
Mientras la mayoría de los titulares de IA giran en torno a chatbots y agentes, Anima Anandkumar —profesora de Caltech y ex directiva de NVIDIA— acaba de lanzar Accelerated Understanding, una empresa enfocada en algo bastante más ambicioso: usar IA para simular y entender el mundo físico.
La idea central es que los Transformers, que dominan el lenguaje, no son la herramienta ideal para modelar procesos físicos continuos. Por eso Anandkumar y su cofundador Benedikt Jenik apostaron por operadores neuronales (neural operators), una arquitectura que aprenden a mapear funciones en vez de secuencias de tokens. En pruebas, el sistema habría ingerido 5 billones de puntos de datos en un solo prompt —órdenes de magnitud por encima de lo que manejan los flagship de Anthropic o Google.
Dónde aplica
Esto no es investigación de laboratorio aislada. Las aplicaciones son de las que mueven la aguja de verdad:
- Pronóstico del clima y simulación atmosférica.
- Fusión nuclear y diseño de reactores.
- Semiconductores: optimización del proceso de fabricación de chips.
- Dispositivos médicos y componentes de computación cuántica.
El timing es simbólico: el lanzamiento llegó justo cuando Anandkumar fue incluida en la lista TIME100 AI 2026, un reconocimiento a una trayectoria que lleva una década cruzando IA con ciencia.
Por qué importa
Para el mundo de infraestructura y arquitectura, esto abre una pregunta interesante: si la IA de simulación física despega, cambia el tipo de cómputo que las empresas van a necesitar —más HPC, más GPU de precisión mixta, menos inferencia de texto—. Es el recordatorio de que “IA” es un paraguas enorme, y que el próximo gran salto podría no venir de un LLM más grande, sino de una arquitectura completamente distinta.


