81.000 milions de dòlars. En un sol dia. Això és el que ha aconseguit Anthropic amb la seva sortida a borsa, la més gran de la història. Una empresa fundada fa poc més de cinc anys que ha debutat amb una valoració d'1,5 bilions de dòlars, ha arribat momentàniament als 2 bilions, una xifra comparable al PIB d'Espanya, i ha tancat la primera sessió amb una revaloració superior al 17%. Una barbaritat! I de passada, ha convertit una bona colla dels seus empleats en multimilionaris. Però el més important no és només la magnitud de l'operació. Anthropic és la primera de les grans empreses de models d'IA que surt a borsa, i probablement no serà l'última. Això ens permetrà començar a veure amb molta més transparència com funcionen aquests negocis, quan ingressen, quant gasten i, sobretot, si són capaços de convertir tota aquesta intel·ligència en beneficis.

Estem revivint el 2000. Amb les puntcom es va crear una quantitat extraordinària de riquesa, però no es va repartir entre tots. La van capturar sobretot les empreses americanes. Ara torna a passar, però amb una diferència important: aquesta vegada també hi ha la Xina. Hi ha dues grans maneres de capturar el valor de la IA. La primera és crear-la i vendre-la, com fa Anthropic. La segona és utilitzar-la per transformar empreses, augmentar la productivitat i competir millor en tots els sectors. Aquesta és una de les grans apostes de la Xina. I Europa? Malauradament, no sembla que estiguem destacant ni en una cosa ni en l'altra. El resultat pot ser el mateix que amb internet, però amplificat: una enorme creació de riquesa que capturaran els americans i els xinesos, mentre Europa esdevé relativament més pobra, menys competitiva i més irrellevant. I això no és inevitable. Està a les nostres mans canviar-ho, però ens hem de posar les piles. I de pressa!

Mentrestant, el serial de Jensen Huang continua. L'antic CEO de Nvidia ha declarat que estaria encantat de tornar a dirigir la companyia que va fundar. Donald Trump i Elon Musk li han donat suport, com també milers d'empleats i admiradors. Però Nvidia no sembla disposada a obrir-li la porta. Ni Harvey Jones, el nou president del consell d'administració, ni Colette Kress, la CEO interina, han donat cap senyal que el retorn sigui una possibilitat real. De fet, el consell ha deixat clar que no el preveu. I encara queda el capítol polític. Huang haurà de comparèixer l'1 de desembre, a porta tancada, davant de tres comitès de la Cambra de Representants dels Estats Units: Intel·ligència, Afers Exteriors i el comitè sobre el Partit Comunista Xinès. També hi ha una investigació al Senat, encara sense data de compareixença anunciada.

Però la paradoxa és extraordinària. Nvidia viu una crisi de lideratge mentre el seu negoci va com un coet. Aquesta setmana ha anunciat uns ingressos trimestrals de 115.800 milions de dòlars, un 103% més que l'any anterior, amb un marge brut proper al 75%. Unes xifres espectaculars que demostren fins a quin punt continua creixent la demanda d'infraestructura per a la IA. I mentre Nvidia intenta girar full, OpenAI i Google han decidit prémer l'accelerador. OpenAI ha presentat finalment GPT-6.2 Astra i GPT-6.2 Sol. Astra és el model més potent, orientat als problemes més difícils, el raonament avançat i la recerca científica. Sol està pensat per a tasques que necessiten més agilitat i eficiència. Tots dos competeixen amb els models capdavanters d'Anthropic, com Fable 5.2 i Opus 5.5. I encara esperem el futur Fable 5.5!

Però aquí hi ha una novetat que va molt més enllà dels noms i dels rànquings. La cursa ja no consisteix només a tenir el model més intel·ligent, sinó a aconseguir que aquesta intel·ligència costi menys. Més capacitat, menys càlcul i menys diners per resoldre una mateixa tasca. Aquesta és la nova frontera competitiva. Google ha optat per una estratègia diferent, molt més granular, amb tota una família de models Gemini 4: Carbon, Neon, Argon i Hydrogen. Carbon és el més potent, pensat per als problemes que exigeixen un raonament profund. Argon busca un equilibri entre capacitat i cost, mentre que Hydrogen aposta per la velocitat i l'eficiència i ja s'ha incorporat a Google Search. La diversitat és tan gran que comença a ser difícil seguir-los! I, per acabar-ho d'embolicar, un model teòricament inferior pot superar-ne un de superior si li donem més temps i capacitat de raonament. Google està demostrant que no sempre necessitem un Ferrari per anar a comprar el pa.

I encara hi ha una altra batalla que acaba de començar: la dels models especialitzats. OpenAI ha actualitzat Astra for Law amb GPT-6.2 i ha aconseguit situar-lo al capdavant de diversos rànquings d'intel·ligència jurídica, incloent-hi una prova desenvolupada per Harvey, una de les empreses de referència en IA legal. Això planteja una pregunta interessant: què passarà amb empreses especialitzades com Harvey quan els grans models generalistes siguin cada vegada més bons en dret? Probablement veurem una divisió del treball. Els models generals i les seves versions especialitzades resoldran cada vegada més consultes i tasques jurídiques. Les plataformes com Harvey hauran de competir per la integració amb els processos dels despatxos, la gestió de casos complexos i l'execució de treballs llargs que involucren múltiples professionals, documents i decisions.

I el mateix passarà en medicina, enginyeria, finances i molts altres camps. No n'hi haurà prou amb ser una IA especialitzada. Caldrà aportar alguna cosa més. Ha estat una setmana extraordinària. Anthropic ha demostrat que els mercats estan disposats a valorar la IA en bilions de dòlars. Nvidia continua creixent espectacularment, fins i tot sense Jensen Huang. OpenAI i Google ens mostren una nova generació de models més potents i eficients, i la competència s'estén ara cap als sectors professionals. Però potser el més extraordinari és pensar que tot això ho està protagonitzant una empresa com Anthropic, que fa només cinc anys ni tan sols existia. I encara som al començament. Perquè hi ha una cosa gairebé segura: aquests són els pitjors models d'IA que veurem durant la resta de les nostres vides. Els que vindran seran millors, molt millors. La gran pregunta ja no és fins on arribarà la IA. És qui serà capaç de capturar tota la riquesa que generarà. I, sobretot, si Europa tornarà a deixar passar el tren.

Les notícies clau

Anthropic fa història a Wall Street: dos bilions de dòlars!
La febre de la IA no s'atura. Anthropic, l'empresa creadora de Claude i principal rival d'OpenAI, ha protagonitzat la sortida a borsa més gran de la història. Ha captat 81.300 milions de dòlars, superant fins i tot el rècord que SpaceX havia establert al juny. I això no és tot. En començar a cotitzar al Nasdaq, les seves accions s'han disparat un 34% i l'empresa ha arribat a valer dos bilions de dòlars! Una xifra extraordinària per a una companyia fundada fa només cinc anys i que encara perd diners. L'eufòria, però, ha durat poc. Les accions han retrocedit durant la sessió i han acabat el dia amb una pujada del 17%, deixant la valoració al voltant d'1,75 bilions.

Però el més interessant no és la xifra, sinó el que significa. Wall Street està disposat a apostar quantitats astronòmiques per empreses que encara no han demostrat que poden convertir la IA en beneficis sostenibles. Anthropic disposa ara de prop de 80.000 milions de dòlars addicionals per construir centres de dades, comprar xips i competir en una cursa tecnològica cada vegada més cara. És una aposta pel futur d'una magnitud que costa imaginar. Però també una paradoxa formidable: mentre creixen els dubtes sobre una possible bombolla de la IA, els inversors continuen abocant-hi diners com mai. Estem davant la revolució industrial més important del segle o davant una de les apostes financeres més arriscades de la història? Potser totes dues coses alhora.

OpenAI presenta GPT-6.2: més intel·ligència, menys cost i un pas més cap a la IA que investiga per si mateixa
La cursa de la intel·ligència artificial no dona treva. OpenAI acaba de presentar GPT-6.2 Astra i Sol, dos nous models que tornen a elevar el llistó. Astra és el model més potent, pensat per a tasques professionals complexes, mentre que Sol busca oferir una intel·ligència molt elevada a un preu molt inferior. I els resultats són espectaculars. Segons les proves publicades per OpenAI, Astra supera el seu predecessor en tasques professionals complexes amb menys d'un terç del cost, mentre que Sol s'acosta al rendiment d'Astra en programació per aproximadament una cinquena part del preu. Però el salt no és només en els rànquings. Els nous models creen presentacions, fulls de càlcul, documents professionals, aplicacions i simulacions tridimensionals amb una qualitat que comença a acostar-se a la feina d'equips especialitzats. Fins i tot poden treballar amb eines de disseny industrial, construir models mecànics i simular-ne el funcionament. Ja no parlem només d'una IA que escriu o programa, sinó d'una IA capaç de fer una part creixent de la feina d'enginyers, consultors, advocats i investigadors.

Però la notícia més important és una altra, i potser la més transcendental de totes. Per primera vegada, OpenAI ha classificat un model comercial, GPT-6.2 Astra, en el nivell High de capacitat d'automillora de la IA. Què significa? Que, segons les seves avaluacions, utilitzar aquest model equivaldria a proporcionar a cada investigador d'OpenAI un enginyer de recerca addicional altament capacitat, comparat amb el nivell del 2024. És a dir, la IA ja no només ajuda a aplicar els descobriments que fem els humans, sinó que comença a accelerar el mateix procés de descobrir i construir millors sistemes d'IA. I aquí apareix una possibilitat extraordinària: si la IA ens ajuda a desenvolupar una IA millor, i aquesta nova IA encara accelera més la recerca, podríem entrar en un cercle d'innovació acumulativa que accelerés el progrés tecnològic. Encara no és una IA que es millori tota sola, però és un pas important en aquesta direcció. I, si aquest procés es consolida, les conseqüències podrien anar molt més enllà de fer les coses més ràpidament: podríem començar a descobrir, inventar i innovar a una velocitat que fins ara era inimaginable.

Google torna a sacsejar la IA amb Gemini 4 Neon
Quan semblava que Google ja havia dit l'última paraula amb Gemini 4 Carbon, arriba una nova sorpresa. Aquesta setmana ha presentat Gemini 4 Neon, un model que promet la intel·ligència dels més grans, però molt més ràpid i barat. Segons les proves inicials, aconsegueix igualar o superar Carbon en qualitat, amb el triple de velocitat i un cost un 40% inferior. I no es tracta només de respondre preguntes. Neon destaca especialment en programació, finances, anàlisi de dades, recerca científica i tasques complexes que requereixen diversos passos. Ocupa les primeres posicions en nombrosos rànquings, incloent-hi el primer lloc en proves de recerca jurídica i fiscal. Google també ha mostrat com pot construir simuladors tridimensionals, recrear l'estudi d'Alan Turing o generar fulls de càlcul amb centenars de milers de fórmules. Fa només uns mesos, moltes d'aquestes demostracions semblaven ciència-ficció.

Però la notícia més important no és que Google tingui un altre model extraordinari. És que la intel·ligència artificial d'alt nivell s'està abaratint a una velocitat vertiginosa. Fins ara, els models més capaços acostumaven a ser també els més lents i cars. Neon comença a trencar aquesta relació, i això canvia les regles del joc. Perquè una cosa és utilitzar un model molt potent de tant en tant i una altra és tenir centenars d'agents treballant contínuament per a una empresa, programant, analitzant, investigant o prenent decisions. En aquest escenari, el cost i la velocitat són tan importants com la intel·ligència. I aquí és on Google està fent una aposta formidable. La cursa de la IA ja no consisteix només a construir el model més intel·ligent, sinó a fer que aquesta intel·ligència sigui tan barata i ràpida que la puguem utilitzar per a tot. I això pot transformar l'economia molt més del que imaginem.

Rebel·lió a Nvidia: els treballadors volen que torni Jensen Huang
La crisi de Nvidia està lluny d'acabar-se. Després de la sorprenent dimissió de Jensen Huang, el fundador i CEO que havia convertit l'empresa en el gran protagonista de la revolució de la IA, ara són els treballadors els que es rebel·len. Més de 10.000 persones que s'identifiquen com a empleats de Nvidia han signat una petició perquè Huang torni al càrrec, tot i que encara no s'ha verificat independentment quants són realment treballadors. Fins i tot un membre del consell d'administració ha advertit que la seva absència podria provocar una fugida de talent "insubstituïble". La situació és tan delicada que Colette Kress, la CEO provisional, ha hagut de convocar una reunió amb tota la plantilla per intentar calmar els ànims. I quina ha estat la seva resposta? Més diners! Ha promès increments salarials i més accions per als empleats abans d'acabar l'any. Però no sembla que tothom n'estigui convençut. Alguns treballadors amenacen de marxar si Kress es queda definitivament al capdavant.

El problema és molt més profund que una simple successió empresarial. Jensen Huang no era només el CEO de Nvidia. Per a molts, Jensen Huang era Nvidia. Durant 33 anys havia construït una cultura, un equip i una manera de competir que han portat l'empresa a dominar el mercat dels xips d'IA. I això no es reemplaça nomenant un nou director general, per competent que sigui. El consell d'administració insisteix que Huang no tornarà, però ara s'enfronta a una pregunta incòmoda: què passa quan els treballadors són més fidels al fundador que a la mateixa empresa? Nvidia té els millors xips, una posició de mercat extraordinària i uns resultats espectaculars. Però tot això depèn de milers d'enginyers que poden marxar. Els diners poden comprar moltes coses, però no necessàriament la confiança, la cultura i el lideratge que han fet possible Nvidia. I aquest podria acabar sent el cost més gran de la sortida de Jensen Huang.

Microsoft entra de ple a la guerra dels models d'IA. I ho fa rebentant els preus!
Microsoft ja no vol dependre només d'OpenAI. Aquesta setmana ha presentat set nous models d'intel·ligència artificial propis, desenvolupats sota la marca MAI, i les xifres són espectaculars. El seu nou model de programació, MAI Code 2, aconsegueix, segons les proves de Microsoft, el 96% del rendiment de Claude Opus 5.5 per només el 5% del preu. El model de ciberseguretat MAI Cyber 2 Flash assegura superar GPT-6 Astra en una prova especialitzada amb menys del 2% del cost per tasca. I el nou model d'edició d'imatges, MAI Image 2.7, ocupa la primera posició del rànquing d'Artificial Analysis a una cinquena part del preu del seu competidor d'OpenAI. També ha presentat models de veu, transcripció mèdica i presa de decisions, juntament amb Maia 200, el seu nou accelerador de xips. Microsoft no està intentant construir un únic model que sigui el millor en tot, sinó tota una família de models especialitzats que facin la mateixa feina per una fracció del cost. I això pot ser molt més important del que sembla.

Perquè el que està canviant és l'economia de la IA. Fins ara, la batalla consistia a tenir el model més intel·ligent. Però quan una empresa vol desplegar centenars o milers d'agents que treballin les 24 hores, el preu de cada tasca es converteix en una qüestió decisiva. No és el mateix pagar un euro que cinc cèntims per fer una feina, especialment si l'has de repetir un milió de vegades. Microsoft ho ha entès i està apostant per models especialitzats, més barats i adaptables a les dades de cada empresa, que a més poden executar-se dins del seu propi entorn Azure. És també un pas important per reduir la seva dependència tecnològica d'OpenAI. La paradoxa és formidable: mentre els gegants tecnològics inverteixen centenars de milers de milions en infraestructures d'IA, el preu de la intel·ligència no para de caure. I com més barata sigui, més coses podrem fer amb ella. La gran batalla ja no és només per tenir la millor IA, sinó per aconseguir que utilitzar-la massivament surti a compte.

Tesla prepara un cotxe sense volant ni pedals. I no és el Cybercab!
Elon Musk vol fer desaparèixer el volant dels cotxes. I també els pedals! Aquesta setmana ha anunciat que Tesla prepara una versió completament autònoma del popular Model Y, pensada per transportar fins a sis o set persones sense necessitat de conductor. La idea és complementar el Cybercab, el petit robotaxi de dues places amb què Tesla vol revolucionar el transport urbà. Segons Musk, el 90% dels quilòmetres recorreguts pels passatgers es poden cobrir amb vehicles de dues places, però queda un 10% que necessita cotxes més grans. Famílies, grups d'amics, desplaçaments col·lectius... I aquí és on entraria el nou Model Y. No es tracta de fabricar un cotxe que també pugui conduir-se sol, sinó un vehicle que ningú no podrà conduir. Un canvi radical en la nostra manera d'entendre l'automòbil.

Però el més interessant és el canvi de model de negoci que hi ha al darrere. Si els cotxes poden circular sols, per què hauríem de tenir-ne un aparcat al garatge el 95% del temps? Tesla aspira a passar de vendre automòbils a oferir mobilitat com a servei, amb flotes de robotaxis treballant contínuament. Naturalment, encara hi ha obstacles enormes: la seguretat, la regulació, els costos i, sobretot, demostrar que la conducció autònoma funciona de manera fiable a gran escala. Musk tampoc no ha anunciat quan arribarà aquest nou Model Y. Però la direcció és clara. La gran revolució del cotxe elèctric potser no serà substituir el motor de combustió per una bateria, sinó eliminar el conductor. I si això arriba a funcionar, no canviarà només la indústria de l'automòbil. Canviarà les ciutats, el transport i la mateixa idea de tenir cotxe.

Com la IA ens canviarà la vida

A Anthropic tothom s’ha fet ric! 

 

Autobusos autoconduïts a la Xina

El miracle de Shenzhen

Avions autopilotats 

La recerca en IA 

AI as Shared Business Infrastructure: Firm Growth and the Distribution of Gains-AI Lab: NBER - Panle Jia Barwick, Lu Fang, Jinhan Liu, Huilan Xu & Zhe Yuan
Fins ara sabíem que la intel·ligència artificial podia ajudar-nos a treballar més ràpidament. Però, fa créixer realment les empreses? Un nou estudi sobre una de les grans plataformes de comerç electrònic de la Xina aporta una resposta espectacular. El 2024, la plataforma va incorporar eines d'IA generativa directament als programes que utilitzen els comerciants per gestionar els seus negocis. Els investigadors han analitzat què passava quan les petites empreses començaven a utilitzar-les i han trobat que les vendes mensuals augmentaven un 51,6% i el nombre de comandes un 47%. La IA els permetia arribar a més clients, renovar els productes més ràpidament, millorar-ne la presentació i reduir el temps dedicat a cada comanda. I encara més interessant: proporcionalment, les empreses més petites eren les que més se'n beneficiaven. No es tractava simplement que els comerciants amb IA robessin clients als quals no en tenien. L'estudi troba que també creixia el mercat, amb més empreses, més productes i més vendes.

Per què és important
Perquè aquest estudi ens porta de les promeses tecnològiques als resultats econòmics. La IA no només permet fer les mateixes coses més de pressa o amb menys treballadors. Permet fer coses que abans no sortien a compte, especialment a les empreses petites, que no tenen grans equips de màrqueting, analistes o especialistes en dades. Una petita botiga pot ara arribar a clients que abans no trobava, oferir productes que no sabia que tenien demanda i competir amb capacitats que fins fa poc només estaven a l'abast de les grans empreses. Això és extraordinari perquè suggereix que la IA pot crear activitat econòmica nova, no simplement redistribuir la que ja existeix. Naturalment, parlem d'un estudi en un mercat concret, però la lliçó és poderosa: el gran impacte de la IA potser no serà estalviar costos, sinó multiplicar les oportunitats de negoci i fer créixer empreses que fins ara tenien molt difícil competir.

Think Once, Act Fast: Cost-Effective Recursive Self-Improvement for Decision Model Harness-AI LAB: Hong Kong University of Science and Technology (Guangzhou)
Un dels grans problemes dels agents d'IA és que cada vegada que han de prendre una decisió complexa necessiten recórrer a un model potent, lent i car. Però, i si poguessin aprendre de les decisions anteriors i no haguessin de començar de zero cada vegada? Aquesta és la proposta de JevRSI, un nou sistema que combina dues intel·ligències: una de ràpida, que actua immediatament, i una altra de més potent, que reflexiona, aprèn dels errors i millora contínuament la primera. La clau és que el model més sofisticat va construint una mena de manual intel·ligent amb procediments, memòria i models de com funciona l'entorn. Quan apareix una situació nova, el sistema ràpid aprofita aquest coneixement sense haver de consultar constantment el model gran. I si alguna cosa falla, el sistema revisa i millora els procediments. En experiments amb tres conjunts de dades, els investigadors aconsegueixen igualar o superar en diversos casos els agents basats en grans models, però amb molta menys latència i un cost computacional més favorable. A més, a mesura que el sistema aprèn, necessita cada vegada menys intervencions del model gran.

Per què és important
Perquè introdueix una idea molt poderosa: una IA que no només resol problemes, sinó que millora la seva manera de resoldre'ls. Imagineu una empresa que utilitza agents per gestionar clients, desenvolupar programari o prendre decisions operatives. Avui, cada tasca consumeix recursos i moltes vegades obliga la IA a repetir raonaments que ja havia fet abans. Amb un sistema com JevRSI, l'experiència es converteix en coneixement reutilitzable i cada millora queda incorporada al funcionament futur. Això significa que el cost de les decisions pot disminuir mentre la qualitat augmenta. I aquí hi ha el més interessant: les millores es poden acumular, perquè cada problema resolt pot ajudar a resoldre millor els següents. No estem parlant encara d'una IA que es reinventa completament a si mateixa, sinó d'una forma concreta d'automillora recursiva dels procediments que utilitza. Però és precisament aquest tipus de mecanismes el que podria convertir els agents d'IA en sistemes que, en lloc de limitar-se a treballar, aprenen a treballar cada vegada millor.

Inventa: Decentralized Self-Improving Agents for Autonomous Scientific Discovery-AI LAB: Georgia Institute of Technology, Amazon
Imagineu un equip de científics que treballa les 24 hores, genera hipòtesis, les contrasta, descarta les que no funcionen i aprèn dels errors. Ara imagineu que tot això ho fan agents d'intel·ligència artificial, sense necessitat d'intervenció humana constant. Aquesta és la proposta d'Inventa, un nou sistema de descoberta científica automatitzada que organitza equips d'agents capaços de generar i perfeccionar idees de recerca. Però amb una novetat important: no es limita a posar més agents a treballar, sinó que modifica la manera com investiguen quan deixen de progressar. Cada equip desenvolupa les seves idees, un agent supervisor revisa i millora els procediments de recerca i, quan una estratègia s'encalla, pot canviar de model o començar de nou. A més, els equips comparteixen únicament coneixement verificat, evitant que els errors es propaguin. Els resultats són espectaculars: Inventa lidera les cinc proves científiques en què s'ha avaluat i, en una d'elles, genera 26 idees noves per article, davant de les 18,6 del seu competidor, amb un 82% menys de crides als models d'IA.

Per què és important
Per què és tan important? Perquè estem passant d'utilitzar la IA per ajudar els científics a construir sistemes que milloren el mateix procés de descoberta. Fins ara, la recepta habitual era posar més agents, donar-los més temps i esperar que produïssin més idees. Inventa demostra, en aquestes proves, que el secret no és tant la quantitat d'intel·ligència com la manera d'organitzar-la, verificar els resultats i aprendre del que funciona. És un pas cap a una IA que no només genera hipòtesis, sinó que aprèn quines estratègies de recerca funcionen millor i les va perfeccionant. I aquí apareix una possibilitat fascinant: que cada descoberta no sigui només un resultat, sinó que contribueixi a millorar la capacitat de fer-ne de noves. Encara cal demostrar fins a quin punt aquests resultats es traslladen a la recerca científica real, però la direcció és extraordinària. La gran revolució de la IA podria no ser fer la feina dels investigadors més ràpidament, sinó accelerar la mateixa velocitat a què avança la ciència.