Palabras clave：DeepSeek, OpenAI, Google Android XR, Robot de Zhìyuán, Asistente de móvil Doubao, Compañero de aprendizaje de IA, Centro de datos orbital de SpaceX, Modelo DeepSeek R1, Alerta roja de OpenAI, SDK de Android XR, Robot de Zhìyuán Expedición A1, Operación entre aplicaciones del asistente de IA Doubao
🔥 En Foco
El fundador de DeepSeek, Liang Wen-feng, es nombrado una de las diez personas científicas del año por Nature: Liang Wen-feng ha sido reconocido por la revista Nature como una de las diez personas científicas del año 2025 por su contribución e impacto transformador del modelo DeepSeek en el campo de la AI, siendo calificado como un “disruptor tecnológico”. DeepSeek ha impactado la industria con sus modelos potentes, rentables y de código abierto (como R1, V3.2), demostrando que los modelos grandes no necesariamente requieren una acumulación ilimitada de recursos para alcanzar un nivel de primera línea, impulsando la voz tecnológica de los modelos grandes nacionales en la comunidad global. La valoración de DeepSeek ha alcanzado 1.05 billones de yuanes, y la fortuna personal de Liang Wen-feng se ha disparado a 184.62 mil millones de yuanes. Su perfil de “geek” y su persistencia en el código abierto son vistos como un símbolo de la transformación de la AI china de imitadora a innovadora. (Fuente: 36氪, 36氪, 36氪)
OpenAI emite una “alerta roja” y publica un informe sobre la AI empresarial: El CEO de OpenAI, Sam Altman, emitió una “alerta roja” del más alto nivel el 1 de diciembre debido a la feroz competencia de Google Gemini y Meta, suspendiendo las operaciones no esenciales para concentrar recursos en la consolidación de las ventajas principales de ChatGPT. Al mismo tiempo, OpenAI publicó el “Informe sobre el estado actual de la AI empresarial”, que muestra una aceleración en la adopción de la AI por parte de las empresas, con empleados ahorrando en promedio casi 1 hora de trabajo al día, pero la eficiencia del 5% de los usuarios más avanzados se disparó 16 veces, lo que genera preocupación sobre la “brecha de riqueza” en la era de la AI. La competencia se centra en la capacidad de los modelos, la cuota de mercado y la captación de talento. (Fuente: 36氪, 36氪)
Google lanza la plataforma Android XR y varios gafas de AI: Google presentó sistemáticamente Android XR en el evento XR Edition, posicionándolo como la primera plataforma unificada de realidad extendida, diseñada para extender la experiencia Android al ámbito de la XR. La plataforma, en colaboración con Samsung y Qualcomm, introduce diversas formas de hardware, incluyendo gafas inteligentes de AI de moda (en colaboración con Warby Parker, Gentle Monster), gafas XR con cable (Project Aura, en colaboración con XREAL) y una actualización del visor Samsung Galaxy XR. El Android XR SDK también se actualizó simultáneamente, ofreciendo soporte completo para desarrolladores, lo que presagia un avance significativo en la fusión de AI y XR. (Fuente: 36氪, 36氪)
La empresa de Zhihui Jun, Zhuyuan Robotics, produce en masa 5,000 robots: Zhuyuan Robotics, fundada por el emprendedor de inteligencia encarnada “Zhihui Jun” Peng Zhihui, ha logrado la producción en masa de 5,000 robots encarnados de propósito general en menos de tres años. La línea de productos abarca robots humanoides de tamaño completo (Yuanzheng A1/A2), robots humanoides de medio tamaño (Lingxi X1/X2) y robots encarnados con ruedas (Jingling G1/G2), aplicados principalmente en fabricación industrial, clasificación logística, entrenamiento de recopilación de datos, así como en escenarios de explicación y recepción, entretenimiento y actuaciones comerciales. Este hito marca que el progreso de la producción en masa en la industria de la inteligencia encarnada ha superado las expectativas y ya ha recibido pedidos por cientos de millones de yuanes. (Fuente: 36氪)
Doubao Mobile Assistant desata la batalla por el punto de entrada en la era de la AI: Doubao Mobile Assistant, lanzado por ByteDance, ha causado revuelo en la industria al intentar integrar capacidades de AI en la capa del sistema operativo de los teléfonos móviles, a través de una profunda colaboración con ZTE, para lograr operaciones globales entre aplicaciones. Este producto busca desafiar la posición de las super-App existentes como puntos de entrada de tráfico, pero rápidamente encontró restricciones técnicas por parte de grandes empresas como WeChat y Taobao. Este incidente pone de manifiesto la competencia por los “super-puntos de entrada” en la era de la AI, presagiando que la integración de software y hardware, la acumulación de ecosistemas y la colaboración entre el dispositivo y la nube serán tendencias clave para el desarrollo futuro de los asistentes de AI. (Fuente: 36氪, 36氪)
🎯 Tendencias
Zou Yang, “veterano” de la AI: la AGI no es el núcleo, la implementación de aplicaciones cambia el mundo: Zou Yang, cofundador de Future Intelligence, cree que, aunque la tecnología actual de los grandes modelos de lenguaje no ha alcanzado la cima de la AGI, ya es suficiente para transformar radicalmente todas las industrias. Enfatiza que el verdadero valor de la AI radica en infiltrarse en los procesos industriales, convirtiéndose en un “cerebro externo” para el trabajo mental repetitivo de las empresas, logrando una replicación estructurada de la experiencia de los expertos. Señala que la industria debería centrarse en cómo integrar la tecnología existente en los negocios y lograr una implementación a gran escala, en lugar de perseguir excesivamente la lejana cima de la AGI. (Fuente: 36氪)
La publicidad generada por AI redefine la industria, con oportunidades y desafíos coexistiendo: La inteligencia artificial está remodelando profundamente la industria de la publicidad digital, evolucionando de la publicidad programática a sistemas publicitarios inteligentes. Las oportunidades incluyen la diversificación de los puntos de entrada de tráfico, la automatización de la generación de contenido, la personalización extrema de la experiencia (“mil caras para una persona”), la inteligencia en los mecanismos de publicación y la transformación del rol de las agencias de publicidad. Sin embargo, persisten problemas como la madurez tecnológica insuficiente (inferencia de modelos inestable, algoritmos inexplicables), desafíos regulatorios (publicidad engañosa, deepfakes), riesgos de confianza del usuario y privacidad, y costos de cumplimiento transfronterizo. La industria necesita construir un sistema de “regulación ligera + gobernanza compartida”, mejorar el control de riesgos de la plataforma, fortalecer la gobernanza de datos y alentar a las marcas a construir sus propios agentes inteligentes. (Fuente: 36氪)
Perspectivas de la industria aseguradora global para 2026: la AI redefine las reglas del juego: Un informe de Deloitte señala que la industria aseguradora global está entrando en aguas profundas de crecimiento más lento y presión sobre los beneficios, con la AI emergiendo como una fuerza clave para redefinir las reglas del sector. En el ámbito de los seguros no de vida, la AI permite la “predicción de riesgos” a través de la actuaría, la identificación de fraudes y la alerta temprana de riesgos; en los seguros de vida y anualidades, los cambios en la estructura de capital y la fusión con el capital privado se aceleran, convirtiendo la capacidad de gestión de activos en el núcleo; en los seguros colectivos, bajo el modelo B2B2C, la capacidad de acceso digital y una experiencia de usuario excepcional son la clave de la competitividad. La aplicación a escala de la AI depende de datos de alta calidad, sistemas modernizados y garantías de seguridad, y exige una redefinición de las capacidades del personal. (Fuente: 36氪)
La nueva arquitectura HOPE de Google resuelve el problema de la memoria a largo plazo de los grandes modelos: Google ha propuesto el nuevo marco HOPE en un artículo, con el objetivo de resolver el problema de la memoria a largo plazo en los grandes modelos, lo cual es crucial para la amplia aplicación de los agentes de AI. Esta arquitectura define el mecanismo de autoatención de Transformer como un “sistema a corto plazo” e introduce un módulo de memoria neuronal a largo plazo independiente, encargado de almacenar y recuperar información clave a través de las ventanas de contexto, redefiniendo la “estructura cerebral” de los grandes modelos. La memoria a largo plazo está evolucionando de un parche de ingeniería a una capacidad central del modelo, determinando si la AI puede ser utilizada y confiada a largo plazo. (Fuente: 36氪)
Los compañeros de aprendizaje de AI redefinen la educación, integrando el acompañamiento en habilidades, emociones y conocimientos: Los compañeros de aprendizaje de AI están emergiendo rápidamente en el ámbito educativo global, insertándose en el aprendizaje diario de los estudiantes como “acompañantes”. En cuanto al entrenamiento de habilidades, los tutores de idiomas de AI (como Duolingo Roleplay, Gulu Oral English) ofrecen diálogos inmersivos y corrección instantánea. En el acompañamiento psicológico y la gestión de hábitos, la AI (como Replika, Xueersi “Xiao Si 3.0”) proporciona apoyo emocional y guía de hábitos. En la orientación del conocimiento, la AI (como PhotoMath, Xiaoyuan AI Super-Humanoid Teacher) evoluciona hacia una “tutoría personalizada para todas las materias”, ofreciendo explicaciones procesuales. (Fuente: 36氪)
La gran narrativa de Musk: SpaceX incursiona en los centros de datos orbitales: Un informe de Morgan Stanley señala que el aumento en la valoración de SpaceX se debe en parte a la valoración del mercado de la gran narrativa de los “centros de datos orbitales” como una nueva infraestructura de AI. Musk concibe utilizar Starship y los satélites Starlink V3 para transportar GPU, formando una vasta nube de computación en órbita a través de interconexiones láser de alta velocidad, resolviendo la escasez de energía en la Tierra, logrando una refrigeración extrema, energía ilimitada y conectividad global de borde. Este campo ha atraído a numerosos actores como Starcloud, Axiom Space, Google y Nvidia. (Fuente: 36氪)
🧰 Herramientas
Zhipu AI lanza la serie de modelos grandes multimodales de código abierto GLM-4.6V, potentes y a mitad de precio: Zhipu AI ha lanzado la serie de modelos grandes multimodales de código abierto GLM-4.6V y el agente AutoGLM, con el objetivo de reducir la barrera de entrada a la AI multimodal. GLM-4.6V ha aumentado la ventana de contexto a 128k tokens e integra por primera vez Function Call de forma nativa en modelos visuales. Las pruebas han demostrado un rendimiento estable en compras por imagen, replicación de páginas web, comprensión de documentos largos y videos, aunque la mezcla de texto e imágenes aún necesita optimización. El precio de su API se ha reducido a la mitad, y la versión ligera GLM-4.6V-Flash es gratuita, impulsando la aplicación de la AI multimodal en individuos y pequeños equipos. (Fuente: 36氪)
Los compañeros de aprendizaje de AI redefinen la educación, integrando el acompañamiento en habilidades, emociones y conocimientos: Los compañeros de aprendizaje de AI están emergiendo rápidamente en el ámbito educativo global, insertándose en el aprendizaje diario de los estudiantes como “acompañantes”. En cuanto al entrenamiento de habilidades, los tutores de idiomas de AI (como Duolingo Roleplay, Gulu Oral English) ofrecen diálogos inmersivos y corrección instantánea. En el acompañamiento psicológico y la gestión de hábitos, la AI (como Replika, Xueersi “Xiao Si 3.0”) proporciona apoyo emocional y guía de hábitos. En la orientación del conocimiento, la AI (como PhotoMath, Xiaoyuan AI Super-Humanoid Teacher) evoluciona hacia una “tutoría personalizada para todas las materias”, ofreciendo explicaciones procesuales. (Fuente: 36氪)
📚 Aprendizaje
La capacidad visual de los grandes modelos “falla”: EgoCross revela cuellos de botella en la generalización entre dominios: El equipo del proyecto EgoCross se centra en la evaluación de preguntas y respuestas de video en primera persona entre dominios, revelando los cuellos de botella de generalización de los MLLM existentes en escenarios especializados como cirugía, industria, deportes extremos y perspectivas animales. La investigación encontró que, incluso los modelos de élite, la precisión en estos dominios desconocidos cae drásticamente por debajo del 55%, mucho menos que en escenarios cotidianos. El equipo construyó el primer benchmark EgocentricQA entre dominios y, a través de métodos como el aprendizaje por prompts, el ajuste fino supervisado y el aprendizaje por refuerzo (RL), verificó que los métodos de RL pueden lograr mejoras significativas en el rendimiento, proporcionando una dirección para construir modelos con mayor capacidad de generalización. (Fuente: 36氪)
La capacidad de cómputo académica “masacrada”: Stanford tiene ≈0.1 GPU per cápita: Los laboratorios de las principales universidades de EE. UU. enfrentan una grave escasez de GPU, como Stanford, con solo aproximadamente 0.14 GPU per cápita, muy por debajo de la industria. Esto dificulta que la academia realice investigaciones de AI a gran escala, acelerando la fuga de talentos de élite hacia la industria y perdiendo gradualmente la capacidad de definir la vanguardia. Aunque algunas universidades (como NYU, UT Austin) están construyendo sus propias “fábricas de AI”, la brecha general de recursos es enorme, lo que representa un serio desafío para la investigación y educación en AI. (Fuente: 36氪)
Interacción humano-robot y robótica social: entrevista con la profesora Marynel Vázquez: El podcast “Generations in Dialogue” de AAAI entrevistó a la profesora Marynel Vázquez para discutir la interacción humano-robot (HRI) y la investigación en robótica social. La investigación de la profesora Vázquez se centra en la dinámica de grupos sociales en entornos multipartitos, desarrollando algoritmos de percepción y toma de decisiones que permiten comportamientos robóticos autónomos y socialmente conscientes, y modelando las interacciones como gráficos para permitir el razonamiento simultáneo de los robots sobre individuos, relaciones y grupos. También exploró el potencial de los robots en la educación y cómo abordar los malentendidos sociales sobre los robots. (Fuente: aihub.org)
💼 Negocios
La startup de simulación de AI Aaru obtiene 350 millones de yuanes en financiación, con una valoración superior a los mil millones de dólares: Aaru, una startup estadounidense de investigación en síntesis de AI fundada por tres jóvenes fundadores nacidos después de 2005 (el más joven de 16 años), ha completado una ronda de financiación Serie A de más de 50 millones de dólares (aproximadamente 350 millones de yuanes), con una valoración nominal de mil millones de dólares. La tecnología central de Aaru utiliza AI Agents para simular el comportamiento humano y predecir la reacción de grupos específicos a eventos, habiéndose aplicado con éxito en encuestas de elecciones políticas y ofreciendo productos de modelos de datos para empresas, el sector político y el sector público. (Fuente: 36氪)
Ex investigador de OpenAI se une a Google para rodear a Nvidia: El fondo fundado por Leopold Aschenbrenner, ex investigador de OpenAI, está negociando liderar una ronda de financiación de más de 700 millones de dólares para el proveedor de servicios en la nube Fluidstack. Fluidstack, como canal de distribución de TPU de Google, busca desafiar el monopolio de la capacidad de cómputo de Nvidia. Esta acción subraya la estrategia de Google en el campo de los chips de AI y la ferviente búsqueda de infraestructura de AI por parte del mercado de capitales. (Fuente: 36氪)
Enabot, empresa de robots de compañía con AI de Shenzhen, recibe inversión de Sequoia y supera el millón de usuarios: Fuzhi Technology (Enabot), con sus productos de robots de compañía con AI, ha superado el millón de usuarios a nivel mundial y ha obtenido múltiples rondas de financiación de Sequoia, Longfor Capital y otros. La empresa inicialmente se centró en el acompañamiento de mascotas, pero luego descubrió inesperadamente el vasto mercado del acompañamiento emocional humano, e integró la conversación de grandes modelos de AI con la tecnología de interacción emocional multimodal para lanzar productos de robots domésticos como el EBO X. Las funciones del producto van desde el cuidado remoto y la interacción hasta la resonancia emocional, adaptándose a las necesidades de los usuarios en diferentes contextos culturales. (Fuente: 36氪)
🌟 Comunidad
El desafío de la “última milla” para la popularización offline de las gafas de AI: A pesar de la creciente popularidad online de las gafas de AI, su penetración offline en los principales distritos comerciales de Guangzhou es mucho menor de lo esperado. El mercado se enfrenta a un desafío de “doble identidad”: las ópticas tradicionales no entienden de tecnología, y las tiendas de electrónica no ofrecen servicios profesionales de adaptación de lentes. Los problemas de adaptación de lentes para las gafas de AI con pantalla (como la solución magnética de Rokid y la solución integrada de alto costo de Quark S1) también limitan su adopción masiva. El informe señala que para que las gafas de AI lleguen realmente a la vida cotidiana, es necesario establecer un sistema offline que permita a los consumidores “comprar con confianza, adaptar fácilmente y usar sin problemas”. (Fuente: 36氪)
El “tropiezo por control remoto” del robot Optimus de Tesla genera debate y cuestiona su autonomía: El robot Optimus de Tesla supuestamente se cayó durante un evento después de “quitarse el visor” por control remoto, lo que generó un intenso debate en las redes sociales y cuestionamientos sobre la autonomía del robot. Anteriormente, también se había revelado que Optimus había sido asistido por un brazo robótico para doblar ropa y que sus actividades eran controladas remotamente por ingenieros detrás de escena. Aunque Musk tiene grandes esperanzas en Optimus, estos incidentes resaltan los desafíos de la inteligencia completamente autónoma en robots humanoides y han provocado discusiones sobre el valor del control remoto de robots y los futuros modelos de trabajo. (Fuente: 36氪)
Conversar con modelos en la era de la AI, Amanda Askell comparte su metodología: Amanda Askell, doctora en filosofía de Anthropic y conocida como la “diseñadora de personalidad” de Claude, compartió su metodología sobre cómo establecer una relación colaborativa con los modelos de AI. Ella compara la AI con un “genio olvidadizo”, enfatizando que al interactuar con el modelo se debe expresar claramente la intención, descomponer tareas complejas y proporcionar suficiente contexto. A través de un “documento de alma”, se moldea la personalidad de Claude para que sea amable y tenga límites. Ella cree que las personas comunes deberían pasar de “escribir comandos” a “diseñar conversaciones”, y las empresas deberían ver la AI como un empleado en lugar de una herramienta, ya que la personalización de la AI se convertirá en la clave para la diferenciación del producto. (Fuente: 36氪)
El ecosistema de startups de AI “envejece”: el mercado chino prefiere la experiencia y los recursos: Se ha observado que en los DemoDay de startups de AI en China, los fundadores son generalmente mayores (predominan los nacidos en los 80 y antes del 95), y los productos también exhiben una “estética de mediana edad”, como audífonos inteligentes e inteligencia encarnada industrial. Esto contrasta con la “tormenta juvenil” de las startups de AI en Estados Unidos. El análisis sugiere que las startups de AI en la capa de aplicaciones en China requieren una profunda comprensión del cliente, una alta alineación entre producto y mercado, y acumulación de recursos; estos “problemas de tiempo” hacen que la “juventud” sea una desventaja. Al mismo tiempo, la oligopolización de los grandes modelos y la demanda de aplicaciones “grandes y hermosas” también impulsan a más ejecutivos experimentados de grandes empresas a emprender, haciendo que el “ecosistema de startups de AI esté envejeciendo” sea una tendencia. (Fuente: 36氪)
Empleados de Amazon se unen para oponerse a la estrategia de AI, temiendo que “destruya la democracia, el empleo y el planeta”: Más de 1,000 empleados de Amazon han firmado una carta abierta advirtiendo que el ritmo “descontrolado” de avance de la AI de la compañía podría causar un daño inmenso a la democracia, el empleo y el planeta. Los empleados temen que Amazon sacrifique sus compromisos climáticos por la AI (aumento de las emisiones de carbono de los centros de datos), acelere la sustitución de puestos de trabajo (despidos masivos, integración forzada de AI) y expanda la tecnología de vigilancia (acceso policial a las cámaras Ring). Piden a Amazon que publique un plan de energía renovable, establezca mecanismos de participación de los empleados en la toma de decisiones de AI y prometa que la tecnología de AI no se utilizará para la violencia, la vigilancia y los desalojos masivos. Amazon ha negado las acusaciones. (Fuente: 36氪)
Atribución de responsabilidad por daños causados por agentes de AI: adaptación y ajuste de los marcos legales existentes: El ámbito legal está debatiendo la cuestión de la atribución de responsabilidad por los daños causados por agentes de AI, preguntándose si se necesita un marco legal completamente nuevo o si las leyes existentes (como la responsabilidad por negligencia y la responsabilidad por productos) pueden adaptarse. Algunos argumentan que los agentes de AI son similares a los productos tradicionales, y que los desarrolladores y usuarios deberían asumir la responsabilidad según su capacidad para prevenir riesgos. El desafío radica en la complejidad, imprevisibilidad e falta de transparencia de la AI, lo que dificulta la prueba de negligencia y causalidad. Se sugiere ajustar cuidadosamente las leyes existentes, por ejemplo, imponiendo una rendición de cuentas más estricta a los desarrolladores y mejorando la alfabetización tecnológica de los profesionales del derecho, para garantizar una distribución equitativa de la responsabilidad. (Fuente: 36氪)