El camino hacia la AGI: de modelos a sistemas en el panorama de la IA de 2026

En la Conferencia Mundial de Inteligencia Artificial (WAIC) de 2026, el enfoque de la pista de modelos grandes y IA generativa cambió significativamente. De las 130 entidades participantes, 83 se centraron en agentes de IA o aplicaciones inteligentes, mientras que solo 18 permanecieron centrados en modelos grandes básicos. Esta tendencia refleja un movimiento más amplio de la industria de evaluar la inteligencia de los modelos a evaluar el valor real creado por los sistemas de IA. La unidad fundamental de la competencia en IA está evolucionando de los modelos individuales a los sistemas integrados. En 2026, la industria de la IA a nivel mundial se encuentra en un punto crítico, con las discusiones sobre la IA general (AGI) pasando de la especulación teórica a la planificación estratégica. Organizaciones como OpenAI, Anthropic y Google DeepMind consideran que la AGI es el objetivo final del desarrollo de la IA. Liang Wenfeng, fundador de DeepSeek, delineó un plan de seis pasos para la AGI, enfatizando la integración de modelos de lenguaje, cadena de pensamiento, agentes, aprendizaje continuo, auto-iteración e inteligencia incorporada. Destacó que cada etapa debe basarse en la anterior para evitar esfuerzos desperdiciados. Los elementos centrales del desarrollo de la IA incluyen el poder de cómputo, los datos, los algoritmos, el talento y la estructura organizacional. A partir de junio de 2026, la capacidad de cómputo inteligente de China alcanzó los 2185 EFLOPS, pero la competencia se está desplazando del rendimiento a nivel de chip a la eficiencia a nivel de sistema. El uso de datos en China para el entrenamiento y la inferencia de la IA alcanzó los 199,48 exabytes en 2025, con los datos de inferencia superando a los datos de entrenamiento por primera vez. Liu Liehong, director de la Administración Nacional de Datos, destacó la transición de la gestión de datos al uso eficaz de los datos. Los algoritmos también están evolucionando de las innovaciones a pequeña escala a los avances fundamentales. El consenso de la industria se está moviendo hacia los modelos del mundo multimodales que comprenden las leyes físicas, lo que permite a la IA realizar tareas a largo plazo y descomponer de forma autónoma los objetivos complejos en subtareas. Los ingenieros de computación de alto rendimiento están en alta demanda, con una relación oferta-demanda de 0,15, y los científicos de la IA ganan un promedio de 132.000 yuanes al mes. Las estructuras organizativas están experimentando cambios sistémicos a medida que las empresas integran la investigación y el desarrollo de la IA. En China, ByteDance fusionó el equipo de productos Feishu con Douyin, Alibaba integró varias líneas de productos de agentes en Qianwen Office y Tencent consolidó sus recursos de I+D. A nivel mundial, Amazon y Google DeepMind también restructuraron sus equipos para centrarse en las capacidades de los modelos fundamentales y el desarrollo de la AGI. La industria de la IA está pasando de 'adquirir inteligencia' a 'inteligencia organizacional'. Si bien los modelos establecen el límite superior de las capacidades de la IA, el éxito en la industria requiere un enfoque holístico que integre el poder de cómputo, los datos, los algoritmos, el talento y la arquitectura. El cartel de contratación de DeepSeek enfatiza que la AGI no es solo un objetivo lejano, sino una visión a largo plazo que requiere un esfuerzo sostenido y perseverancia estratégica. En 2026, el auge de los agentes de IA se ha convertido en una tendencia clara, con los modelos avanzando de 20 a 70-80 puntos en capacidad. Los agentes ahora realizan tareas complejas a través de bucles de observación, pensamiento y acción, en lugar de simples interacciones de pregunta y respuesta. Sin embargo, el rendimiento de los agentes está fundamentalmente limitado por los modelos grandes pre-entrenados. El profesor Tang Jie de la Universidad Tsinghua afirmó que el pre-entrenamiento proporciona a los modelos conocimiento del mundo y capacidades básicas de razonamiento, y que se necesitan más datos, parámetros más grandes y más cómputo para escalar los modelos. El informe técnico de Ling & Ring 2.6 de Ant Group destaca que la transformación de los modelos en agentes redefine los objetivos de optimización de los sistemas de IA, con la capacidad de razonamiento arraigada en el pre-entrenamiento. Li Qiang, vicepresidente de Tencent Cloud, comparó los modelos grandes con motores y la cadena de ingeniería con el proceso de convertirlos en agentes funcionales, destacando la importancia de las capacidades de los modelos fundamentales para impulsar la innovación de la IA.