Blog

Google DeepMind presentó Gemini Robotics 2, una nueva familia de modelos de inteligencia artificial diseñada para controlar robots humanoides desde los pies hasta las manos. El sistema puede convertir instrucciones y señales visuales en movimientos, permitiendo que una máquina camine, se agache, alcance objetos y los manipule mientras mantiene el equilibrio.

No se trata de un nuevo robot fabricado por Google, sino de una capa de inteligencia adaptable a diferentes plataformas. La compañía dividió el sistema en tres modelos: Gemini Robotics 2, encargado del movimiento; Gemini Robotics ER 2, orientado al razonamiento; y Gemini Robotics On-Device 2, preparado para funcionar localmente en el dispositivo.

Del movimiento de brazos al control corporal

La primera generación de Gemini Robotics se concentraba principalmente en tareas realizadas sobre una mesa y en el control de la parte superior del cuerpo. La nueva versión amplía ese alcance hacia movimientos completos, necesarios para trabajar en habitaciones, fábricas y otros espacios diseñados para personas.

En una de las demostraciones, el modelo controló el humanoide Apollo 2, de Apptronik. Tras recibir la orden de guardar una regadera, el robot caminó hasta una mesa, tomó el objeto, se desplazó hacia una estantería y lo colocó en un compartimento inferior. Google reconoce, no obstante, que todavía debe mejorar la velocidad de sus movimientos.

El mismo modelo fue utilizado con distintas configuraciones del Apollo 2 y con Franka Duo, una plataforma robótica de dos brazos. Esto muestra que parte de lo aprendido puede transferirse entre máquinas con cuerpos y herramientas diferentes sin comenzar todo el entrenamiento desde cero.

Manos robóticas para tareas más delicadas

Uno de los mayores desafíos de la robótica es conseguir que una máquina manipule objetos con la precisión de una persona. Gemini Robotics 2 puede controlar manos de cinco dedos y pinzas industriales para realizar acciones como cerrar bolsas herméticas, hacer nudos, utilizar herramientas o insertar piezas.

Sin embargo, estas habilidades todavía están lejos de ser infalibles. En las pruebas de Google, el robot logró desenroscar una bombilla en el 92% de los intentos, pero su rendimiento bajó al 44% al atar una bolsa de basura y al 40% al cerrar una bolsa con sello. La propia compañía admite que la manipulación con varios dedos continúa siendo especialmente difícil.

Un modelo piensa y otro mueve el cuerpo

Gemini Robotics ER 2 actúa como el cerebro de alto nivel. Interpreta las instrucciones humanas, analiza el entorno, divide una tarea en pasos y decide qué herramienta o sistema de movimiento debe utilizar el robot.

Mientras la máquina trabaja, el modelo analiza continuamente el video de sus cámaras para comprobar cuánto ha avanzado, detectar errores y decidir cuándo terminó cada acción. Según Google, puede gestionar tareas de varios minutos que requieren cientos de decisiones y corregir un paso sin reiniciar todo el proceso.

La actualización también permite que diferentes robots colaboren. Un humanoide podría encargarse de alcanzar objetos en espacios adaptados para personas, mientras una plataforma con ruedas transporta materiales o una máquina industrial realiza una operación de precisión. Todos compartirían información para dividir el trabajo y completar una tarea conjunta.

Robots que funcionan sin conexión

Para situaciones con mala conectividad o en las que la latencia puede resultar peligrosa, Google desarrolló Gemini Robotics On-Device 2. Esta versión ejecuta el modelo directamente en el hardware del robot, sin enviar constantemente sus datos a la nube.

La empresa asegura que puede adaptarlo a nuevos robots de dos brazos utilizando normalmente menos de 200 ejemplos recopilados durante unas pocas horas. Esta capacidad podría facilitar su incorporación a máquinas con formas, sensores y movimientos muy diferentes.

Google también presentó ASIMOV-Agentic, una prueba destinada a comprobar si los modelos rechazan órdenes peligrosas, reconocen tareas imposibles y piden ayuda cuando existe incertidumbre. Gemini Robotics ER 2 puede detectar la proximidad de una persona, detener al humanoide y retomar la actividad cuando el área vuelve a estar despejada.

Por ahora, Gemini Robotics ER 2 está disponible en versión preliminar mediante Gemini API y Google AI Studio. El modelo de movimiento y su edición local permanecen limitados a socios seleccionados, por lo que el anuncio representa más un avance experimental que la llegada inmediata de humanoides autónomos a hogares y fábricas.

Fuente: Infobae.

Los cables de fibra óptica utilizados para llevar internet también podrían convertirse en una extensa red de vigilancia sísmica. Un equipo del Servicio Geológico de Estados Unidos y Cal Poly Humboldt desarrolló un método capaz de determinar, apenas cuatro segundos después de la llegada de las primeras ondas, si un terremoto puede alcanzar una magnitud potencialmente peligrosa.

El estudio, publicado en Nature Communications, combina fibra óptica con un sistema de aprendizaje automático. Su objetivo no es predecir con exactitud la magnitud final, sino clasificar rápidamente los terremotos en dos grupos: aquellos que alcanzarán al menos una magnitud de 5,4 y los que permanecerán por debajo de ese nivel.

Esta diferencia resulta crucial para los sistemas de alerta temprana. Cuanto antes se conozca el tamaño potencial de un evento, más tiempo habrá para enviar avisos a teléfonos, frenar trenes, cerrar gasoductos o preparar a las comunidades costeras ante un posible tsunami.

Las primeras ondas ya contienen información

Cuando comienza un terremoto, las primeras en propagarse son las ondas P. Son menos destructivas que las ondas posteriores, pero contienen pistas sobre cómo está evolucionando la ruptura.

Los investigadores descubrieron que los terremotos de mayor magnitud presentan una mayor cantidad de energía en frecuencias bajas, especialmente entre 0,2 y 0,5 hercios. El modelo analiza ese contenido y la deformación inicial del terreno para determinar si el evento probablemente superará el umbral de magnitud 5,4.

Para entrenarlo, el equipo utilizó registros de sismos reales de entre magnitud 3,5 y 7,1 captados por instrumentos de deformación instalados en pozos de California. Después aplicó el sistema a señales obtenidas mediante un cable de fibra óptica de 15 kilómetros situado entre Arcata y Eureka, en el norte del estado.

Entre las pruebas se incluyó el terremoto de magnitud 7 ocurrido frente a cabo Mendocino el 5 de diciembre de 2024. El evento no había formado parte del entrenamiento y fue correctamente identificado como superior a 5,4 en el 96% de las evaluaciones realizadas con sus datos de fibra óptica.

Convertir internet en un sensor sísmico

La técnica se conoce como detección acústica distribuida, o DAS. Un dispositivo situado en un extremo del cable envía pulsos de luz y analiza las pequeñas reflexiones que regresan.

Cuando una onda sísmica deforma ligeramente el terreno, también altera el recorrido de la luz dentro de la fibra. Esas variaciones permiten convertir cada tramo del cable en una especie de sensor, creando miles de puntos de medición sin tener que instalar un sismómetro en cada ubicación.

La mayor ventaja podría encontrarse bajo el mar. Las zonas de subducción capaces de producir grandes terremotos y tsunamis suelen estar lejos de los sensores terrestres, mientras que desplegar y mantener estaciones sísmicas en el fondo oceánico resulta costoso.

Infografía creada con Inteligencia Artificial a partir de la entrevista que ofreció la investigadora de Geofísica UdeC Catalina Morales Yáñez, al canal TVU.#terremotos #tecnologías #sismología #fibraoptica #Geofísica #UdeC #carrera #física pic.twitter.com/gNM0OLXIlQ

— Geofísica U. de Concepción (@geofisica_udec) July 24, 2026

Los cables submarinos ya atraviesan amplias regiones del planeta. Aprovecharlos permitiría detectar terremotos más cerca del lugar donde comienzan y ganar segundos valiosos antes de que las ondas más destructivas lleguen a la costa.

Un resultado prometedor, todavía experimental

En sus pruebas retrospectivas, el modelo identificó correctamente el 81% de los registros asociados a terremotos de magnitud 5,4 o superior. Además, el 79% de las veces que clasificó un sismo como grande, la predicción fue correcta.

Sin embargo, todavía no funciona como un sistema operativo de alerta. Los análisis fueron realizados con datos ya registrados y con la llegada de la onda P marcada manualmente. Los propios autores señalan que necesitan estudiar más terremotos grandes antes de confirmar su fiabilidad en situaciones reales.

El avance no permitirá anticipar un terremoto antes de que comience. Pero podría ayudar a comprender su gravedad mucho más rápido una vez iniciado, convirtiendo una infraestructura creada para transportar información en una herramienta capaz de salvar vidas.

Fuente: Meteored.

Durante la Segunda Guerra Mundial, numerosos ejércitos construyeron réplicas de ciudades, puentes y fábricas para preparar bombardeos. Ocho décadas después, China parece haber llevado esa práctica a una escala mucho mayor.

En diferentes campos de entrenamiento han aparecido reproducciones de portaaviones y destructores estadounidenses, cazas, bases navales de Japón y Taiwán e incluso edificios gubernamentales situados en el centro de Taipéi.

No se trata únicamente de siluetas dibujadas sobre la arena. Algunas estructuras tienen dimensiones similares a los objetivos reales, incorporan instrumental de medición, se desplazan sobre raíles o muestran señales compatibles con impactos. Para los analistas, estas características permiten estudiar sistemas de detección, guiado y ataque con mayor realismo.

Portaaviones y destructores en mitad del desierto

Una de las instalaciones más conocidas se encuentra en la región de Ruoqiang, dentro del desierto de Taklamakán. Las imágenes difundidas en 2021 mostraron el contorno a escala real de un portaaviones estadounidense y varios objetivos con la forma de destructores de la clase Arleigh Burke.

El complejo también contaba con un blanco de aproximadamente 75 metros colocado sobre una vía de seis metros de ancho. Su movimiento podría permitir que los sistemas chinos practiquen la detección y el seguimiento de embarcaciones que no permanecen estáticas. La zona ya había sido relacionada con pruebas de misiles balísticos antibuque.

Imágenes más recientes muestran una réplica tridimensional de un destructor, además de pistas donde aparecen modelos de cazas F-16, F-22 y F-35. La precisión de estas construcciones sugiere, según el analista geoespacial Damien Symon, que el entrenamiento se concentra en adversarios concretos y no solamente en desarrollar capacidades genéricas.

Réplicas de bases que participarían en una guerra

China también habría reproducido parcialmente la base naval estadounidense de Yokosuka, situada en Japón y utilizada por la Séptima Flota. Las imágenes muestran barcos simulados dentro del puerto y un cráter próximo a uno de los objetivos, posiblemente producido durante una prueba con misiles.

Otro campo reproduce la base taiwanesa de Su’ao, situada en la costa oriental de la isla. Entre enero y febrero de 2022, un proyectil habría alcanzado parte de su muelle simulado y destruido una estructura utilizada posiblemente para calibrar buscadores de misiles.

La elección de Su’ao resulta significativa porque un ataque desde China continental tendría que superar el relieve montañoso de Taiwán. La réplica permitiría estudiar trayectorias y ángulos de aproximación contra un objetivo más complejo que los puertos de la costa occidental.

Pekín también ha construido una pequeña Taipéi

Las instalaciones no se limitan a objetivos navales. En la base de Zhurihe, en Mongolia Interior, existen reproducciones del Palacio Presidencial taiwanés y de otros edificios del distrito gubernamental de Taipéi.

Un segundo complejo reproduce con mayor precisión calles, manzanas y accesos. El analista de imágenes Sean O’Connor considera que podría utilizarse para que las tropas practiquen movimientos urbanos como si estuvieran dentro de la capital taiwanesa. En 2015, la televisión estatal china ya mostró a soldados avanzando hacia una de estas construcciones durante unas maniobras.

El Ministerio de Defensa de Taiwán confirmó que vigila estas instalaciones y aseguró que prepara respuestas para diferentes escenarios militares. También reconoció que las réplicas muestran la seriedad de la amenaza que afronta la isla.

Entrenamiento y mensaje político

Las maquetas pueden cumplir dos funciones. La primera es práctica: probar misiles, sensores y operaciones terrestres contra blancos reconocibles. La segunda es psicológica.

Mostrar una réplica de Yokosuka advierte a Japón de que sus instalaciones podrían verse implicadas. Copiar barcos estadounidenses señala que una intervención de Washington tendría costes. Reproducir el centro político de Taipéi transmite que China contempla operaciones contra la capital.

La gran revelación no es solamente que Pekín posea más barcos o misiles. Es que lleva años construyendo escenarios detallados para aprender a utilizarlos contra objetivos específicos. Los satélites comerciales han convertido esos preparativos, antes ocultos en regiones remotas, en una parte observable de su estrategia militar.

Varias escuelas de Estados Unidos comenzarán el próximo curso con una medida de seguridad difícil de imaginar en cualquier otro país: cajas blindadas que almacenan drones equipados con luces estroboscópicas, sirenas, gel de pimienta y sistemas para embestir a un atacante.

Los dispositivos forman parte de Campus Guardian Angel, un sistema desarrollado por Mithril Defense, una empresa con sede en Austin, Texas. Al menos nueve centros educativos participarán inicialmente: tres en Florida, cinco en Georgia y uno en Colorado.

Su objetivo no es sustituir a la policía, sino ganar tiempo durante los primeros minutos de un tiroteo. La compañía asegura que puede desplegar los drones y dirigirlos hacia una amenaza en aproximadamente 15 segundos, aunque esta cifra procede de simulaciones controladas y no de una emergencia real.

Sirenas, luces y ataques a casi 100 km/h

Cuando un profesor pulse un botón de pánico o active una aplicación, operadores profesionales de Mithril Defense recibirán la alerta desde su centro de control en Austin. Los drones no funcionan de manera autónoma: serán pilotados remotamente con ayuda de las cámaras y los planos digitales de la escuela.

Los dispositivos pueden alcanzar aproximadamente 60 millas por hora, unos 97 km/h. Están diseñados para desorientar al atacante con destellos y sonidos, dispararle gel de pimienta o embestirlo directamente. Algunos modelos también incorporan una pieza metálica con la que pueden romper ventanas que no sean antibalas.

La empresa sostiene que los primeros 120 segundos de un ataque son especialmente importantes y que sus drones podrían mantener ocupado al tirador hasta que lleguen los agentes. Esa afirmación, sin embargo, forma parte del argumento comercial de Mithril y no demuestra que el sistema vaya a funcionar igual en un escenario real.

Florida destinó inicialmente 557.000 dólares a pruebas en distritos de Broward, Leon y Volusia. Posteriormente aprobó otros 564.000 dólares para extender el programa. Georgia, por su parte, reservó alrededor de 550.000 dólares para cinco escuelas, mientras que el centro de Colorado financiará su instalación con recursos propios.

Muchas dudas dentro de los pasillos

El sistema presenta varios problemas evidentes. Los drones dependen de las comunicaciones del edificio y necesitan que determinadas puertas estén abiertas para avanzar. Esto puede entrar en conflicto con los protocolos de confinamiento, que normalmente ordenan cerrar y bloquear las aulas.

También existe el riesgo de que un operador remoto confunda al agresor con un estudiante, un profesor o un policía. Una falsa alarma podría desplegar en una escuela llena de menores dispositivos capaces de lanzar sustancias irritantes y chocar a gran velocidad.

Los propios promotores señalan que no deberían activarse ante una pelea común entre estudiantes. Sin embargo, situaciones ambiguas —como un alumno mostrando un cuchillo— obligarían a un operador situado a cientos o miles de kilómetros a tomar una decisión en cuestión de segundos.

Además, ninguna de estas aeronaves ha intervenido hasta ahora en un tiroteo escolar real. Solo se han probado en entrenamientos y demostraciones preparadas junto con fuerzas de seguridad.

No es la primera vez que alguien lo intenta

En 2022, Axon, la empresa conocida por fabricar las pistolas eléctricas Taser, propuso desarrollar drones equipados con armas de electrochoque para responder a tiroteos. Nueve miembros de su comité de ética dimitieron después de que la compañía anunciara el proyecto, preocupados por el posible uso contra personas inocentes y comunidades excesivamente vigiladas. Axon terminó suspendiendo temporalmente la iniciativa.

Los nuevos drones de Mithril Defense utilizan sistemas considerados no letales, pero recuperan buena parte de aquella idea. Sus defensores creen que podrían reducir víctimas durante los minutos anteriores a la llegada de la policía. Sus críticos responden que el dinero debería dirigirse a prevenir los ataques, controlar los accesos y mejorar los protocolos existentes.

La pregunta todavía no tiene respuesta: si una emergencia real convierte estos drones en auténticos “ángeles de la guardia” o en otra fuente de peligro dentro de una escuela.

Fuente: Xataka.

La inteligencia artificial necesita chips avanzados, cantidades enormes de electricidad y centros de datos capaces de mantener miles de servidores funcionando sin interrupciones. Pero el nuevo cuello de botella de la industria tecnológica no se encuentra dentro de una computadora: está en la falta de trabajadores capaces de construir toda esa infraestructura.

Estados Unidos tiene más centros de datos que cualquier otro país y continúa sumando proyectos gigantescos para Google, Meta, Microsoft, Amazon y OpenAI. Cada instalación necesita electricistas, carpinteros, soldadores, fontaneros, instaladores de fibra y especialistas en sistemas de refrigeración.

El problema es que todos los proyectos están buscando los mismos perfiles al mismo tiempo. La demanda se ha vuelto tan intensa que las tecnológicas y los grandes inversores ya no se limitan a contratar trabajadores: también están financiando su formación.

Google, Meta y BlackRock salen a buscar trabajadores

Google anunció una inversión de 50 millones de dólares para ayudar a preparar a más de 300.000 trabajadores en más de 20 estados. El dinero será distribuido entre organizaciones vinculadas con 14 sindicatos y cuatro asociaciones profesionales para formar electricistas, soldadores, instaladores de fibra, técnicos de climatización y otros especialistas. Cerca de 20 millones estarán dirigidos específicamente a la Electrical Training Alliance.

BlackRock lanzó una iniciativa de 100 millones de dólares con la que espera ampliar la formación de hasta 50.000 trabajadores durante cinco años. Sus primeras ayudas fueron concedidas a organizaciones de Texas, aunque el programa está pensado para apoyar distintas obras de infraestructura en todo el país, no solamente centros de datos.

Meta fue todavía más lejos con America’s Workforce Academy. La empresa invertirá inicialmente 115 millones de dólares en cursos gratuitos de cinco semanas que incluyen matrícula, viaje, alojamiento y una ayuda diaria. Los participantes no necesitan experiencia previa y quienes completen la formación recibirán una oferta laboral de contratistas que construyen centros de datos para Meta.

Los centros de datos pagan más

La fuerte competencia también está elevando los salarios. Un análisis de Indeed encontró que los puestos por hora relacionados con instalación en centros de datos pagan, en promedio, un 42% más que trabajos equivalentes fuera de estas instalaciones: aproximadamente diez dólares adicionales por hora.

Los trabajadores experimentados pueden superar ampliamente los 100.000 dólares anuales. Algunos supervisores y electricistas especializados llegan a cobrar más de 200.000, aunque estas cifras suelen requerir experiencia, desplazamientos, dietas y una enorme cantidad de horas extraordinarias.

Las condiciones ayudan a explicar esos salarios. Algunas obras funcionan durante prácticamente todo el día para cumplir calendarios extremadamente exigentes. En el proyecto de OpenAI en Saline Township, Michigan, se han descrito turnos de diez horas durante los siete días de la semana para centenares de electricistas.

La IA también compite contra la vivienda

La consecuencia es que la mano de obra disponible deja de trabajar en otros sectores. Viviendas, fábricas, redes eléctricas y obras públicas necesitan a los mismos electricistas, carpinteros y técnicos que ahora reciben ofertas superiores de los centros de datos.

La industria estadounidense de la construcción ya necesitaba incorporar unos 349.000 trabajadores adicionales durante 2026 para cubrir su demanda, incluso antes de considerar completamente la aceleración de los grandes proyectos de IA.

Además, existe una diferencia importante entre construir y operar un centro de datos. Durante las obras pueden participar miles de personas, pero una vez inaugurada la instalación necesita una plantilla permanente mucho menor. Algunos proyectos que generan miles de puestos temporales terminan funcionando con alrededor de un centenar de empleados.

La gran pregunta es qué ocurrirá cuando termine la actual fiebre constructiva. La formación dejará en Estados Unidos más electricistas y técnicos cualificados, algo que podría beneficiar a la vivienda y a las redes eléctricas. Pero también existe el riesgo de que muchos trabajadores acostumbrados a sueldos extraordinarios tengan que aceptar salarios menores cuando finalicen las grandes obras.

Por ahora, la paradoja está clara: una tecnología presentada como completamente digital depende de miles de personas que colocan tuberías, levantan paredes, instalan cables y mantienen refrigerados sus servidores.

Fuente: Xataka.

Las compañías de inteligencia artificial saben cómo construir y entrenar sus modelos. Eligen su arquitectura, preparan enormes conjuntos de datos y ajustan miles de millones de parámetros mediante algoritmos de aprendizaje. Sin embargo, una vez terminado ese proceso, no siempre pueden explicar con precisión cómo el sistema organiza internamente lo aprendido.

Dario Amodei, director ejecutivo de Anthropic, lo reconoció en abril de 2025 en su ensayo The Urgency of Interpretability. Comparó el entrenamiento de una IA con el crecimiento de una planta: sus creadores establecen las condiciones iniciales, pero la estructura exacta que aparece resulta difícil de predecir y entender. Al observar el interior del modelo, los investigadores encuentran inmensas matrices de números que realizan tareas cognitivas sin revelar fácilmente su funcionamiento.

Esto no significa que las inteligencias artificiales sean mágicas o incomprensibles en todos los sentidos. Los especialistas conocen las operaciones matemáticas que ejecutan y pueden inspeccionar cada activación. El problema es traducir esos cálculos en una explicación humana completa de por qué el modelo produjo una respuesta concreta o aprendió determinada habilidad.

— Diario฿itcoin (@DiarioBitcoin) March 20, 2026

Capacidades que nadie programó directamente

Una parte de esta incertidumbre aparece en las llamadas capacidades emergentes. El término se utiliza para describir habilidades que apenas se observan en modelos pequeños, pero que aparecen cuando aumentan el tamaño, los datos o la potencia de entrenamiento.

Un influyente estudio de investigadores de Google y otras instituciones documentó tareas en las que el rendimiento permanecía cerca del azar hasta superar cierta escala. Entre ellas aparecían capacidades relacionadas con el razonamiento, la comprensión del lenguaje y el aprendizaje a partir de ejemplos incluidos en una conversación.

Sin embargo, existe un debate científico importante. Otra investigación demostró que algunos de esos aparentes saltos pueden deberse a la forma de medir el rendimiento. Una habilidad puede parecer que surge repentinamente cuando se utiliza una métrica que solo considera respuestas totalmente correctas, aunque el modelo haya estado mejorando gradualmente desde antes.

Por tanto, no todas las capacidades emergentes aparecen necesariamente “de golpe”. Lo que sí permanece abierto es cómo las redes combinan sus representaciones internas para resolver tareas que no fueron programadas mediante reglas explícitas.

Los investigadores intentan abrir la caja negra

Chris Olah, cofundador de Anthropic y uno de los principales investigadores de interpretabilidad mecánica, lleva años intentando identificar los circuitos internos de las redes neuronales. Su equipo ha estudiado mecanismos como las cabezas de inducción, relacionadas con la capacidad de detectar patrones y utilizar ejemplos anteriores dentro de un texto.

En 2024, Anthropic anunció que había extraído millones de características interpretables de una capa de Claude 3 Sonnet. Algunas respondían a ciudades, personas, elementos químicos o errores de programación; otras representaban ideas más abstractas, como guardar un secreto o detectar sesgos profesionales.

El experimento permitió observar una pequeña parte de lo que ocurre dentro del modelo, pero también mostró la dimensión del problema. Encontrar conceptos internos no explica automáticamente cómo se conectan para producir una respuesta. Anthropic reconoce que elaborar un mapa completo con sus técnicas actuales podría requerir más capacidad computacional que la empleada para entrenar el propio modelo.

https://t.co/W5eGz0XhOp
🚨🤖⚠️ ANTHROPIC PRESENTA CLAUDE FABLE 5: LA IA MÁS POTENTE DE SU HISTORIA… Y LA MÁS RESTRINGIDA

Anthropic presentó oficialmente Claude Fable 5, su modelo público de Inteligencia Artificial más avanzado hasta la fecha, diseñado para competir… pic.twitter.com/qB5fuyQlZ3

— HGowx (@HGowx) June 11, 2026

Una advertencia científica que también beneficia a Anthropic

El discurso de Amodei merece cierta cautela. Anthropic ha construido su identidad comercial alrededor de la seguridad, el control y la interpretabilidad. Presentar los modelos como sistemas poderosos y difíciles de comprender también refuerza la importancia de una empresa que promete hacerlos más seguros.

El propio Amodei admite que Anthropic espera convertir la interpretabilidad en una ventaja comercial, especialmente en sectores donde las decisiones deben poder explicarse.

Pero eso no invalida el problema técnico. La opacidad de las redes neuronales está documentada en investigaciones públicas, y los avances actuales apenas permiten reconstruir fragmentos de su funcionamiento.

La gran inquietud no es que los ingenieros hayan perdido completamente el control de una criatura misteriosa. Es algo más preciso: están desplegando sistemas cada vez más capaces sin disponer todavía de herramientas equivalentes para comprender todos sus mecanismos internos.

La industria puede medir lo que una IA hace mediante pruebas y evaluaciones. Lo que aún no puede hacer de forma fiable es mirar dentro del modelo y explicar cada paso que lo llevó hasta allí. Mientras las capacidades avanzan rápidamente, la ciencia encargada de interpretarlas continúa intentando alcanzarlas.

Fuente: Xataka.

John Ternus asumirá como CEO de Apple el próximo 1 de septiembre, pocos días antes de una de las presentaciones más importantes del año. Sin embargo, el sucesor de Tim Cook podría estrenarse con un lanzamiento de iPhone muy diferente al habitual. Apple confirmó oficialmente el cambio de liderazgo, aunque todavía no ha revelado cómo organizará su próxima generación de teléfonos.

Los rumores apuntan a que en septiembre llegarán el iPhone 18 Pro, el iPhone 18 Pro Max y el esperado primer iPhone plegable de la compañía. El iPhone 18 convencional y el iPhone 18e quedarían relegados a la primavera de 2027, inaugurando un calendario dividido en dos grandes presentaciones anuales.

Más que un simple cambio de fechas, la decisión mostraría hasta qué punto la crisis mundial de componentes está transformando incluso los planes de Apple.

iPhone 18 Leak Reveals Apple’s Biggest Changes Yet

A new leak suggests Apple is preparing several notable upgrades for the standard iPhone 18, including a new launch timeline and improved hardware.

Rumored:
• Spring 2027 launch (March/April)
• 2nm A20 chip
• 9GB RAM
•… pic.twitter.com/VwjikWMbpz

— Saurav (@Saurav_DJ47) July 30, 2026

Primero los iPhone más caros

Apple comercializa cada vez más variantes de su teléfono. A los modelos Pro y Pro Max se sumarían el plegable, el iPhone 18, el iPhone 18e y, eventualmente, una nueva generación del iPhone Air, aunque distintos informes indican que este último también habría sufrido retrasos.

Presentar todos esos dispositivos simultáneamente supondría competir contra sí misma. El plegable probablemente concentrará gran parte de la atención por ser el formato más novedoso de Apple, mientras que los modelos Pro volverán a ocupar el espacio reservado para las cámaras y prestaciones más avanzadas.

En ese contexto, el iPhone 18 convencional podría quedar en un incómodo segundo plano. Separarlo hasta comienzos de 2027 permitiría a la compañía prolongar la conversación mediática, dar más visibilidad a cada gama y competir con los fabricantes chinos que suelen presentar sus grandes teléfonos durante la primera mitad del año.

Pero el marketing sería solamente una parte de la explicación.

La memoria se convirtió en un problema para todos

La expansión de los centros de datos de inteligencia artificial ha disparado la demanda de chips de memoria y ha reducido la capacidad disponible para ordenadores, tabletas y teléfonos. Samsung, SK Hynix y Micron dominan gran parte del mercado y están destinando recursos a componentes de mayor margen utilizados en servidores de IA.

Tim Cook reconoció recientemente que Apple afronta aumentos en los costos de memoria y restricciones que podrían intensificarse durante los próximos meses. La empresa incluso estaría evaluando nuevos proveedores para reducir su dependencia de los fabricantes tradicionales.

Durante años, el enorme volumen de compras de Apple le permitió negociar precios favorables, reservar líneas de producción y recibir prioridad frente a compañías más pequeñas. Sin embargo, cuando empresas de inteligencia artificial y proveedores de nube están dispuestos a pagar más para asegurar capacidad, ni siquiera Apple puede garantizar todos los componentes que necesita.

Algunos análisis calculan que la memoria podría representar hasta el 45% del costo de los componentes de un iPhone en 2027, frente a aproximadamente el 10% actual. Aunque se trata de una estimación y no de un dato confirmado por Apple, ayuda a entender la magnitud del desafío.

Expected colors for the iPhone 18 lineup 🔥 pic.twitter.com/R8FQQTKgnP

— Apple Hub (@theapplehub) July 3, 2026

Apple ya no recibe siempre el mejor asiento

Dividir el lanzamiento permitiría repartir durante más meses la fabricación de procesadores, almacenamiento y memoria RAM. También daría a Apple más tiempo para negociar precios, conseguir proveedores alternativos y priorizar inicialmente los dispositivos más caros, donde resulta más sencillo absorber el aumento de los componentes.

Fuentes relacionadas con proveedores del iPhone han señalado que la estabilidad de la cadena de suministro es uno de los principales motivos detrás del calendario dividido, aunque la estrategia comercial también habría influido.

Apple continúa siendo uno de los compradores más poderosos de la industria tecnológica. La diferencia es que ya no opera en un mercado diseñado alrededor de los teléfonos y ordenadores personales. Ahora compite por capacidad industrial con una infraestructura de inteligencia artificial dispuesta a invertir cantidades extraordinarias.

El posible retraso del iPhone 18 no significaría que Apple haya perdido todo su poder. Pero sí demostraría algo que hace unos años parecía improbable: cuando escasean los componentes más buscados, tampoco la empresa de Cupertino puede conseguir inmediatamente todo lo que quiere.

Fuente: Xataka.

En Rudong, una ciudad costera situada al norte de Shanghái, se levanta una estructura que podría confundirse con un edificio industrial todavía en construcción. Tiene 148 metros de altura, una enorme estructura interna y se encuentra junto a un parque eólico. Sin embargo, no albergará oficinas, viviendas ni fábricas: funciona como una gigantesca batería.

El proyecto se llama EVx y fue desarrollado por la empresa suiza-estadounidense Energy Vault junto con socios chinos. Su objetivo es almacenar la electricidad sobrante producida por fuentes renovables y devolverla a la red cuando aumente la demanda.

La instalación tiene una potencia de 25 MW y una capacidad de almacenamiento de 100 MWh, suficiente para suministrar su máxima potencia durante aproximadamente cuatro horas. El sistema fue conectado a la red eléctrica china en diciembre de 2023 y posteriormente inició las pruebas y el proceso de puesta en servicio.

Una batería que utiliza la gravedad

El funcionamiento parte de uno de los principios más básicos de la física: la energía potencial gravitatoria. Cuando un objeto pesado se eleva, acumula energía que puede recuperarse posteriormente al hacerlo descender de manera controlada.

Cuando un parque eólico o una instalación solar produce más electricidad de la que necesita la red, EVx utiliza ese excedente para accionar motores que elevan grandes bloques dentro de la torre. Las masas permanecen almacenadas en altura hasta que vuelve a necesitarse electricidad.

En ese momento, los bloques descienden lentamente. Su movimiento acciona generadores eléctricos que transforman la energía mecánica en electricidad y la devuelven a la red.

El principio es similar al de las centrales hidroeléctricas de bombeo. Estas utilizan la energía sobrante para trasladar agua hasta un embalse elevado y después la liberan a través de turbinas. La diferencia es que EVx sustituye el agua y las montañas por bloques sólidos y una estructura vertical.

Sin litio y con materiales reciclados

Las masas utilizadas por el sistema pueden fabricarse con tierra, residuos mineros, cenizas, hormigón recuperado y otros materiales disponibles localmente. Esto permite reducir la dependencia de minerales estratégicos como el litio, el níquel o el cobalto.

Energy Vault asegura que su plataforma puede superar una eficiencia de ciclo completo del 80%. Es decir, puede recuperar más de cuatro quintas partes de la electricidad utilizada inicialmente para elevar los bloques. La compañía también calcula una vida técnica superior a los 35 años y destaca que el medio de almacenamiento no sufre la degradación electroquímica habitual de las baterías convencionales.

Esto no significa que el sistema sea completamente libre de pérdidas. Los motores, generadores, cables y mecanismos de elevación consumen parte de la energía durante cada ciclo. Su principal ventaja es que los bloques pueden permanecer elevados durante largos periodos sin experimentar una autodescarga química.

Una solución prometedora, pero gigantesca

La tecnología también presenta limitaciones. Para almacenar cantidades importantes de electricidad necesita construcciones muy altas y voluminosas, además de una elevada inversión inicial. Algunos especialistas cuestionan si estas torres podrán competir económicamente con las baterías de litio o con centrales de bombeo situadas en terrenos favorables.

Por eso, EVx no pretende sustituir todas las baterías tradicionales. Su función sería complementarlas, almacenando excedentes renovables durante varias horas y ayudando a estabilizar una red eléctrica cada vez más dependiente del viento y del sol.

China ya trabaja en otros proyectos gravitacionales basados en esta tecnología. La extraña torre de Rudong es, por ahora, una demostración de que una batería no siempre necesita productos químicos: también puede construirse con bloques pesados, motores y la fuerza inevitable de la gravedad.

Fuente: Xataka.