Jensen Huang Declara 'Hemos Alcanzado la AGI' — Y el Mundo de la IA No Se Pone de Acuerdo
El CEO de Nvidia dijo a Lex Fridman que la AGI ya llegó, definiéndola como IA capaz de construir una empresa de mil millones de dólares. Investigadores y competidores respondieron con fuerza, reavivando el debate más antiguo de la IA.
Jensen Huang dijo lo que muchos pensaban pero nadie decía. En el podcast de Lex Fridman, publicado el 22 de marzo durante la semana del GTC 2026, el CEO de Nvidia declaró sin rodeos: “Creo que hemos alcanzado la AGI.”
La afirmación no fue espontánea. Fridman preguntó cuánto tardaría la IA en innovar, encontrar clientes, gestionar un equipo y construir una empresa de mil millones de dólares. La respuesta de Huang: la era ya llegó. Describió un escenario donde un modelo Claude crea un servicio web, unos miles de millones de personas lo usan a 50 centavos cada uno, y genera mil millones en ingresos — aunque el negocio colapse poco después.
Ahí está el núcleo del desacuerdo. La definición de AGI de Huang es estrictamente económica: ¿puede la IA generar ingresos a escala sin gestión humana? Con esa métrica, tiene argumentos. GPT-5.4 puntúa 83% en GDPval, igualando o superando a profesionales en 44 ocupaciones. Claude Opus 4.6 maneja ventanas de contexto de un millón de tokens. Estos modelos escriben código de producción, redactan documentos legales y analizan imágenes médicas.
La respuesta
Los investigadores académicos rechazan el planteamiento de raíz. AGI, en la definición de consenso, significa rendimiento a nivel humano en todas las tareas cognitivas — no solo las comercialmente valiosas. Los sistemas de IA actuales siguen alucinando datos, tienen dificultades con el razonamiento genuinamente novedoso y carecen de la comprensión que los humanos construyen a través de la experiencia corpórea.
Yann LeCun ha sido el crítico más vocal, argumentando que los modelos de lenguaje autoregresivos son arquitectónicamente incapaces de alcanzar la AGI independientemente de la escala. Su postura: se necesitan modelos del mundo, no transformers más grandes.
El timing también es sospechoso. Nvidia acaba de anunciar un backlog de 1 billón de dólares entre Blackwell y Rubin en el GTC. Cada ciclo de hype de IA vende más GPUs. Cuando el CEO de la empresa que vende los picos y las palas declara que la fiebre del oro alcanzó su destino, la estructura de incentivos es obvia.
Lo que el GTC realmente mostró
La plataforma Vera Rubin — seis chips nuevos, incluyendo la GPU Rubin con 50 petaflops de cómputo NVFP4 y la CPU Vera con 88 núcleos personalizados — promete una reducción de 10x en el coste por token de inferencia frente a Blackwell. AWS se comprometió a desplegar más de 1 millón de GPUs Nvidia este año. Microsoft Azure se convirtió en la primera nube hiperescalar en activar sistemas Vera Rubin NVL72.
Nvidia también presentó NemoClaw, un stack empresarial para despliegue seguro de agentes IA, y anunció Space-1, un plan para poner centros de datos Vera Rubin en órbita.
La verdadera pregunta
Si la AGI ha llegado depende completamente de qué definición uses. Con el benchmark comercial que Huang eligió, los modelos actuales son extraordinarios. Con el benchmark científico que prefieren la mayoría de investigadores, no estamos cerca. La conclusión útil no es si la AGI está aquí — es que la brecha entre lo que la IA puede hacer comercialmente y lo que no puede hacer cognitivamente es ahora la tensión central del campo.