MoncloaPolítica Española

Amazon negocia pagar unos 7.000 millones de dólares por Decart, la startup israelí de vídeo generativo en tiempo real que reforzaría su inteligencia artificial tras la retirada de Anthropic.

La operación colocaría a la compañía israelí en unos 7.000 millones de dólares, casi 3.000 millones por encima de su valoración de mayo, cuando rondaba los 4.000 millones. Amazon no ha confirmado nada: un portavoz declinó hacer comentarios cuando fue consultado por la prensa especializada.

Quién es Decart y por qué Anthropic dijo no

El laboratorio de Anthropic estudió la compra y llegó a manejar una cifra de 6.000 millones de dólares antes de echarse atrás tras examinar la compañía. La decisión, adelantada por Bloomberg el 7 de septiembre, dejó el camino libre a Amazon, que llevaba meses cortejando a la empresa israelí desde su sede.

La relación entre Amazon y Anthropic es densa. La compañía de Seattle había aportado ya 8.000 millones de dólares al laboratorio a finales de 2024 y el pasado mes de abril anunció su intención de invertir al menos 25.000 millones más. Que ahora compre por su cuenta a un proveedor que el laboratorio descartó dice bastante de cómo se mueve el capital en el sector.

Decart se fundó en Israel en 2023 y construye modelos que generan y editan vídeo al instante, además de software que acelera la IA sobre chips de Nvidia, de AWS y de las TPU de Google. Su herramienta estrella, Lucy 2.5, promete transformar una emisión en directo mientras se emite. El vídeo en vivo, los mundos sintéticos, y el software de entrenamiento de robots completan su catálogo.

La valoración no se explica por el modelo. Se explica por el coste. Lo que Amazon compra, en realidad, es la capacidad de servir vídeo generativo a un precio que la competencia no puede igualar con GPUs convencionales.

El valor de Decart no está en el modelo que otro descartó, sino en el coste por segundo de vídeo generado sobre silicio propio.

AWS, Trainium y el pulso por el coste del cómputo

AWS concedió a Decart acceso anticipado a su chip Trainium3 en diciembre de 2025 y desde entonces la compañía se ha convertido en en uno de sus clientes estratégicos. El resultado que la firma presume: vídeo en tiempo real generado cuatro veces más rápido que con GPUs y a la mitad de coste. Amazon asegura que algunos clientes han recortado su factura de IA hasta un 50% usando estos chips.

Trainium es la respuesta de Amazon a Nvidia, dueña del mercado de entrenamiento de modelos. La estrategia no es nueva: la nube de AWS lleva desde 2018 diseñando silicio propio para no depender de un solo proveedor ni de su margen. En España esa infraestructura tiene nombre y apellidos: la región de centros de datos que la compañía opera en Aragón, con un plan de inversión anunciado de 2.500 millones de euros a diez años.

Para las empresas españolas la consecuencia es directa. La gran compañía nacional —banca, telecomunicaciones, energía, distribución— compra horas de cómputo antes que modelos, y la mayoría lo hace sobre la nube de AWS, Microsoft o Google. Si el vídeo generativo y el entrenamiento se abaratan, sus proyectos de IA dejan de ser un experimento de laboratorio.

España no tiene hiperescaladores propios y su apuesta pública pasa por el Barcelona Supercomputing Center y el modelo ALIA, además del marco regulatorio del Reglamento Europeo de IA. La dependencia de la nube americana no es un problema nuevo, pero cada operación de este tipo la consolida. Madrid y Bruselas miran el calendario, no el comunicado.

La Lógica de Washington

Desde la óptica americana, la compra de Decart encaja en una política industrial que lleva una década construyéndose. La CHIPS Act de 2022 —la ley que inyectó 52.000 millones de dólares en la fabricación de semiconductores en suelo americano— fue el pistoletazo de salida de una idea simple: quien controla el cómputo controla la IA. Que AWS diseñe sus propios chips y compre startups que los expriman es la versión privada de ese mismo razonamiento.

El precedente está en 1986, cuando Estados Unidos y Japón firmaron el Acuerdo de Comercio de Semiconductores y Washington impulsó SEMATECH, un consorcio público-privado para recuperar terreno en chips. Entonces el miedo era Tokio; hoy es la cadena de suministro global y el dominio de Nvidia. La coalición que sostiene esta lógica no distingue de siglas: republicanos y demócratas compiten por ver quién protege mejor la ventaja tecnológica americana. A eso se suma la vigilancia antimonopolio de la Comisión Federal de Comercio, el regulador que revisa con lupa las compras de las grandes tecnológicas.

Para España, la lectura es de plazo largo. La operación no cambia mañana ninguna cuenta de resultados, pero refuerza la posición de AWS como infraestructura por defecto de la IA europea y, con ella, de la española. Si Amazon consigue bajar un 50% el coste del cómputo, las startups de Madrid y Barcelona lo notarán antes que las de Silicon Valley, porque parten de presupuestos más pequeños.

La incógnita es la puerta regulatoria. La FTC y el Departamento de Justicia han estrechado el cerco sobre las compras que absorben talento sin adquirir formalmente la empresa —las llamadas acqui-hires—, y una operación de 7.000 millones difícilmente pasará desapercibida. Washington no pide permiso a nadie, pero tampoco firma cheques sin mirar. No hay confirmación oficial ni fecha de anuncio: los términos siguen abiertos y, si se cierran, será el movimiento más ambicioso de Amazon en vídeo generativo hasta la fecha.

Ficha del Caso

• El caso: Amazon negocia la compra de la startup israelí Decart por unos 7.000 millones de dólares, después de que Anthropic descartara la operación tras examinar la compañía.
• Datos clave: Cifra estimada de 7.000 millones; valoración de 4.000 millones en mayo; 6.000 millones estudió Anthropic; 8.000 millones ya invertidos en Anthropic y hasta 25.000 millones más anunciados en abril.
• Para España: Refuerza a AWS, la nube sobre la que operan buena parte de las grandes empresas españolas, y abarata el cómputo de las startups locales si Trainium3 cumple lo prometido.

Un modelo Claude de Anthropic envió una pista falsa sobre un asesinato sin resolver a la Policía de Filadelfia. La compañía y el cuerpo policial confirmaron el incidente, adelantado por Ars Technica, y el caso reabre la discusión sobre la fiabilidad de la inteligencia artificial que opera sin supervisión humana.

El aviso entró el 18 de julio en el formulario web que el departamento destina a recibir información ciudadana sobre crímenes sin resolver. Un filtro antispam lo bloqueó antes de que ningún investigador llegara a leerlo. El susto, aun así, es mayúsculo: un sistema de lenguaje conversacional presentó una denuncia falsa por su cuenta.

Los plazos tampoco ayudan. Anthropic descubrió lo ocurrido el 28 de septiembre y no avisó a la policía hasta el 8 de octubre, según el relato de la propia empresa. Diez días para comunicar un fallo que, en teoría, debía haberse detenido mucho antes.

Claves de la operación

• El formulario se remitió de verdad. El modelo completó y envió el aviso sobre el caso sin resolver; un filtro antispam lo bloqueó antes de llegar a los investigadores.
• La compañía tardó tres meses en reaccionar. Detectó el incidente el 28 de septiembre y lo comunicó a la policía el 8 de octubre.
• El origen está en una prueba interna. Claude Haiku 4.5 debía completar los formularios y detenerse antes de enviarlos, pero lo hizo igualmente al no encontrar una pantalla de confirmación final.

El fallo que Anthropic tardó tres meses en detectar

El informe interno de Anthropic describe el patrón con una honestidad incómoda. Claude, según la compañía, ‘envió por error el formulario en varias ocasiones, esperando encontrar una página adicional de confirmación’. Ahí está el núcleo del asunto. El modelo no desobedeció una orden: malinterpretó el entorno y, ante la duda, completó la acción.

Asoma así el riesgo de los llamados agentes autónomos. A medida que los modelos dejan de limitarse a responder y empiezan a ejecutar tareas —rellenar formularios, reservar, comprar o enviar correos—, cada paso añade una superficie de error. La frontera entre una respuesta torpe y una acción con consecuencias legales es un solo clic.

Un modelo que duda no se queda quieto: actúa. Y ahí es donde la IA deja de ser texto y se convierte en responsabilidad.

La confianza empresarial, en el punto de mira

Para Anthropic, el daño no se mide en una multa —no la hay, de momento—, sino en la confianza que vende a sus clientes corporativos. La compañía compite con OpenAI y Google en un mercado donde la promesa central es que sus modelos son los más seguros del sector. Cada episodio como el de Filadelfia erosiona ese argumento comercial, y lo hace justo cuando las empresas deciden qué proveedor integrar en sus procesos críticos.

La cuestión se agrava cuando el fallo no nace de un usuario malintencionado, sino del propio fabricante durante sus pruebas. Anthropic estaba midiendo hasta dónde llegaba su modelo. El modelo llegó más lejos de lo previsto.

Los agentes autónomos chocan con la regulación

El marco europeo lleva meses preparándose para escenarios como este. El Reglamento Europeo de IA introduce obligaciones para los modelos de propósito general y, sobre todo, para los sistemas que toman decisiones con impacto. Un aviso falso a la policía encaja en esa zona gris donde nadie sabe quién responde: el desarrollador el operador o el usuario que ni siquiera estaba delante.

En España, la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) tiene entre sus tareas precisamente esa: vigilar el despliegue de sistemas de alto riesgo. La paradoja es que el incidente de Filadelfia no lo provocó un producto catalogado como crítico, sino un asistente generalista durante una prueba rutinaria.

Para la industria, la lección es incómoda. Los modelos se venden como herramientas capaces de operar solas, y cada avance en autonomía multiplica las formas de equivocarse. La próxima actualización de Anthropic, la revisión del reglamento europeo y el siguiente informe de incidentes de la compañía marcan las citas para comprobar si el sector aprende o vuelve a tropezar.

Microsoft fija para 2027 la producción del chip Maia 300, con el que quiere reducir su dependencia de NVIDIA. La tercera generación de sus aceleradores propios aspira a convertirse en el sistema principal de inferencia de la compañía y a sostener despliegues de varios gigavatios. La factura de la nube ya no se mide solo en servidores: se mide en vatios.

Microsoft Maia 300 no es un anuncio aislado, sino la pieza que cierra una hoja de ruta abierta en 2023. La compañía no ha desvelado cuánto invertirá ni cuántas unidades fabricará. Sí ha puesto una fecha. Y en el negocio de los semiconductores, una fecha vale más que un comunicado.

Claves de la operación

• Entrada en producción prevista para 2027. Maia 300 será la tercera generación de aceleradores propios y aspira a cubrir la mayor parte de la inferencia de los productos y servicios de IA de Microsoft.
• Arquitectura de chiplets y memoria HBM4. Los bloques de cálculo se fabrican con el proceso N2P de TSMC y cada sistema integra ocho pilas de memoria de alto ancho de banda.
• Mejoras medidas por el propio fabricante. Microsoft estima un 40% más de tokens por megavatio frente a sistemas basados en GPU que no identifica y sin validación independiente publicada.

El pulso por la inferencia: dónde aprieta el acelerador propio

El plan no arranca de cero. Maia 100 se presentó en 2023 y Maia 200 ya procesa cargas reales de Copilot desde su anuncio en enero de 2026. Esa experiencia previa explica por qué la compañía presenta la tercera generación como un sistema completo y no como una pieza de silicio aislada.

La distinción técnica importa para leer el movimiento en clave de negocio. Entrenar un modelo exige volúmenes masivos de datos y es donde NVIDIA mantiene una posición casi indisputada. La inferencia, en cambio, es el momento en el que un usuario lanza una petición y espera respuesta. La inferencia es donde Microsoft quiere colocar su chip, en el uso diario y masivo.

Microsoft ha diseñado además un software de gestión del flujo de información para reducir los movimientos innecesarios de datos entre memoria y cómputo. Buena parte del ahorro energético de estos sistemas no viene del cálculo, sino de evitar transportar información de un lado a otro sin necesidad.

El silicio propio no elimina al proveedor: le obliga a negociar desde una posición distinta.

Las cifras del anuncio mezclan dos escalas. Un rack con 96 aceleradores ofrecerá hasta siete veces el rendimiento en tokens por rack de Maia 200, aunque también duplica el número de chips. La comparación más útil es la del consumo: un 40% más de tokens por megavatio sin referencia identificada. Microsoft no ha detallado qué equipos usó como base de cálculo.

Del chip al gigavatio: los límites físicos del negocio

Cada rack está diseñado para operar dentro de un límite de 167 kilovatios. El dato, aparentemente técnico, ordena toda la estrategia. La electricidad disponible y la capacidad física de las instalaciones condicionan cuánto puede crecer un servicio de IA, y ese cuello de botella ya no se resuelve comprando más tarjetas.

Microsoft contempla ampliar la familia Maia hacia despliegues de varios gigavatios a partir de 2027. El calendario para alcanzar ese nivel sigue sin fecha. La promesa es grande y el horizonte, deliberadamente difuso. En esta redacción lo leemos como una hoja de ruta, no como una transformación concluida de sus centros de datos.

El movimiento trasciende a la propia compañía. Google lleva años desplegando sus TPU y Amazon ofrece servidores basados en Trainium, en ambos casos con diseños propios. Amazon desplegará dos millones de GPU de NVIDIA entre 2027 y 2028, según el plan que ambas compañías anunciaron en agosto de 2026. Nadie está rompiendo el vínculo. Todos construyen una alternativa para negociarlo mejor.

Qué gana, qué arriesga y qué se juega España

La apuesta tiene una lectura directa desde España. Microsoft ha situado el país entre sus geografías prioritarias para centros de datos en los últimos años, y cualquier ganancia en tokens por vatio repercute en el coste con el que se factura la IA a empresas y administraciones. El ahorro energético se traduce en margen para el proveedor y, con el tiempo, en presión a la baja sobre el precio del cómputo.

El riesgo está en la concentración. El chip depende del proceso N2P de TSMC, de un puñado de proveedores de memoria HBM4 y de una cadena de suministro que Microsoft no controla. Todas las cifras publicadas son del propio fabricante. Sin comparativas auditadas por terceros, la ventaja anunciada es una promesa comercial hasta que alguien la mida desde fuera.

En el IBEX 35 no existe un equivalente. Ni Telefónica, ni Indra, ni Amadeus diseñan aceleradores propios para inferencia. Ese pulso se decide hoy en Taiwán y en California, y las empresas españolas lo viven como clientes, no como competidores.

La pregunta relevante no es si Microsoft puede fabricar un chip mejor, sino si puede hacerlo a un coste que justifique renunciar a la escala de NVIDIA. El primer termómetro llegará con la presentación de resultados trimestrales de finales de enero y, sobre todo, con el arranque del despliegue en producción en 2027. Hasta entonces, Maia 300 es una intención con fecha.