la IA resolviendo problemas matemáticos es similar al de la llegada de la calculadora gráfica.

IA resolviendo matemáticas: ¿un avance o un "jugador experto"?

Recientemente, alguien pidió a Claude que intentara resolver la conjetura de Riemann, lo que generó una amplia discusión en la comunidad matemática.

A esto, Casado arrojó un cubo de agua fría.

Si sumas los salarios de todos los postdoctorados que han investigado estos problemas a lo largo de los años, la cantidad total no es grande. Esto significa que el mercado nunca ha considerado realmente la resolución de estos problemas como una prioridad. Así que no estoy seguro de que resolver estos problemas demuestre que la IA ha abierto una puerta de gran valor económico.

Comparó la capacidad matemática de la IA con la de un campeón de StarCraft: "Es el mejor jugador de StarCraft de todos los tiempos—es impresionante, pero me cuesta relacionarlo directamente con un valor económico real".

Sinofsky ofreció otra perspectiva. Él cree que los avances en el campo de las matemáticas podrían estar "fomentando nuevas herramientas abstractas".

Como la prueba del teorema de los cuatro colores—no se trata de escribir una hermosa deducción matemática, sino de usar una computadora para agotar todos los casos finitos, intercambiando poder de cálculo por respuestas.

Una vez que tienes un nuevo nivel de abstracción, todos pueden construir herramientas directamente en ese nivel sin tener que empezar desde cero.

El mayor cambio de paradigma: de cuellos de botella de ingeniería a cuellos de botella de capital

La percepción más central de esta conversación proviene de un experimento mental de Casado.

Hace 20 años, si le dabas mil millones de dólares a una startup de 10 personas, no podrían gastarlo. Compraban servidores y el dinero se acababa.

Hace 10 años, si les dabas mil millones de dólares, contrataban ingenieros, escribían código, pero el mito de las personas y meses es real—demasiadas personas pueden ralentizar el proceso.

Ahora, si les das mil millones de dólares a 20 personas, realmente pueden gastarlo de manera efectiva.

Su conclusión es:

Hemos transformado esta industria de un problema de cuellos de botella de ingeniería a un problema de cuellos de botella de capital. Esta es una diferencia fundamental. Nunca hemos tenido este estado antes.

Sinofsky añadió que esta no es la primera vez que hay un cuello de botella de capital—los primeros 30 a 40 años de la industria de la computación también fueron una época de restricciones de capital. "Si quieres hacer algo con una computadora, el primer paso es conseguir una".

Luego vino la era de los cuellos de botella de ingeniería, y ahora, hemos vuelto a los cuellos de botella de capital.

¿Por qué las startups aún no han sido aplastadas por los gigantes?

Por sentido común, Microsoft, Google y Meta, con su capital, datos y canales de distribución, deberían aplastar todo.

Pero la realidad es: Cursor, Anthropic y OpenAI están creciendo a "velocidades meteóricas".

Casado dio dos razones.

Primero, la IA ha resuelto el problema de distribución.

En el pasado, no sabías si el presupuesto de marketing estaba teniendo efecto. Ahora, la demanda de poder de cálculo y GPU es infinita, puedes decidir directamente cuánto invertir para impulsar el crecimiento.

Segundo, las startups ahora pueden recaudar suficiente dinero para realmente competir en igualdad de condiciones con los gigantes.

¿Y los gigantes? Sinofsky lo dijo de manera muy clara:

Microsoft está más preocupado por lo que Amazon y Google están haciendo, y no le importa en absoluto ninguna startup. Las startups no atacan directamente a los gigantes, y los gigantes tampoco prestan atención a las startups.

También reveló un detalle: algunas grandes empresas, para priorizar el suministro de poder de cálculo a los clientes empresariales, han dejado a sus equipos de productos internos en un estado de "hambre de IA", "mientras que sus competidores no tienen ninguna empresa en estado de hambre".

Sinofsky usó su propia experiencia en Microsoft como ejemplo. Cuando llevó la primera Surface a ver a altos ejecutivos de Intel, al escuchar que tenía un chip ARM, su actitud cambió de inmediato.

Pensaron que era un chip para impresoras. Solo hacen la ley de Moore, así como Google solo hace a gran escala—si la IA se dirige a los dispositivos finales, eso no es asunto de ellos.

Sinofsky resumió:

La esencia de la disrupción es la constante cultural de las grandes empresas. Tarjetas de puntuación, sistemas de ventas, estructuras salariales, cargas históricas, compromisos con los clientes—todo esto no puede cambiar. Esta es una ley física.

200 mil millones de dólares invertidos, nadie sabe qué saldrá

Al final de la conversación, los tres tocaron un desconocido más profundo.

Casado admitió que había cometido un error:

Pensé que la auto-mejora recursiva y el despegue rápido no sucederían, eso no está mal. Pero no pensé que podríamos invertir dinero sin límites, y que la ley de escalabilidad seguiría siendo válida.

Tomas 20 mil millones de dólares y los inviertes en un modelo. Nosotros dos lo miramos, lo probamos al azar—no creo que podamos entender lo que eso significa. Tanto poder de cálculo, tantos datos, no sé qué puede hacer.

Sinofsky estuvo de acuerdo y lo comparó con el crecimiento exponencial: "Nadie puede modelar lo exponencial".

También dio un escenario específico: la exhaustividad de combinaciones de proteínas, que antes era un "problema infinito", ahora puede convertirse en un "problema de capital".

Podemos convertir problemas que antes eran infinitos en finitos a través del capital. Esto es algo muy extraño.

Casado dijo que esta es también la razón por la que ya no intenta predecir el límite de las capacidades de la IA:

He decidido que no puedo predecir lo que puede hacer algo creado con 20 mil millones de dólares, y dónde están sus límites de capacidad.