Inteligencia Artificial
¿Está Gemini de Google liderando ahora la carrera de la IA?
Securities.io mantiene rigurosos estándares editoriales y podría recibir una compensación por los enlaces revisados. No somos asesores de inversiones registrados y esto no constituye asesoramiento de inversión. Consulte nuestra divulgación de afiliados.
El desarrollo de la tecnología de IA se ha descrito con razón como una carrera, con empresas privadas emergentes como OpenAI y Anthropic compitiendo de igual a igual con gigantes tecnológicos como Microsoft. (MSFT ) y Google (GOOGL )Esta carrera ha sido impulsada por cientos de miles de millones de dólares en inversiones, no solo en desarrollo de software, sino también en gastos de capital masivos para construir centros de datos de IA cada vez más grandes y con mayor consumo de energía para entrenar los modelos más recientes.
Mientras tanto, los modelos chinos también están progresando rápidamente, añadiendo un sentido de urgencia y competencia geopolítica a los esfuerzos de las empresas occidentales.
Últimamente, parece que Gemini de Google se está adelantando a sus competidores, especialmente con el lanzamiento de Gemini 3 Deep Think, un modelo centrado en una comprensión realista no solo de los idiomas, sino también del mundo físico. Además, Google también ha sido seleccionado por Apple. (AAPL ) para impulsar la inteligencia artificial de los dispositivos de la empresa y está progresando en el negocio de fabricación de chips de inteligencia artificial.
Géminis 3 Reflexión profunda: ¿Qué cambió?
Liberación de pensamiento profundo
Con el lanzamiento el 12 de febreroth, 2026, de Gemini 3 Deep Think, Google dio un paso definitivo al pasar de IA que se centran principalmente en la búsqueda y el lenguaje (LLM) hacia IA más generalistas capaces de comprender el mundo físico.
Este es un avance importante, ya que la “IA física” es la dirección que está tomando la industria, una tendencia que exploramos con más detalle en “IA física: Invertir en el auge de los robots humanoides de 2026."
Por ahora, el nuevo Deep Think está disponible en la aplicación Gemini para los suscriptores de Google AI Ultra y, por primera vez, disponible a través de la API de Gemini para investigadores, ingenieros y empresas seleccionados, lo que hace que esta IA ya esté disponible comercialmente y no solo sea un modelo de prueba.
Matemáticas y ciencias primero
Lo que distingue a Deep Think de las iteraciones anteriores de Gemini, y en cierta medida también de otras IA, es un enfoque en la comprensión matemática.
Los modelos LLM tienen un rendimiento notorio bajo en tareas matemáticas sencillas, a veces incluso fallando en sumas o conteos simples. Esto no aplica a Deep Think, que ha permitido a agentes especializados realizar exploraciones matemáticas a nivel de investigación. El modelo está superando ampliamente a otros modelos en pruebas de matemáticas y ciencias. También tiene un excelente rendimiento en tareas de codificación.
Fuente: Google
La diferencia con Gemini Pro Preview es aún más marcada en pruebas sobre temas científicos, de las Olimpiadas Internacionales de Matemáticas o las Olimpiadas Internacionales de Química, donde obtuvo alrededor del 82%, en comparación con solo el 14% de la prueba de matemáticas del anterior modelo LLM de Google.
Fuente: Google
Estos resultados fueron posibles gracias a una arquitectura radicalmente diferente a la de las “IA clásicas”, que sufren alucinaciones cuando los datos son demasiado escasos, lo que por definición siempre será el caso del último descubrimiento científico.
Por ejemplo, para matemáticas puras, un agente de investigación matemática (cuyo nombre en código interno es Aletheia), impulsado por Gemini Deep Think, incorpora un verificador de lenguaje natural para identificar fallos en las soluciones candidatas. Esto permite un proceso iterativo de generación y revisión de soluciones. Fundamentalmente, este agente puede admitir fallos en la resolución de un problema, una característica clave que mejoró la eficiencia de los investigadores.
Fuente: Google
Este enfoque no sólo es más poderoso para brindar los resultados correctos, sino que también es más eficiente, ya que Aletheia demostró que se puede lograr una mayor calidad de razonamiento con un menor tiempo de inferencia.
El enfoque puede extenderse de las matemáticas a otras ciencias físicas. Por ejemplo, Gemini Deep Think descubrió cómo usar una solución novedosa mediante polinomios de Gegenbauer para calcular la radiación gravitacional de las cuerdas cósmicas.
Aplicaciones científicas reales
Este rendimiento ya se está traduciendo en usos científicos reales por parte de los investigadores.
Por ejemplo, la matemática Lisa Carbone de la Universidad Rutgers utilizó Deep Think para encontrar un fallo lógico que los revisores humanos no habían detectado en un artículo matemático altamente técnico sobre la teoría de la gravedad y la mecánica cuántica de Einstein.
El Laboratorio Wang de la Universidad de Duke también utilizó Deep Think para diseñar una receta para desarrollar películas delgadas de semiconductores de más de 100 micrómetros, un objetivo que hasta ahora era difícil de alcanzar.
Distribución, hardware y impulso estratégico
El logro de Deep Think se suma a otras buenas noticias para el equipo de inteligencia artificial de Google.
La decisión más importante fue la de Apple, el único gigante tecnológico que prácticamente no participó en la carrera de la IA, de adoptar Gemini como su IA predeterminada en los dispositivos Apple. En ese contexto, Tiene sentido que OpenAI declarara en diciembre de 2025 un “Código Rojo” con respecto al progreso de Google y otras empresas de IA también..
“La base de usuarios de Gemini ha ido aumentando desde el lanzamiento en agosto de un generador de imágenes, Nano Banana, y Google dijo que los usuarios activos mensuales crecieron de 450 millones en julio a 650 millones en octubre.
OpenAI también enfrenta presión por parte de Anthropic, que se está volviendo popular entre los clientes comerciales”.
Otro de los logros recientes de Google es el éxito de sus chips de IA. En primer lugar, Fue Anthropic, que anunció que comenzaría a utilizar los chips de inteligencia artificial de Google, llamados TPU. (Unidades de Procesamiento Tensorial), incluyendo el uso de hasta un millón de procesadores para impulsar su software de IA. Ahora, La empresa competidora de inteligencia artificial Meta también se suma al uso de las TPU de Google., lo que pone en duda si Google se está convirtiendo en un competidor de Nvidia (NVDA ) tanto como a OpenAI.
(Puede leer más sobre TPU y otro hardware enfocado en IA como XPU, FPGA, etc., en “Invertir en hardware de IA: desde CPU hasta XPU")
La estrategia de IA de Alphabet: integración vertical a escala
Desliza para desplazarte →
| Empresa | Enfoque del modelo | Estrategia de hardware | Control de distribución | Integración vertical |
|---|---|---|---|---|
| Alphabet | Géminis 3 Pensamiento profundo (Matemáticas/Ciencias) | TPU internas | Android + Búsqueda + Posible enrutamiento de Apple | Pila completa (Chip → Nube → Consumidor) |
| Microsoft/Open AI | Modelos GPT (Maestría en Derecho General) | GPU de Nvidia a través de Azure | Windows + SaaS empresarial | Parcial |
| Meta | Llama (peso abierto) | GPU + silicio personalizado | Plataformas sociales | Moderado |
| Antrópico | Claude (Enfoque empresarial) | TPU de Google | Ofertas API + Enterprise | Bajo |
El enfoque en las TPU es un buen indicador de la estrategia de Google. LLMs sólidos como Gemini y un rendimiento superior en aplicaciones del mundo real como Deep Think son, por supuesto, muy importantes.
Pero es en el control de la distribución de IA y en la estructura de costos + acceso al capital donde Google mantiene una posición sólida.
La presencia de Google en el mercado móvil a través de Android ya es fuerte, pero con el acuerdo con Apple, casi garantiza que la mayoría de las solicitudes de IA que no se dirigen específicamente a una aplicación de IA determinada irán a Gemini, directa o indirectamente.
El otro componente es la creciente dependencia de las TPU. Algunos informes indican que las TPU son aproximadamente un 30 % más económicas que las GPU de Nvidia y ofrecen entre 2 y 4 veces mejor rendimiento por dólar en cargas de trabajo comparables. El menor consumo de energía para el mismo cálculo no es solo un problema financiero; también ayuda a escalar los centros de datos de IA a pesar de las crecientes limitaciones del suministro energético.
Por último, el nivel de integración vertical (empezando por las TPU, pasando por centros de datos de propiedad directa, una plataforma de nube empresarial y luego un canal de distribución para el consumidor) no tiene parangón en la industria; solo Microsoft se acerca un poco en el espacio empresarial.
Finalmente, la construcción de infraestructura de IA ha sido extraordinariamente costosa. Estos cientos de miles de millones de dólares en chips y centros de datos ahora deben pagarse, lo que genera enormes costos de amortización en el balance general cada año. La magnitud de los flujos de caja de Alphabet provenientes de búsquedas, YouTube, Android y otros productos le permite gestionar mejor tanto los costos iniciales como el mantenimiento futuro de esta infraestructura.
¿Está Géminis realmente tomando la delantera?
Afirmar que existe un "ganador" en la carrera de la IA es ciertamente prematuro. Por ejemplo, todo el paradigma actual podría verse trastocado si Los centros de datos orbitales de la ahora fusionada xAI/Space demuestran ser una fuerte ventaja competitiva.
Pero parece que están surgiendo algunas tendencias que favorecen a Google.
La primera es la necesidad de hardware de IA especializado, un dominio en el que muchos gigantes tecnológicos están rezagados, lo que da ventaja a los fabricantes de chips y a Google.
La otra es la importancia del control de la distribución para el público en general, que podría no ser muy consciente de qué IA puede o debe usar. En ese sentido, el acceso directo a todo el ecosistema de Apple refleja la estrategia anterior de convertir a Google en el motor de búsqueda predeterminado en los iPhones.que incluso provocó fallos antimonopolio en Estados Unidos a finales de 2025 por ser "demasiado beneficioso".).
Gracias a la destreza de Deep Think en matemáticas y ciencias, Google está experimentando un excelente comienzo de 2026 en lo que respecta a la IA. Queda por ver si esta posición de liderazgo se mantendrá a largo plazo frente a la resistencia de OpenAI, Microsoft, Meta, Anthropic y una multitud de modelos chinos, incluyendo gigantes tecnológicos chinos como Alibaba. (BABA ) o ByteDance—aún está por verse.
