La apuesta de 5 millones de dólares de Nvidia por Ilya Sutskever: ¿Está SSI a punto de revelar el ingrediente que le faltaba a la IA?

Safe Superintelligence podría ser la caja negra más interesante de Silicon Valley. El laboratorio de IA fundado por el ex científico jefe de OpenAI, Ilya Sutskever, no tiene un modelo público, ni una aplicación para el consumidor, ni ingresos significativos, y casi ninguna investigación divulgada. Su sitio web todavía se lee más como una extraña promesa que como un plan de negocios: SSI existe con “ un objetivo y un producto: una superinteligencia segura ”.

No obstante, Nvidia ha acordado invertir 5 millones de dólares en la empresa, lo que le dará a SSI acceso a la futura plataforma informática Vera Rubin del fabricante de chips y al hardware suficiente para multiplicar por diez su capacidad de procesamiento. Es fundamental destacar que Nvidia realizó la inversión tras obtener, según describieron ambas compañías, un acceso excepcional a la investigación de SSI, que se mantiene en estricto secreto.

Luego surgió el rumor. Durante una reciente aparición en el podcast Invest Like the Best , Gavin Baker, fundador de Atreides Management, comentó, casi de pasada, que «SSI afirma que presentará su modelo en agosto». SSI no ha confirmado la afirmación, ni ha anunciado un evento de lanzamiento, ni ha revelado qué forma podría tener dicho modelo. Por ahora, se trata de la declaración de un inversor con buenas conexiones, no de una fecha de lanzamiento oficial. Debe tomarse como tal.

Aun así, la secuencia es difícil de ignorar: Nvidia echa un vistazo entre bastidores, extiende un cheque enorme, SSI anuncia que su investigación finalmente está lista para escalar y comienzan a circular rumores de que un modelo es inminente.

En la Edad Dorada original, los financieros apostaban enormes sumas por los ferrocarriles antes incluso de que se construyeran las rutas. En esta, la empresa de chips dominante a nivel mundial está financiando un proyecto ferroviario hacia la inteligencia artificial antes de que nadie fuera del laboratorio sepa adónde conduce.

El científico de IA que rara vez falla

Sutskever no recibe miles de millones por dominar el arte de presentar proyectos a inversores de capital riesgo. Los recibe porque su trayectoria investigadora se asemeja sospechosamente a una hoja de ruta de la inteligencia artificial moderna.

Graduado en matemáticas por la Universidad de Toronto, Sutskever completó su doctorado bajo la dirección de Geoffrey Hinton, una de las figuras clave en la revolución del aprendizaje profundo. En 2012, Sutskever, Hinton y Alex Krizhevsky desarrollaron AlexNet, la red neuronal que arrasó con los sistemas de la competencia en el concurso de visión artificial ImageNet y contribuyó a que el aprendizaje profundo pasara de ser una curiosidad académica a convertirse en el paradigma dominante de la IA. La red se entrenó utilizando solo dos GPU, un hecho que Sutskever aún menciona al argumentar que los grandes avances en la investigación no necesariamente comienzan en centros de datos del tamaño de continentes.

Tras la adquisición por parte de Google de la startup DNNresearch del equipo, Sutskever trabajó en Google Brain y fue coautor del trascendental artículo de 2014 sobre la conversión de secuencias en secuencias, junto con Oriol Vinyals y Quoc Le. Dicha arquitectura contribuyó a sentar las bases de la traducción automática moderna y de la idea más amplia de que las redes neuronales podían transformar una secuencia de información en otra.

Posteriormente, se convirtió en cofundador y científico jefe de OpenAI, donde contribuyó a establecer la tesis central del auge de la IA generativa: redes neuronales suficientemente grandes, entrenadas con conjuntos de datos suficientemente grandes y con suficiente capacidad de procesamiento, adquirirían capacidades que no habían sido programadas explícitamente en ellas. Su nombre aparece en el artículo sobre GPT-3, y Nvidia ahora reconoce su contribución a AlexNet, AlphaGo, los modelos GPT y la línea de investigación que dio origen a los sistemas de razonamiento de OpenAI.

Ese currículum explica por qué SSI atrae una atención que resultaría absurda para casi cualquier otra startup en fase pre-producto. Sutskever ha estado presente en varios momentos en que una idea de investigación poco convencional se convirtió repentinamente en el principio rector de la industria.

De profeta de la escalabilidad de OpenAI a hereje de la escalabilidad

La salida de Sutskever de OpenAI se produjo tras la extraordinaria crisis de gobernanza que atravesó la compañía en noviembre de 2023, durante la cual se unió al intento de la junta directiva de destituir al CEO Sam Altman, antes de lamentar públicamente su participación. Finalmente, se marchó en mayo de 2024, poniendo fin a casi una década en la empresa que ayudó a crear.

Un mes después, fundó Safe Superintelligence junto con Daniel Gross y Daniel Levy. La empresa no desarrollaría asistentes de oficina, generadores de imágenes, asistentes de codificación ni herramientas publicitarias. Su objetivo principal sería la superinteligencia, aislando la investigación de lo que SSI denominaba «gastos generales de gestión», los ciclos de vida de los productos y la presión comercial a corto plazo.

La ironía reside en que el hombre que ayudó a establecer la doctrina de la escala se convirtió posteriormente en uno de sus críticos más destacados. Pero la postura real de Sutskever es más compleja —y más interesante— que el eslogan en línea que afirma que «la escala está muerta».

Tras una larga entrevista de 2025 con Dwarkesh Patel, que se resumió como una predicción de una dura barrera para la escalabilidad, Sutskever hizo una aclaración. Según él, la escalabilidad de los sistemas existentes seguiría generando mejoras y «no se estancaría». El problema radicaba en que «algo importante seguiría faltando».

Ese ingrediente que falta parece estar relacionado con la generalización fiable, el aprendizaje eficiente en cuanto a muestras y el aprendizaje continuo.

Los modelos de vanguardia actuales pueden tener un rendimiento asombroso en las pruebas, pero cometen errores sorprendentemente básicos en implementaciones reales. Pueden procesar billones de tokens durante el entrenamiento, pero enseñarles una nueva habilidad duradera posteriormente sigue siendo engorroso. Los humanos, en cambio, pueden observar unos pocos ejemplos, inferir el principio subyacente y continuar aprendiendo sin tener que empezar de cero.

Sutskever le comentó a Patel que los modelos modernos “generalizan mucho peor que las personas”. En su opinión, la industria ha entrado en una nueva “era de investigación”, ya que multiplicar por cien la fórmula establecida difícilmente producirá la transformación cualitativa prometida por la IA general. El próximo avance requerirá una mejor manera de utilizar la computación, no simplemente más capacidad de procesamiento.

Parece que Sutskever no argumenta que las GPU se hayan vuelto irrelevantes. Argumenta que la computación amplifica una idea, no la reemplaza.

La superinteligencia que comienza en la etapa estudiantil

La concepción de la superinteligencia de Sutskever difiere del oráculo digital omnisciente que se suele imaginar en la ciencia ficción.

Ha descrito el destino como algo más parecido a un “adolescente superinteligente de 15 años”: un sistema que, si bien inicialmente podría no conocer todos los datos ni poseer todas las habilidades profesionales, puede aprender nuevos campos con una rapidez extraordinaria. En lugar de llegar completamente capacitado como programador, médico, ingeniero y científico, poseería un proceso de aprendizaje general capaz de convertirse en todos ellos.

Esta capacidad es mucho más importante que la de un chatbot con mayor memoria o una puntuación matemática ligeramente superior.

Un modelo de aprendizaje continuo podría integrarse en una organización, observar sus sistemas, absorber la retroalimentación y mejorar durante su funcionamiento. Copias implementadas en miles de empresas podrían adquirir diferentes habilidades y, potencialmente, combinar lo aprendido. Los humanos no pueden fusionar la experiencia de 50 000 trabajadores en un solo cerebro. El software, con el tiempo, sí podría.

Sutskever cree que un sistema con una eficiencia de aprendizaje comparable a la humana podría surgir en un plazo de cinco a veinte años. También prevé que su influencia económica se produzca de forma gradual, en lugar de un surgimiento instantáneo de la IA general: los sistemas capaces se integrarían en las empresas, aprenderían las tareas y, poco a poco, superarían las dificultades físicas e institucionales de la economía real.

Sus ideas sobre seguridad son igualmente poco convencionales. Sutskever ha sugerido que los sistemas avanzados deberían diseñarse para proteger la vida inteligente, que su potencia máxima podría tener que limitarse y que su despliegue debería realizarse de forma gradual para que los gobiernos y el público comprendan lo que está por venir. Ya no parece tan convencido de mantener todo dentro de la Inteligencia Artificial Estratégica (IAE) hasta que surja una superinteligencia completa. En la entrevista de 2025, reconoció que es muy valioso permitir que el público vea una IA cada vez más potente y afirmó que la liberación gradual formaría parte de cualquier plan plausible.

Ese cambio deja margen para que SSI lance un sistema intermedio sin abandonar por completo su filosofía de "trayectoria directa".

Por qué el acuerdo de Nvidia cambia la historia

El 27 de julio, SSI y Nvidia anunciaron una asociación estratégica a largo plazo que proporcionará a la startup los sistemas Vera Rubin de próxima generación de Nvidia y ampliará su capacidad de procesamiento en un orden de magnitud.

Las empresas no revelaron el monto de la inversión, pero Reuters informó que Nvidia invertirá 5 mil millones de dólares en SSI . Según se informa, el acuerdo se concretó en cuestión de semanas.

El lenguaje oficial resultó inusualmente revelador para una empresa tan adicta al secretismo.

“Durante los últimos dos años, SSI ha estado impulsando discretamente una nueva línea de investigación”, declaró Nvidia, añadiendo que se unió a la colaboración tras obtener un acceso excepcional al trabajo. La declaración de Sutskever fue aún más directa: “Tenemos una investigación que merece ser ampliada”.

Anunciamos una alianza estratégica a largo plazo con NVIDIA. NVIDIA está realizando una inversión sustancial en SSI que nos permitirá multiplicar por diez nuestra capacidad de cómputo en los próximos 12 meses. Hemos llegado al punto en que nuestra investigación merece ser ampliada y, gracias a esta alianza, podremos hacerlo. Estamos…

— SSI Inc. (@ssi) 27 de julio de 2026

Y es precisamente esa frase la clave del asunto. En su entrevista en Dwarkesh, Sutskever argumentó que SSI no necesitaba el clúster más grande del mundo simplemente para comprobar si sus ideas principales funcionaban. AlexNet, el transformador y otros avances fundamentales se demostraron originalmente utilizando una infraestructura relativamente modesta. Según él, los aproximadamente 3 millones de dólares de financiación previa de SSI eran suficientes para determinar si su línea de investigación era viable.

Ahora la empresa afirma estar lista para expandirse, y Nvidia está de acuerdo. Jensen Huang tiene motivos de sobra para impulsar la creación de un nuevo laboratorio de vanguardia. Nvidia se beneficia cada vez que una empresa con un modelo de negocio innovador requiere clústeres de computación gigantes. Invertir en clientes se ha convertido en una parte importante de su estrategia industrial, lo que suscita inquietudes legítimas sobre la financiación circular en la economía de la IA.

Pero SSI no se limita a alquilar un conjunto de GPU antiguas. Ambas compañías afirman que colaborarán en las plataformas actuales y futuras de Nvidia, lo que permitirá al fabricante de chips acceder a la experiencia de SSI sobre las cargas de trabajo de IA emergentes. Si SSI realmente está desarrollando arquitecturas centradas en el aprendizaje continuo, la eficiencia de muestreo o nuevas formas de aprendizaje por refuerzo, esa información podría influir en el diseño de los futuros sistemas de Nvidia.

Nvidia no solo le está vendiendo el ferrocarril a Sutskever, sino que le está preguntando por dónde deberían pasar las vías.

¿Qué podría lanzar SSI en agosto?

La verdad es que nadie fuera de SSI parece saberlo. La declaración de Baker podría referirse a un modelo público, una vista previa de investigación restringida, una API, una demostración técnica o un lanzamiento gradual ofrecido solo a investigadores y empresas seleccionados. También podría ser inexacta, malinterpretada o basarse en un cronograma que ya se ha modificado.

SSI no ha revelado el modelo, publicado las especificaciones ni prometido un lanzamiento en agosto. Cualquier afirmación de que el laboratorio esté a punto de liberar superinteligencia es pura especulación.

La hipótesis más plausible es que un sistema SSI intentaría demostrar algún aspecto de la agenda de investigación de Sutskever. Esto podría implicar un mejor rendimiento al aprender de un número reducido de ejemplos, una mejor adaptación tras el entrenamiento inicial, una mayor retención de nuevos conocimientos, un rendimiento más uniforme en diferentes tareas o alguna forma controlada de aprendizaje continuo.

Un lanzamiento también podría ser mucho menos revolucionario: otro modelo basado en transformadores con métodos de razonamiento y seguridad mejorados. La historia no exige que cada proyecto de Ilya Sutskever reinvente el campo, y 5 mil millones de dólares no son una revisión por pares.

El formato de lanzamiento del modelo será tan importante como sus puntuaciones en las pruebas de rendimiento. Un sistema de aprendizaje continuo genuino generaría graves problemas de seguridad. Los desarrolladores tendrían que explicar qué se le permite aprender al modelo, cómo se evita que un comportamiento dañino se vuelva permanente, si las diferentes implementaciones comparten conocimientos y cómo los operadores pueden inspeccionar o revertir las actualizaciones.

Un modelo estático puede evaluarse antes de su lanzamiento. Un modelo que cambia con la experiencia es un objetivo en constante evolución.

Precisamente por eso, el debate más amplio sobre la gobernanza de la IA ha trascendido la regulación habitual de productos. Como analizó recientemente Brave New Coin , la llegada de sistemas capaces de superar a los humanos en trabajos de importancia económica exigiría cambios en la política laboral, la estrategia industrial y la distribución de la riqueza, y no simplemente otra advertencia de seguridad bajo la ventana de chat.

El experimento de investigación más caro de la historia

A veces se describe a SSI como la alternativa pura y centrada en la seguridad a laboratorios comerciales como OpenAI, Anthropic y Google DeepMind. Sin embargo, cada vez es más difícil sostener esa descripción.

Una empresa respaldada por Nvidia, Alphabet y algunas de las firmas de capital riesgo más poderosas del mundo no se mantiene al margen del complejo industrial de la IA. Es una de sus instituciones más prestigiosas: un pequeño grupo de investigadores, con miles de millones de dólares y acceso privilegiado a una infraestructura informática escasa, que intenta decidir cómo se debe construir la inteligencia sobrehumana y qué valor debe tener.

Eso no convierte a SSI en una organización fraudulenta o siniestra. La convierte en una organización poderosa, y en gran medida irresponsable ante nadie más allá de sus inversores y fundadores.

Las próximas semanas podrían revelar si el rumor de agosto tiene fundamento. Un retraso no sería sorprendente. Un modelo convencional resultaría algo decepcionante. Una mejora significativa en el aprendizaje continuo o la generalización constituiría uno de los avances más importantes en IA desde la aparición de los modelos de razonamiento.

La pregunta equivocada será si el sistema de SSI supera a ChatGPT, Claude o Gemini en otra serie de pruebas estandarizadas. La pregunta correcta será si Ilya Sutskever ha encontrado ese "algo importante" que la simple escalabilidad nunca iba a proporcionar. Estén atentos, esto se va a poner interesante.