En la historia reciente de la tecnología, algunas ideas nacen de situaciones inusuales y terminan redefiniendo la industria. En 2000, Ian Buck, entonces estudiante de informática en Stanford, imaginó jugar Quake III en resolución 8K uniendo 32 tarjetas GeForce a ocho proyectores. Ese experimento, descrito en el libro The Thining Machine de Stephen Witt (2025), reveló que las GPUs podían funcionar como supercomputadoras domésticas gracias a Brook, un lenguaje de código abierto. Poco después, NVIDIA lanzó CUDA en 2006, marcando el inicio de una era en la que el paralelismo de las tarjetas gráficas se aprovecha para resolver problemas de propósito general. Años más tarde, AlexNet entrenada con CUDA demostró el potencial de esta tecnología para impulsar la revolución de la IA.

Este origen no fue un simple hito: mostró que las GPUs podían ir más allá del renderizado y abrir paso a una nueva forma de computación. Hoy, la historia de CUDA continúa inspirando a desarrolladores y empresas que construyen herramientas y plataformas de IA a gran escala.

Pero la trayectoria no termina ahí. En la actualidad, la IA exige infraestructuras masivas y memorias de alto rendimiento. Un proyecto ambicioso como Stargate, dirigido por OpenAI, prevé inversiones de 500.000 millones de dólares para IA, y las cadenas de suministro de DRAM y NAND se ven presionadas. Modelos y cargas de trabajo intensivas obligan a suministros de DRAM a ser controlados por grandes fabricantes: Samsung y SK hynix aseguran un flujo significativo de obleas mensuales, mientras Micron ha movido su producción de Crucial fuera del mercado de consumo para centrarse en memorias de alto ancho de banda. Los precios se disparan: DDR5 y otros componentes muestran subidas notables, con incrementos de hasta el 70% interanual y, en algunos casos, picos del 170%.

Esta dinámica llega al consumidor: la demanda de memorias afecta costos de PCs, portátiles y dispositivos como Raspberry Pi, mientras grandes fabricantes anuncian subidas de precios y revisiones de BOM. En el sector corporativo, Dell, Lenovo y HP anticipan aumentos de precios; Microsoft 365 también prevé subidas a partir de 2026 para cubrir inversiones en IA y seguridad. En paralelo, se observan señales de mayor valor para GPUs con más VRAM y una posible reconfiguración de suministros de memoria por parte de NVIDIA.

La memoria, en este contexto, se convierte en un cuello de botella crítico para la economía de la IA, con impactos que van desde el precio de los dispositivos de consumo hasta la rentabilidad de centros de datos y soluciones empresariales.

En otras áreas, una investigación de Cambridge sobre 1.300 golden retrievers ha revelado que ciertos genes influyen en rasgos emocionales y de aprendizaje que, en humanos, se asocian a ansiedad, sensibilidad e inteligencia. El estudio identificó 21 regiones del genoma y 18 genes candidatos; doce de ellos se relacionan con rasgos humanos como irritabilidad, depresión o respuesta emocional. Entre los genes destacados están PTPN1 y ROMO1, que en perros se vinculan a agresión y facilidad de aprendizaje, respectivamente. Los autores enfatizan que estos genes no dictan conductas exactas, pero influyen en la regulación emocional y la capacidad de aprendizaje, lo que facilita entender comportamientos complejos y diseñar mejores programas de adiestramiento y bienestar animal. Esta investigación, que cruza datos caninos con estudios humanos, sugiere que la biología compartida puede acelerar avances en salud mental y, a la vez, aportar una perspectiva para entender nuestra psicología a través de modelos biológicos.

Paralelamente, el mundo de los medios y la tecnología continúa evolucionando bajo la hegemonía de la IA. Dentsu presentó su informe de tendencias para 2026, destacando tres verdades humanas que guiarán el crecimiento de las marcas en una era dominada por algoritmos: simplicidad, sociabilidad y atención. En un entorno donde IA, automatización y convergencia cultural rediseñan la forma en que descubrimos y consumimos contenidos, las marcas deben usar los medios como motores de crecimiento y conectar narrativa, experiencia del consumidor y resultados mediante un enfoque de flywheel.

En el plano de la IA aplicada, Anthropic avanza con Claude Agent SDK para mejorar la memoria a largo plazo de los agentes. Su propuesta se apoya en una estructura de dos agentes: un inicializador que establece el contexto y documenta el progreso, y un codificador que avanza de forma incremental y deja registros para continuar desde donde se dejó. Este enfoque evita saturar el contexto y mejora la continuidad entre sesiones, un desafío conocido como memoria de contexto o ‘context rot’. Las pruebas han centrado su alcance en aplicaciones web full-stack, y la idea se integra con otras iniciativas como LangMem, Memobase y Swarm, además de inspirarse en prácticas de desarrollo de software y en enfoques de investigación que buscan resolver la memoria de largo plazo en IA. Aunque aún es temprano, este camino apunta a agentes más fiables y útiles para tareas prolongadas.

La convergencia de estas tendencias —hardware potenciado, memorias más exigentes, modelos de IA con memoria sostenida y estrategias de negocio y medios guiadas por algoritmos— muestra un horizonte en el que la tecnología debe convivir con consideraciones de costo, bienestar y experiencia humana. Es un momento para observar, aprender y adaptar, porque las decisiones que tomemos hoy sobre memoria, aprendizaje y comunicación definirán la utilidad y la sostenibilidad de la IA en los próximos años.