Author: admin

  • China tiene 69% de las patentes de Inteligencia Artificial en el mundo: AI Index Report 2025

    China tiene 69% de las patentes de Inteligencia Artificial en el mundo: AI Index Report 2025

    A pesar de invertir 12 veces menos que Estados Unidos en Inteligencia Artificial privada, China lidera en publicaciones científicas (23.2%), citaciones (22.6%) y despliegue industrial, con más de 276,000 robots instalados.

    En medio de la guerra arancelaria entre China y Estados Unidos, un estudio de la Universidad de Stanford muestra que el país asiático concentra 69.7% de todas las patentes relacionadas con la Inteligencia Artificial registradas en el mundo.

    De acuerdo con el AI Index Report 2025 del Instituto de IA Centrada en el Humano de la Universidad de Stanford, el crecimiento en el número total de patentes de inteligencia artificial ha sido vertiginoso.

    En 2010 se registraron apenas 3,833 patentes de IA; para 2023, la cifra se disparó a 122,511, lo que representa un incremento de más de 3,000 por ciento. Solo en 2023, el crecimiento fue de 29.6%, lo que refleja una tendencia que se acelera en lugar de estabilizarse.

    Dentro de ese universo, China se consolidó como líder absoluto, con 69.7% del total de patentes concedidas. Esto significa que más de dos de cada tres patentes de IA a nivel global tienen origen en instituciones chinas, lo que incluye tanto entidades académicas como corporativas.

    Este dominio es aún más significativo si se contrasta con los datos de inversión. En 2024, China invirtió 9,300 millones de dólares en inteligencia artificial desde el sector privado, frente a los 109,100 millones de dólares de Estados Unidos.

    Esto quiere decir que el sector privado de Estados Unidos invirtió casi 12 veces más Inteligencia Artificial, pero no logró traducir esa ventaja económica en liderazgo en propiedad intelectual.

    Estado y academia, la clave

    El modelo de desarrollo tecnológico de China ha apostado fuertemente por una combinación de apoyo estatal masivo, movilización académica y una integración industrial sin precedentes.

    A diferencia de Estados Unidos, donde la inversión privada lidera el desarrollo de modelos notables de IA, en China el ecosistema de innovación se apoya en gran medida en el sistema académico y de investigación estatal.

    En 2023, 84.5% de las publicaciones científicas en IA originadas en China provino del sector académico, muy por encima del promedio global. Aunque su participación en el desarrollo de modelos notables aún es menor comparada con Estados Unidos (15 modelos notables en China frente a 40 en Estados Unidos en 2024), su volumen de publicaciones científicas —el mayor del mundo con 23.2% del total— y de citaciones (22.6%) revela una apuesta de largo plazo: cimentar la base teórica y técnica para liderar el futuro de la IA.

    Efectos económicos

    El dominio en patentes tiene efectos indirectos sobre la inversión. A pesar de que Estados Unidos sigue liderando en inversión privada en IA, China ha impulsado estrategias estatales robustas. En 2024, el gobierno chino lanzó un fondo de 47,500 millones de dólares destinado exclusivamente al desarrollo de semiconductores, esenciales para la Inteligencia Artificial moderna.

    China no solo lidera en patentes; también está ganando terreno rápidamente en otros indicadores clave del ecosistema de IA. Por ejemplo, el país se convirtió en líder mundial en publicaciones científicas relacionadas con IA, desplazando a Europa y a Estados Unidos. En 2023, produjo 23.2% de todas las publicaciones científicas en IA a nivel global.

    En cuanto a la aplicación industrial de la IA, China instaló 276,300 robots industriales en 2023, seis veces más que Japón y 7.3 veces más que Estados Unidos. Desde 2013, cuando China superó por primera vez a Japón, su participación en las instalaciones mundiales ha pasado de 20.8 a 51.1 por ciento.

    La ventaja de Estados Unidos

    Aunque China domina en patentes y publicaciones, Estados Unidos sigue siendo líder en el desarrollo de modelos avanzados de IA. En 2024, instituciones estadounidenses produjeron 40 modelos notables, más que los 15 desarrollados en China y los tres en Europa. Además, la inversión privada en IA en Estados Unidos llegó a un récord de 109,100 millones de dólares, con 33.900 millones destinados específicamente a IA generativa.

    Este liderazgo en modelos no es menor: modelos como GPT-4 o Gemini han establecido estándares técnicos que aún no han sido igualados por sus contrapartes chinas. Sin embargo, el informe de la Universidad de Stanford señala que la brecha de rendimiento entre modelos estadounidenses y chinos se está cerrando rápidamente. En benchmarks clave como MMLU, HumanEval y MATH, la diferencia en desempeño entre ambos países se redujo de dos dígitos en 2023 a márgenes casi insignificantes en 2024.

    El dato de que China posee 69.7% de las patentes de IA a nivel mundial no es solo un récord estadístico; es un síntoma de un reordenamiento profundo en la geopolítica de la innovación. Mientras Estados Unidos mantiene el liderazgo en modelos y en inversión privada, China ha construido un ecosistema robusto que combina producción académica, despliegue industrial y propiedad intelectual.

    fuente.

    El Economista. China tiene 69% de las patentes de Inteligencia Artificial en el mundo: AI Index Report 2025. Recuperado el 10 de abril de 2025, de: https://www.eleconomista.com.mx/tecnologia/china-69-patentes-inteligencia-artificial-mundo-ai-index-report-20250410-754405.html

  • Google presenta Firebase Studio, una plataforma integral que crea aplicaciones personalizadas en el navegador en minutos

    Google presenta Firebase Studio, una plataforma integral que crea aplicaciones personalizadas en el navegador en minutos

    Google ha calentado el espacio de creación de aplicaciones: hoy lanzó una plataforma de aplicaciones de extremo a extremo impulsada por inteligencia artificial generativa que permite a los usuarios crear aplicaciones personalizadas en minutos. 

    Hoy en Google Cloud Next , el gigante tecnológico presentó el espacio de trabajo de inteligencia artificial integral Firebase Studio .  

    Tanto desarrolladores como no desarrolladores pueden usar la plataforma de desarrollo agentic basada en la nube y con tecnología Gemini para crear, lanzar, iterar y supervisar aplicaciones móviles y web, API, backends y frontends directamente desde sus navegadores. Ya está disponible en versión preliminar para todos los usuarios (se requiere una cuenta de Google). 

    Al momento de esta publicación,  Firebase Studio  experimentaba una demanda excepcionalmente alta, por lo que VentureBeat aún no ha tenido la oportunidad de probarlo. Sin embargo, la reacción inicial ha sido mayormente positiva. 

    “¡Google acaba de COCINAR! ¡Firebase Studio supera a Lovable y Bolt!”, escribió un usuario de YouTube con un videotutorial. “Esto podría ser un REVOLUCIONARIO para los desarrolladores que desean prototipar y crear rápidamente aplicaciones listas para producción con asistencia de IA”. 

    “Parece como si Cursor AI se encontrara con v0, pero gratis.”, publicó otro en X.

    Otro usuario reaccionó: “¿Es como tener adorable, cursor, replicar, rayo y windsurf, todo en un solo catálogo de pruebas?”.

    Cómo los usuarios pueden crear aplicaciones en minutos con Firebase Studio

    Firebase Studio combina las herramientas de programación Genkit y Project IDX de Google con agentes de IA especializados y la asistencia de Gemini. Está basado en el popular proyecto Code OSS, lo que le da una apariencia y un funcionamiento familiares para muchos. 

    Los usuarios solo necesitan abrir su navegador para crear una aplicación en minutos, importándola desde repositorios existentes como GitHub, GitLab, Bitbucket o desde una máquina local. La plataforma es compatible con lenguajes como Java, .NET, Node.js, Go y Python, y con frameworks como Next.js, React, Angular, Vue.js, Android, Flutter y otros.

    Los usuarios pueden elegir entre  más de 60 plantillas prediseñadas o usar un agente de prototipado que ayuda a diseñar una aplicación (incluyendo la interfaz de usuario, los flujos de IA y el esquema de la API) mediante lenguaje natural, capturas de pantalla, maquetas, herramientas de dibujo, imágenes y maquetas, sin necesidad de programar. La aplicación puede implementarse directamente en  Firebase App Hosting , Cloud Run o una infraestructura personalizada.

    Las aplicaciones se pueden supervisar en una consola de Firebase y refinarse y ampliarse en un espacio de trabajo de programación con un solo clic. Se puede previsualizar directamente en un navegador, y Firebase Studio cuenta con servicios de ejecución integrados y herramientas para emulación, pruebas, refactorización, depuración y documentación de código. 

    Google afirma que la plataforma simplifica enormemente los flujos de trabajo de programación. Gemini ayuda a los usuarios a escribir código y documentación, corregir errores, gestionar y resolver dependencias, escribir y ejecutar pruebas unitarias y trabajar con contenedores Docker, entre otras tareas. Los usuarios pueden personalizar y desarrollar diferentes aspectos de sus aplicaciones, como la inferencia de modelos, los agentes, la generación aumentada por recuperación (RAG), la experiencia de usuario (UX), la lógica de negocio y otros. 

    Google también ofrece acceso anticipado a los agentes de Gemini Code Assist en Firebase Studio para quienes participan en el Programa para Desarrolladores de Google. Por ejemplo, un agente de migración puede ayudar a migrar código; un agente de pruebas puede simular interacciones de usuarios o ejecutar escenarios adversos contra modelos de IA para identificar y corregir resultados potencialmente peligrosos; y un agente de documentación de código permite a los usuarios comunicarse con el código. 

    Durante la versión preliminar, Firebase Studio está disponible con tres espacios de trabajo para usuarios regulares, mientras que los miembros del Programa para Desarrolladores de Google pueden usar hasta 30. Los agentes de Gemini Code Assist están en lista de espera. 

    Venture Beat (2025, 09 de abril). Google presenta Firebase Studio, una plataforma integral que crea aplicaciones personalizadas en el navegador en minutos. Recuperado el 10 de abril de 2025, de: https://venturebeat.com/ai/google-introduces-firebase-studio-an-end-to-end-platform-that-builds-custom-apps-in-browser-in-minutes/

  • Consejo de Energía e IA del Reino Unido define prioridades para el futuro energético

    Consejo de Energía e IA del Reino Unido define prioridades para el futuro energético

    Se acordaron cinco áreas prioritarias, como la preparación de la infraestructura energética para IA, impulsar la sostenibilidad y promover soluciones renovables.

    El Consejo de Energía e Inteligencia Artificial(AI Energy Council) del Reino Unido, una iniciativa recientemente creada, celebró su primera reunión este 8 de abril en Westminster.

    La sesión fue presidida por Peter Kyle, secretario de Estado de Ciencia, Innovación y Tecnología, y Ed Miliband, secretario de Estado de Seguridad Energética y Cero Neto.

    Entre los temas discutidos, se acordaron cinco áreas prioritarias para el próximo año. Estos enfoques incluyen preparar la infraestructura energética del Reino Unido para soportar las demandas de la IA, impulsar la sostenibilidad y promover soluciones renovables.

    También se planteó la adopción segura de la Inteligencia Artificial (IA) en el sistema energético, su integración para facilitar la transición hacia el cero neto, y el desarrollo de estrategias para flexibilizar la red energética del país. Estos objetivos buscan garantizar que el Reino Unido no sólo sea un líder tecnológico, sino también un ejemplo en sostenibilidad y eficiencia energética.

    Uno de los puntos más relevantes fue el impacto del uso de energía en los Centros de Datos de IA, los cuales representan un desafío energético global.

    Para abordar esta situación, el Reino Unido apuesta por sus Zonas de Crecimiento de IA, que aseguran acceso a al menos 500 MW de energía, suficiente para abastecer aproximadamente a 2 millones de hogares.

    Esta estrategia busca atraer inversión privada, fomentar empleos locales y consolidar al país como un centro de desarrollo tecnológico y energético. Además, el Consejo destacó la importancia de agilizar el acceso a la red, acelerar permisos de planificación y desarrollar las habilidades necesarias para este avance.

    En cuanto a la sostenibilidad, los asistentes coincidieron en que es crucial colocarla como eje central de los esfuerzos en IA y energía. Asimismo, se resaltó la necesidad de garantizar que el sistema energético británico sea seguro y adaptable para las tecnologías del futuro.

    Dijeron que energías limpias como las renovables y nucleares, así como la mejora en la eficiencia energética, jugarán un papel fundamental en este proceso.

    El Consejo de Energía e Inteligencia Artificial se comprometió a reunirse trimestralmente y trabajar en propuestas concretas que permitan avances rápidos y beneficios tangibles para la población.

    Esta iniciativa, presentada en enero como parte del Plan de Acción de Oportunidades de IA, posiciona a la Inteligencia Artificial como un motor clave para el crecimiento económico del Reino Unido. Con una visión clara y ambiciosa, el país reafirma su objetivo de liderar la convergencia entre tecnología y energía para afrontar los desafíos del futuro.

    Durante la sesión, los secretarios destacaron la relevancia de estas tecnologías para fomentar el crecimiento económico, generar empleo y aprovechar las oportunidades que brindan. Además, se subrayó que más de 200 localidades británicas han solicitado formar parte de las Zonas de Crecimiento de IA, demostrando el interés nacional en liderar esta revolución tecnológica.

    Fuente.

    DPL News (2025, 10 de abril). Consejo de Energía e IA del Reino Unido define prioridades para el futuro energético. Recuperado el 10 de abril de 2025, de: https://dplnews.com/consejo-de-energia-e-ia-reino-unido-define-prioridades/

  • Cosmos-Transfer1 de Nvidia hace que el entrenamiento de robots sea increíblemente realista, y eso lo cambia todo

    Cosmos-Transfer1 de Nvidia hace que el entrenamiento de robots sea increíblemente realista, y eso lo cambia todo

    Nvidia ha lanzado Cosmos-Transfer1 , un innovador modelo de IA que permite a los desarrolladores crear simulaciones altamente realistas para el entrenamiento de robots y vehículos autónomos. Disponible ya en Hugging Face, el modelo aborda un desafío persistente en el desarrollo de IA física: reducir la brecha entre los entornos de entrenamiento simulados y las aplicaciones reales.

    “Presentamos Cosmos-Transfer1, un modelo de generación de mundos condicional que puede generar simulaciones de mundos basadas en múltiples entradas de control espacial de diversas modalidades, como segmentación, profundidad y borde”, afirman los investigadores de Nvidia en un artículo publicado junto con el lanzamiento. “Esto permite una generación de mundos altamente controlable y se utiliza en diversos casos de transferencia de mundo a mundo, incluyendo Sim2Real”.

    A diferencia de los modelos de simulación anteriores, Cosmos-Transfer1 introduce un sistema de control multimodal adaptativo que permite a los desarrolladores ponderar de forma diferente las distintas entradas visuales, como la información de profundidad o los límites de los objetos, en las distintas partes de la escena. Este avance permite un control más preciso de los entornos generados, mejorando significativamente su realismo y utilidad.

    Cómo el control multimodal adaptativo transforma la tecnología de simulación de IA

    Los enfoques tradicionales para entrenar sistemas de IA físicos implican la recopilación de cantidades masivas de datos del mundo real (un proceso costoso y que consume mucho tiempo) o el uso de entornos simulados que a menudo carecen de la complejidad y variabilidad del mundo real.

    Cosmos-Transfer1 aborda este dilema al permitir a los desarrolladores utilizar entradas multimodales (como imágenes borrosas, detección de bordes, mapas de profundidad y segmentación) para generar simulaciones fotorrealistas que preservan aspectos cruciales de la escena original y al mismo tiempo agregan variaciones naturales.

    “En el diseño, el esquema condicional espacial es adaptativo y personalizable”, explican los investigadores. “Permite ponderar las diferentes entradas condicionales de forma distinta en distintas ubicaciones espaciales”.

    Esta capacidad resulta especialmente valiosa en robótica, donde un desarrollador podría querer mantener un control preciso sobre la apariencia y el movimiento de un brazo robótico, a la vez que permite mayor libertad creativa para generar diversos entornos. En el caso de los vehículos autónomos, permite preservar el trazado de las carreteras y los patrones de tráfico al variar las condiciones climáticas, la iluminación o el entorno urbano.

    Aplicaciones de IA física que podrían transformar la robótica y la conducción autónoma

    Ming-Yu Liu , uno de los principales contribuyentes al proyecto, explicó por qué esta tecnología es importante para las aplicaciones industriales.

    “Un modelo de políticas guía el comportamiento de un sistema físico de IA, garantizando que el sistema funcione con seguridad y de acuerdo con sus objetivos”, señalan Liu y sus colegas en el artículo. “Cosmos-Transfer1 puede entrenarse posteriormente en modelos de políticas para generar acciones, ahorrando el costo, el tiempo y la necesidad de datos del entrenamiento manual de políticas”.

    La tecnología ya ha demostrado su valor en pruebas de simulación robótica. Al utilizar Cosmos-Transfer1 para mejorar los datos robóticos simulados, los investigadores de Nvidia descubrieron que el modelo mejora significativamente el fotorrealismo al añadir más detalles a la escena, sombreado complejo e iluminación natural, a la vez que preserva la dinámica física del movimiento del robot.

    Para el desarrollo de vehículos autónomos, el modelo permite a los desarrolladores “maximizar la utilidad de los casos extremos del mundo real”, ayudando a los vehículos a aprender a manejar situaciones raras pero críticas sin necesidad de encontrarlas en carreteras reales.

    Dentro del ecosistema de IA estratégico de Nvidia para aplicaciones del mundo físico

    Cosmos-Transfer1 representa solo un componente de la plataforma Cosmos de Nvidia , un conjunto de modelos de base mundial (WFM) diseñados específicamente para el desarrollo de IA física. La plataforma incluye Cosmos-Predict1 para la generación de mundos de propósito general y Cosmos-Reason1 para el razonamiento físico de sentido común.

    “Nvidia Cosmos es una plataforma de modelos de base global, centrada en los desarrolladores, diseñada para ayudar a los desarrolladores de IA física a construir sus sistemas de IA física de forma más eficiente y rápida”, afirma la compañía en su repositorio de GitHub. La plataforma incluye modelos preentrenados bajo la Licencia de Modelo Abierto de Nvidia y scripts de entrenamiento bajo la Licencia Apache 2.

    Esto posiciona a Nvidia para capitalizar el creciente mercado de herramientas de IA que pueden acelerar el desarrollo de sistemas autónomos, particularmente a medida que industrias desde la manufactura hasta el transporte invierten fuertemente en robótica y tecnología autónoma.

    Generación en tiempo real: cómo el hardware de Nvidia potencia la simulación de IA de próxima generación

    Nvidia también demostró la ejecución de Cosmos-Transfer1 en tiempo real en su hardware más reciente. «Además, demostramos una estrategia de escalado de inferencia para lograr la generación del mundo en tiempo real con un rack Nvidia GB200 NVL72», señalan los investigadores.

    El equipo logró una aceleración de aproximadamente 40x al escalar de una a 64 GPU, lo que permitió la generación de 5 segundos de video de alta calidad en solo 4,2 segundos: un rendimiento en tiempo real.

    Este rendimiento a escala aborda otro desafío crítico de la industria: la velocidad de simulación. Una simulación rápida y realista permite ciclos de prueba e iteración más rápidos, acelerando así el desarrollo de sistemas autónomos.

    Innovación de código abierto: democratización de la IA avanzada para desarrolladores de todo el mundo

    La decisión de Nvidia de publicar tanto el modelo Cosmos-Transfer1 como su código subyacente en GitHub elimina las barreras para los desarrolladores de todo el mundo. Esta publicación ofrece a equipos más pequeños e investigadores independientes acceso a tecnología de simulación que antes requería recursos considerables.

    Esta medida se enmarca en la estrategia general de Nvidia de construir sólidas comunidades de desarrolladores en torno a sus ofertas de hardware y software. Al poner estas herramientas a disposición de más personas, la compañía amplía su influencia y, potencialmente, acelera el progreso en el desarrollo de IA física.

    Para los ingenieros de robótica y vehículos autónomos, estas nuevas herramientas podrían acortar los ciclos de desarrollo mediante entornos de formación más eficientes. El impacto práctico podría notarse primero en las fases de prueba, donde los desarrolladores pueden exponer los sistemas a una gama más amplia de escenarios antes de su implementación en el mundo real.

    Si bien el código abierto hace que la tecnología esté disponible, ponerla en uso efectivo aún requiere experiencia y recursos computacionales: un recordatorio de que en el desarrollo de IA, el código en sí es solo el comienzo de la historia.

    Fuente.

    Venture Beat (2025, 19 de marzo). Cosmos-Transfer1 de Nvidia hace que el entrenamiento de robots sea increíblemente realista, y eso lo cambia todo. Recuperado el 09 de abril de 2025, de: https://venturebeat.com/ai/nvidias-cosmos-transfer1-makes-robot-training-freakishly-realistic-and-that-changes-everything/

     

  • ¿Qué les depara el futuro a las bases de datos de Google Cloud? IA en SQL y más

    ¿Qué les depara el futuro a las bases de datos de Google Cloud? IA en SQL y más

    Durante décadas, el lenguaje de consulta SQL ha sido la piedra angular de la tecnología de bases de datos.

    Pero ¿qué sucede al integrar SQL con la IA generativa moderna? Esa es la pregunta que Google Cloud responde con una serie de actualizaciones de bases de datos que se lanzarán hoy en la conferencia Google Cloud Next de la compañía.

    Durante el último año, todas las bases de datos de Google Cloud incorporaron algún tipo de compatibilidad con vectores, lo que facilita casos de uso de IA. En Google Cloud Next, se están actualizando varias bases de datos, incluyendo Firestore, que ahora es compatible con MongoDB. Google Bigtable está incorporando compatibilidad con vistas materializadas, y la compatibilidad con Oracle Database en Google Cloud también se está expandiendo.

    La noticia más importante y transformadora, al menos desde la perspectiva de la IA de bases de datos, se encuentra en la base de datos AlloyDB. Google lanzó AlloyDB en 2022 como una versión mejorada de la base de datos PostgreSQL de código abierto. En el evento Google Next del verano de 2024, se incorporaron incrustaciones vectoriales en AlloyDB, así como compatibilidad con Duet AI para facilitar la migración de bases de datos.

    Hoy, AlloyDB se está ampliando con la integración con Agentspace de Google, que también se presentará en el evento Google Cloud Next. Sin embargo, quizás lo más interesante sea el nuevo motor de consultas de IA, que por primera vez permite expresiones de lenguaje natural directamente en consultas SQL.

    El motor de consulta API de AlloyDB incorpora el lenguaje natural directamente a SQL

    El nuevo motor de consulta de inteligencia artificial de Google para AlloyDB permite a los desarrolladores usar expresiones de lenguaje natural dentro de consultas SQL estándar, no solo reemplazando SQL, sino mejorándolo con capacidades de inteligencia artificial.

    “Estamos incorporando un motor de consultas de IA a AlloyDB”, declaró Andi Gutmans, gerente general y vicepresidenta de Ingeniería de Bases de Datos de Google Cloud, a VentureBeat en una entrevista exclusiva. “En una consulta SQL, tendremos operadores que pueden usar lenguaje natural y modelos básicos, así como operadores SQL tradicionales. Y es posible combinarlos”.

    Esta innovación marca una evolución significativa en las interfaces de bases de datos. SQL, acrónimo de Lenguaje de Consulta Estructurado (Structured Query Language), se introdujo por primera vez en 1973. Durante los últimos 50 años, ha sido el estándar de facto para las consultas estructuradas de bases de datos. La promesa original de SQL era facilitar la ejecución de consultas de bases de datos con un lenguaje que usara palabras en inglés de forma natural. Las consultas y acciones SQL comunes incluyen términos como “insertar” y “unir”, pero no es un lenguaje completamente natural.

    “Estamos cumpliendo una promesa de hace 50 años según la cual SQL debería imitar al inglés actual”, afirmó Gutmans.

    El motor de consulta permite a los desarrolladores combinar una sintaxis SQL precisa con expresiones de lenguaje natural flexibles.

    A diferencia de otros enfoques que simplemente traducen el lenguaje natural a SQL, la implementación de Google integra el lenguaje natural directamente en el propio lenguaje de consulta. Google ejecuta operadores semánticos basados ​​en modelos básicos junto con operadores relacionales tradicionales en el motor de base de datos.

    “Cuando SQL se lanzó en 1973, la idea era: ‘Queríamos un lenguaje natural para consultar datos’, y SQL era una especie de lenguaje natural”, dijo Gutmans. “Pero, en realidad, ahora deberíamos considerarlo así: esta es la promesa de SQL, porque ahora se puede usar aún más lenguaje natural como parte de la consulta SQL, pero aún así está bien estructurado”.

    La integración de Agentspace democratiza el acceso a las bases de datos

    Google Cloud también está conectando AlloyDB con su plataforma Agentspace, creando una interfaz de lenguaje natural que extiende el acceso a la base de datos más allá de los especialistas técnicos a prácticamente cualquier empleado de una organización.

    Si bien los desarrolladores y administradores de bases de datos se benefician del motor de consulta de inteligencia artificial de AlloyDB, los usuarios comerciales habituales utilizarán Agentspace.

    “Es para el empleado promedio de una organización que intenta realizar su trabajo”, dijo Gutmans. “Una de las maneras de lograrlo es contar con una interfaz de lenguaje natural, que le permita hacer preguntas sobre todos los datos empresariales a los que tiene acceso”.

    Lo que hace que esta integración sea particularmente potente es cómo mantiene la seguridad a la vez que amplía el acceso. A diferencia de otras interfaces de bases de datos de lenguaje natural, la implementación de Google aprovecha su potente plataforma Agentspace, que sabe cómo razonar no solo sobre una única fuente de datos, sino sobre múltiples fuentes. Podría tratarse de una búsqueda web, AlloyDB u otros datos empresariales no estructurados.

    La optimización de la búsqueda vectorial ofrece resultados comerciales mensurables

    Durante el último año, todas las bases de datos de Google Cloud incorporaron algún tipo de compatibilidad con vectores, lo que facilita casos de uso de IA. En Google Cloud Next, se están actualizando varias bases de datos, incluyendo Firestore, que ahora es compatible con MongoDB. Google Bigtable está incorporando compatibilidad con vistas materializadas, y la compatibilidad con Oracle Database en Google Cloud también se está expandiendo.

    La noticia más importante y transformadora, al menos desde la perspectiva de la IA de bases de datos, se encuentra en la base de datos AlloyDB. Google lanzó AlloyDB en 2022 como una versión mejorada de la base de datos PostgreSQL de código abierto. En el evento Google Next del verano de 2024, se incorporaron incrustaciones vectoriales en AlloyDB, así como compatibilidad con Duet AI para facilitar la migración de bases de datos.

    Hoy, AlloyDB se está ampliando con la integración con Agentspace de Google, que también se presentará en el evento Google Cloud Next. Sin embargo, quizás lo más interesante sea el nuevo motor de consultas de IA, que por primera vez permite expresiones de lenguaje natural directamente en consultas SQL.

    El motor de consulta API de AlloyDB incorpora el lenguaje natural directamente a SQL

    El nuevo motor de consulta de inteligencia artificial de Google para AlloyDB permite a los desarrolladores usar expresiones de lenguaje natural dentro de consultas SQL estándar, no solo reemplazando SQL, sino mejorándolo con capacidades de inteligencia artificial.

    “Estamos incorporando un motor de consultas de IA a AlloyDB”, declaró Andi Gutmans, gerente general y vicepresidenta de Ingeniería de Bases de Datos de Google Cloud, a VentureBeat en una entrevista exclusiva. “En una consulta SQL, tendremos operadores que pueden usar lenguaje natural y modelos básicos, así como operadores SQL tradicionales. Y es posible combinarlos”.

    Esta innovación marca una evolución significativa en las interfaces de bases de datos. SQL, acrónimo de Lenguaje de Consulta Estructurado (Structured Query Language), se introdujo por primera vez en 1973. Durante los últimos 50 años, ha sido el estándar de facto para las consultas estructuradas de bases de datos. La promesa original de SQL era facilitar la ejecución de consultas de bases de datos con un lenguaje que usara palabras en inglés de forma natural. Las consultas y acciones SQL comunes incluyen términos como “insertar” y “unir”, pero no es un lenguaje completamente natural.

    “Estamos cumpliendo una promesa de hace 50 años según la cual SQL debería imitar al inglés actual”, afirmó Gutmans.

    El motor de consulta permite a los desarrolladores combinar una sintaxis SQL precisa con expresiones de lenguaje natural flexibles.

    A diferencia de otros enfoques que simplemente traducen el lenguaje natural a SQL, la implementación de Google integra el lenguaje natural directamente en el propio lenguaje de consulta. Google ejecuta operadores semánticos basados ​​en modelos básicos junto con operadores relacionales tradicionales en el motor de base de datos.

    “Cuando SQL se lanzó en 1973, la idea era: ‘Queríamos un lenguaje natural para consultar datos’, y SQL era una especie de lenguaje natural”, dijo Gutmans. “Pero, en realidad, ahora deberíamos considerarlo así: esta es la promesa de SQL, porque ahora se puede usar aún más lenguaje natural como parte de la consulta SQL, pero aún así está bien estructurado”.

    La integración de Agentspace democratiza el acceso a las bases de datos

    Google Cloud también está conectando AlloyDB con su plataforma Agentspace, creando una interfaz de lenguaje natural que extiende el acceso a la base de datos más allá de los especialistas técnicos a prácticamente cualquier empleado de una organización.

    Si bien los desarrolladores y administradores de bases de datos se benefician del motor de consulta de inteligencia artificial de AlloyDB, los usuarios comerciales habituales utilizarán Agentspace.

    “Es para el empleado promedio de una organización que intenta realizar su trabajo”, dijo Gutmans. “Una de las maneras de lograrlo es contar con una interfaz de lenguaje natural, que le permita hacer preguntas sobre todos los datos empresariales a los que tiene acceso”.

    Lo que hace que esta integración sea particularmente potente es cómo mantiene la seguridad a la vez que amplía el acceso. A diferencia de otras interfaces de bases de datos de lenguaje natural, la implementación de Google aprovecha su potente plataforma Agentspace, que sabe cómo razonar no solo sobre una única fuente de datos, sino sobre múltiples fuentes. Podría tratarse de una búsqueda web, AlloyDB u otros datos empresariales no estructurados.

    La optimización de la búsqueda vectorial ofrece resultados comerciales mensurables

    Esta capacidad elimina la necesidad de canales de flujo de datos complejos para calcular agregados, lo que simplifica las arquitecturas para análisis en tiempo real. 

    Qué significa esto para la adopción de IA empresarial

    Para las empresas que desarrollan aplicaciones de IA, las mejoras de la base de datos de Google ofrecen varias ventajas inmediatas. El motor de consultas de IA permite un acceso más intuitivo a los datos, manteniendo la estructura y la seguridad de SQL. La búsqueda vectorial optimizada ofrece mejoras de rendimiento mensurables para las aplicaciones de búsqueda semántica. Por último, la integración de Agentspace amplía el acceso a la base de datos en todas las organizaciones sin necesidad de conocimientos de SQL.

    Para las empresas que buscan liderar la adopción de IA, estas innovaciones significan que la infraestructura de bases de datos ahora puede participar activamente en los flujos de trabajo de IA, en lugar de simplemente almacenar datos. La convergencia de la estructura de SQL con la flexibilidad del lenguaje natural crea oportunidades para aplicaciones más inteligentes que aprovechan la inteligencia humana y de las máquinas sin necesidad de rediseñar completamente el sistema.

    Quizás lo más importante es que el enfoque de Google demuestra que las empresas no necesitan abandonar sus inversiones en bases de datos para adoptar las capacidades de IA. Como lo expresó Gutmans sucintamente cuando se le preguntó si SQL se estaba volviendo obsoleto: «SQL ha muerto. ¡Viva SQL!».

    Fuente

    Venture Beat (2025, 09 de abril). ¿Qué les depara el futuro a las bases de datos de Google Cloud? IA en SQL y más. Recuperado el 09 de abril de 2025, de: https://venturebeat.com/data-infrastructure/whats-next-for-google-cloud-databases-ai-inside-sql-and-more/

  • México, por encima del promedio mundial de ciberataques: Check Point

    México, por encima del promedio mundial de ciberataques: Check Point

    El Threat Intelligence Report de Check Point reveló que las organizaciones en México son atacadas en promedio 3 mil 48 veces por semana, mientras que en el mundo son mil 891 ataques.

    El panorama de la ciberseguridad en México refleja un entorno cada vez más amenazado por ataques sofisticados, impulsados por el crecimiento de la Inteligencia Artificial Generativa, lo que ha hecho que el país se encuentre sobre el promedio mundial, de acuerdo con Check Point.

    De acuerdo con los datos del Threat Intelligence Report de Check Point, las organizaciones en México son atacadas en promedio 3 mil 48 veces por semana, una cifra significativamente superior al promedio global de mil 891 ataques.

    Por ejemplo, en el caso de ransomware, el promedio semanal que reportan las organizaciones que sufrieron algún ataque es de 8.7 por ciento, mientras que el promedio global es de 4.5 por ciento.

    En el caso de malware para banca, México tiene un promedio de 6.9 por ciento, mientras que el global es de 2.9 por ciento.

    Antonio Amador, director de Check Point Latam y Caribe, dijo que a pesar de ello, México está trabajando en una estrategia nacional de ciberseguridad, con la colaboración de diversas agencias gubernamentales.

    Añadió que si bien existen esfuerzos en administraciones previas, el desafío es adaptar y reforzar medidas de seguridad en el entorno actual.

    Miguel Hernández, director de Check Point México, insistió en que el entorno global influye en la cantidad y sofisticación de ciberamenazas que enfrenta México. La cercanía con Estados Unidos lo convierte en un punto estratégico para los ciberdelincuentes, aumentando ataques como el phishing, robo de identidad y extracción de datos confidenciales.

    Además, señaló que sólo 3.4 por ciento del presupuesto total de infraestructura y protección de información en México se destina a ciberseguridad, una inversión insuficiente para contrarrestar el creciente número de amenazas digitales.

    Asimismo, los expertos de Check Point advirtieron que el correo electrónico es el vector de ataque más utilizado.

    El 85 por ciento de los archivos maliciosos en México fueron distribuidos por correo electrónico en los últimos 30 días, convirtiéndose en el principal método de ataque en la región.

    “Todos tenemos correo electrónico en el móvil, lo que significa que la información fluye las 24 horas, los siete días de la semana, convirtiéndolo en un blanco constante de ataques”, comentó Francisco Robayo, director de Ciberseguridad de Check Point Latinoamérica.

    Fuente.

    DPL News (2025, 09 de abril). México, por encima del promedio mundial de ciberataques: Check Point. Recuperado el 09 de abril de 2025, de: https://dplnews.com/mexico-por-encima-del-promedio-mundial-de-ciberataques-check-point/

  • DeepSeek revoluciona la industria de la IA: por qué el próximo salto de la IA puede no provenir de más datos, sino de más computación en la inferencia

    DeepSeek revoluciona la industria de la IA: por qué el próximo salto de la IA puede no provenir de más datos, sino de más computación en la inferencia

    El panorama de la IA continúa evolucionando a un ritmo acelerado, con desarrollos recientes que desafían los paradigmas establecidos. A principios de 2025, el laboratorio chino de IA DeepSeek presentó un nuevo modelo que impactó a la industria de la IA y provocó una caída del 17 % en las acciones de Nvidia, junto con las de otras empresas relacionadas con la demanda de centros de datos de IA. Se informó ampliamente que esta reacción del mercado se debió a la aparente capacidad de DeepSeek para ofrecer modelos de alto rendimiento a un costo mucho menor que el de sus competidores en EE. UU., lo que generó debate sobre las implicaciones para los centros de datos de IA . 

    Para contextualizar la disrupción de DeepSeek, creemos que es útil considerar un cambio más amplio en el panorama de la IA impulsado por la escasez de datos de entrenamiento adicionales. Debido a que los principales laboratorios de IA ya han entrenado sus modelos en gran parte de los datos públicos disponibles en internet, la escasez de datos está ralentizando futuras mejoras en el preentrenamiento . Como resultado, los proveedores de modelos están buscando “computación en tiempo de prueba” (TTC), donde los modelos de razonamiento (como la serie “o” de modelos de Open AI) “piensan” antes de responder a una pregunta en el momento de la inferencia, como un método alternativo para mejorar el rendimiento general del modelo. La idea actual es que TTC puede exhibir mejoras en la ley de escalado similares a las que alguna vez impulsaron el preentrenamiento, lo que potencialmente posibilita la próxima ola de avances transformadores de la IA.

    Estos avances indican dos cambios significativos: primero, los laboratorios con presupuestos más reducidos (según se informa) ahora pueden lanzar modelos de vanguardia. El segundo cambio es el enfoque en la TTC como el próximo impulsor potencial del progreso de la IA. A continuación, analizamos ambas tendencias y sus posibles implicaciones para el panorama competitivo y el mercado de la IA en general.

    Implicaciones para la industria de la IA

    Creemos que el cambio hacia TTC y la mayor competencia entre los modelos de razonamiento pueden tener una serie de implicaciones para el panorama más amplio de la IA en hardware, plataformas en la nube, modelos básicos y software empresarial. 

    1. Hardware (GPU, chips dedicados e infraestructura informática)

    • Desde clústeres de entrenamiento masivos hasta picos de tiempo de prueba bajo demanda: en nuestra opinión, el cambio hacia el TTC puede tener implicaciones para el tipo de recursos de hardware que requieren las empresas de IA y cómo se gestionan. En lugar de invertir en clústeres de GPU cada vez más grandes dedicados a cargas de trabajo de entrenamiento, las empresas de IA podrían aumentar su inversión en capacidades de inferencia para satisfacer las crecientes necesidades de TTC. Si bien es probable que las empresas de IA sigan necesitando un gran número de GPU para gestionar las cargas de trabajo de inferencia, las diferencias entre las cargas de trabajo de entrenamiento y las de inferencia pueden afectar la configuración y el uso de esos chips. En concreto, dado que las cargas de trabajo de inferencia tienden a ser más dinámicas (y con picos) , la planificación de la capacidad puede volverse más compleja que para las cargas de trabajo de entrenamiento orientadas a lotes. 
    • Auge del hardware optimizado para inferencia: Creemos que el cambio de enfoque hacia el TTC probablemente aumentará las oportunidades para hardware de IA alternativo especializado en computación de inferencia de baja latencia. Por ejemplo, podríamos observar una mayor demanda de alternativas a las GPU, como los circuitos integrados de aplicación específica (ASIC) para inferencia . A medida que el acceso al TTC se vuelve más importante que la capacidad de entrenamiento, el predominio de las GPU de propósito general, que se utilizan tanto para entrenamiento como para inferencia, podría disminuir. Este cambio podría beneficiar a los proveedores de chips de inferencia especializados. 

    2. Plataformas en la nube: Hiperescaladores (AWS, Azure, GCP) y computación en la nube

    • La calidad de servicio (QoS) se convierte en un factor diferenciador clave: un problema que impide la adopción de la IA en las empresas, además de las preocupaciones sobre la precisión de los modelos, es la poca fiabilidad de las API de inferencia. Los problemas asociados con la inferencia de API poco fiable incluyen tiempos de respuesta fluctuantes , limitaciones de velocidad y dificultades para gestionar solicitudes simultáneas y adaptarse a los cambios en los endpoints de la API . Un mayor tiempo de respuesta (TTC) puede agravar aún más estos problemas. En estas circunstancias, un proveedor de nube capaz de proporcionar modelos con garantías de QoS que aborden estos desafíos tendría, en nuestra opinión, una ventaja significativa.
    • Aumento del gasto en la nube a pesar de las mejoras de eficiencia: En lugar de reducir la demanda de hardware de IA, es posible que enfoques más eficientes para el entrenamiento e inferencia de modelos de lenguaje grandes (LLM) sigan la paradoja de Jevons, una observación histórica según la cual una mayor eficiencia impulsa un mayor consumo general. En este caso, los modelos de inferencia eficientes podrían animar a más desarrolladores de IA a aprovechar los modelos de razonamiento, lo que, a su vez, aumenta la demanda de computación. Creemos que los recientes avances en modelos podrían generar una mayor demanda de computación de IA en la nube, tanto para la inferencia de modelos como para el entrenamiento de modelos más pequeños y especializados.

    3. Proveedores de modelos de base (OpenAI, Anthropic, Cohere, DeepSeek, Mistral)

    • Impacto en los modelos preentrenados: Si nuevos actores como DeepSeek pueden competir con los laboratorios de IA de vanguardia a una fracción de los costos reportados, los modelos preentrenados propietarios podrían volverse menos defendibles como foso. También podemos esperar más innovaciones en TTC para modelos de transformadores y, como ha demostrado DeepSeek, estas innovaciones pueden provenir de fuentes externas a los laboratorios de IA más consolidados.   

    4. Adopción de IA empresarial y SaaS (capa de aplicación)

    • Preocupaciones de seguridad y privacidad: Dados los orígenes de DeepSeek en China, es probable que haya un escrutinio continuo de los productos de la empresa desde una perspectiva de seguridad y privacidad. En particular, es poco probable que las ofertas de API y chatbots con sede en China de la empresa sean ampliamente utilizadas por clientes de IA empresarial en los EE. UU., Canadá u otros países occidentales. Según se informa, muchas empresas están tomando medidas para bloquear el uso del sitio web y las aplicaciones de DeepSeek. Esperamos que los modelos de DeepSeek se enfrenten al escrutinio incluso cuando estén alojados por terceros en los EE. UU. y otros centros de datos occidentales, lo que puede limitar la adopción empresarial de los modelos. Los investigadores ya están señalando ejemplos de preocupaciones de seguridad en torno al jailbreak , el sesgo y la generación de contenido dañino . Dada la atención del consumidor , es posible que veamos experimentación y evaluación de los modelos de DeepSeek en la empresa, pero es poco probable que los compradores empresariales se alejen de los incumbentes debido a estas preocupaciones.
    • La especialización vertical cobra fuerza: Anteriormente, las aplicaciones verticales que utilizaban modelos base se centraban principalmente en la creación de flujos de trabajo diseñados para necesidades empresariales específicas. Técnicas como la generación aumentada por recuperación (RAG), el enrutamiento de modelos, la llamada a funciones y las barreras de seguridad han desempeñado un papel importante en la adaptación de modelos generalizados a estos casos de uso especializados. Si bien estas estrategias han dado lugar a éxitos notables, ha persistido la preocupación de que mejoras significativas en los modelos subyacentes pudieran volver obsoletas estas aplicaciones. Como advirtió Sam Altman, un avance significativo en las capacidades de los modelos podría arrasar con las innovaciones de la capa de aplicación que se construyen como envoltorios de los modelos base.

    Sin embargo, si los avances en el cómputo en tiempo de entrenamiento se estancan, la amenaza de un desplazamiento rápido disminuye. En un mundo donde las mejoras en el rendimiento del modelo provienen de las optimizaciones de TTC, pueden surgir nuevas oportunidades para los actores de la capa de aplicación. Las innovaciones en algoritmos de post-entrenamiento específicos del dominio, como la optimización de indicaciones estructuradas , las estrategias de razonamiento con capacidad de respuesta a la latencia y las técnicas de muestreo eficientes, pueden proporcionar mejoras significativas en el rendimiento en los mercados verticales objetivo.

    Cualquier mejora del rendimiento sería especialmente relevante en el contexto de modelos centrados en el razonamiento, como GPT-4o y DeepSeek-R1 de OpenAI, que suelen presentar tiempos de respuesta de varios segundos. En aplicaciones en tiempo real, reducir la latencia y mejorar la calidad de la inferencia dentro de un dominio determinado podría proporcionar una ventaja competitiva. Por lo tanto, las empresas especializadas en la capa de aplicación con experiencia en el dominio pueden desempeñar un papel fundamental en la optimización de la eficiencia de la inferencia y el ajuste preciso de los resultados.

    DeepSeek demuestra un énfasis cada vez menor en el creciente preentrenamiento como único factor determinante de la calidad del modelo. En cambio, este desarrollo subraya la creciente importancia del TTC. Si bien la adopción directa de los modelos de DeepSeek en aplicaciones de software empresarial sigue siendo incierta debido al escrutinio continuo, su impacto en la mejora de otros modelos existentes es cada vez más evidente.

    Creemos que los avances de DeepSeek han impulsado a laboratorios de IA consolidados a incorporar técnicas similares en sus procesos de ingeniería e investigación, complementando así las ventajas de su hardware. La consiguiente reducción en los costes de los modelos, como se predijo, parece estar contribuyendo a un mayor uso de los mismos, en consonancia con los principios de la paradoja de Jevons.

    Fuente.

    VentureBeat (2025, 5 de abril). DeepSeek revoluciona la industria de la IA: por qué el próximo salto de la IA puede no provenir de más datos, sino de más computación en la inferencia. Recuperado el 08 de abril de 2025, de: https://venturebeat.com/ai/deepseek-jolts-ai-industry-why-ais-next-leap-may-not-come-from-more-data-but-more-compute-at-inference/

  • Aranceles de Trump en clave geopolítica: reconfiguración del orden económico global

    Aranceles de Trump en clave geopolítica: reconfiguración del orden económico global

    “La palabra más hermosa del diccionario es arancel.” Donald Trump ha convertido las tarifas en el eje de su estrategia para redefinir el rol de Estados Unidos en el mundo. Bajo esta premisa, el presidente Trump ha iniciado una nueva era en la política comercial estadounidense, al declarar una emergencia nacional económica mediante la imposición de aranceles generalizados que representan un cambio sísmico en el orden económico internacional.

    El 2 de abril de 2025, invocando la Ley de Poderes Económicos de Emergencia Internacional de 1977 (IEEPA), Trump estableció un arancel base de 10 por ciento a todas las importaciones, efectivo a partir del 5 de abril de 2025, además de otros aranceles recíprocos diferenciados según cada país y producto, con planes para imponer tarifas más altas a naciones con las cuales Estados Unidos mantiene mayores déficits comerciales. ¿Qué significa y qué implicaciones tiene esta decisión en la política comercial estadounidense y en la geopolítica global?

    Trump impone aranceles fundamentándose en una visión de “América Primero”. Entiende las relaciones comerciales internacionales como un juego de suma cero. Según la Casa Blanca, los “grandes y persistentes déficits comerciales anuales de EE. UU. han llevado al vaciamiento de nuestra base manufacturera, socavaron las cadenas de suministro críticas y han dejado nuestra base industrial de defensa dependiente de adversarios extranjeros”.

    Este argumento convierte los aranceles como un arma económica y un instrumento de seguridad nacional. La desindustrialización (la manufactura estadounidense cayó de 28.4 a 17.4% del PIB global desde 2001) y la dependencia de cadenas de suministro extranjeras son amenazas existenciales para que América vuelva a ser grande otra vez.

    Económicamente, los aranceles funcionan como un “impuesto” a las importaciones que eleva el precio de bienes extranjeros, protege industrias domésticas y genera ingresos fiscales. En teoría, mejora la balanza comercial y favorece el empleo local.

    La lógica económica detrás de imponer aranceles se basa en tres pilares fundamentales, según la visión trumpista: proteccionismo, reciprocidad y renegociación de los términos comerciales. Habría que añadir un cuarto pilar que convierte una tarifa en una moneda de cambio política, como es el caso de la negociación arancelaria con México en términos de atención a temas migratorios y de combate al fentanilo.

    Trump argumenta que Estados Unidos ha mantenido aranceles significativamente más bajos que sus socios comerciales (3.3% promedio frente a 11.2% de Brasil, 7.5% de China, 5% de la Unión Europea, 17% de India y 9.4% de Vietnam). Esta disparidad, junto con barreras no arancelarias, ha creado lo que el republicano percibe como un campo de juego desigual que ha perjudicado a los trabajadores estadounidenses.

    Trump fundamenta su política arancelaria en la “regla de oro” del comercio: “trátanos como te tratamos”. Reclama que otros países han impuesto aranceles más altos y numerosas barreras no arancelarias a los productos estadounidenses. Por ejemplo, mientras EE. UU. impone un arancel de 2.5 por ciento a los vehículos importados, la Unión Europea impone 10 por ciento e India 70 por ciento.

    Además, el republicano sostiene que prácticas como la manipulación de divisas, impuestos al valor agregado (IVA) exorbitantes y el robo de propiedad intelectual han perjudicado significativamente la economía estadounidense. Según la Casa Blanca, “el costo anual para la economía de EE. UU. de bienes falsificados, software pirata y robo de secretos comerciales es entre 225 mil mdd y 600 mil millones de dólares”.

    La Casa Blanca expuso que “un análisis económico de 2024 encontró que un arancel global de 10 por ciento haría crecer la economía en 728 mil millones de dólares, crearía 2.8 millones de empleos y aumentaría los ingresos reales de los hogares 5.7 por ciento”.

    ¿Genialidad estratégica o locura económica?

    Más allá de estas motivaciones declaradas, subyacen imperativos geopolíticos de gran calado. La imposición de aranceles es un intento de reafirmar la preeminencia económica y política de Estados Unidos en un orden global en transformación, especialmente en el contexto de la creciente influencia de China y las distorsiones generadas por el conflicto ruso-ucraniano. La dependencia de “adversarios extranjeros” para el suministro de bienes críticos, incluidos los necesarios para la base industrial de defensa, se considera una vulnerabilidad estratégica que los aranceles buscan mitigar. Desde luego, la política también busca el apoyo de una base de votantes que se siente perjudicada por la globalización y la pérdida de empleos manufactureros.

    La insistencia en la “independencia económica” de la Unión Americana inclina la balanza hacia un enfoque neomercantilista del comercio: la producción doméstica y los intereses nacionales se priorizan sobre la interdependencia global. La amplitud de los objetivos declarados pretende una reorientación del papel de Estados Unidos en la economía mundial con reminiscentes de políticas mercantilistas que buscaban maximizar la riqueza y el poder nacional a través de superávits comerciales y la protección de industrias locales.

    La decisión de Trump es una ruptura con las políticas del libre comercio que han dominado la política económica estadounidense durante décadas. Los defensores del trumpismo defienden que es una genialidad estratégica: fuerza a los socios comerciales a negociar en términos más favorables para EE. UU., protege industrias estratégicas como la manufacturera y puede ayudar a reducir la dependencia de cadenas de suministro vulnerables.

    Sin embargo, los críticos –mucho más abundantes y en todos los continentes– señalan que el “arancelismo” es una locura económica que ignora los principios fundamentales del comercio internacional. Los aranceles generalmente aumentan los costos para los consumidores, distorsionan la asignación eficiente de recursos y pueden desencadenar guerras comerciales, además del siempre doloroso desempleo. La teoría económica sostiene que el libre comercio aumenta el bienestar global, mientras que el proteccionismo tiende a reducirlo.

    Los efectos inmediatos de la imposición de aranceles ya se manifiestan. Los mercados financieros experimentaron un desplome tras el anuncio del Día de la Liberación, resultado de la incertidumbre que mostraron los inversionistas. El Dow Jones perdió 2,231 puntos (5.5%) el 4 de abril, arrastrado por temores de recesión y represalias del gigante asiático. Precisamente, China respondió con una represalia de 34 por ciento de aranceles, la Unión Europea amenaza con impuestos a empresas tecnológicas y Brasil denuncia violaciones a la Organización Mundial de Comercio.

    Oxford Economics estima que la tasa arancelaria efectiva de EE. UU. llegará a 24 por ciento, con lo cual superaría los niveles de los años treinta del siglo XX. Lo anterior podría reducir el déficit a costa de encarecer importaciones y desatar una espiral inflacionaria.

    Los primeros coletazos tras el aumento de tarifas arancelarias típicamente incluyen aumento de precios de bienes importados, disrupción de cadenas de suministro globales, volatilidad en mercados financieros, represalias de socios comerciales afectados e incertidumbre para empresas involucradas en comercio internacional.

    ¿Qué dice la teoría económica? Desde diferentes corrientes económicas, la decisión de Trump puede interpretarse de maneras contrastantes.

    La escuela proteccionista apoyaría las medidas como protección para industrias nacionales estratégicas. Los keynesianos ven mérito en estimular la producción nacional, pero preocupación por efectos inflacionarios. Los neoliberales critican estas medidas como ineficientes y distorsionadoras del mercado. La corriente institucionalista se centra en cómo estas políticas alteran las estructuras de poder económico globales.

    Implicaciones políticas

    Desde la ciencia política también es posible hacer un análisis, pues estas medidas se explican en gran medida por complacer la base electoral de Trump: trabajadores de sectores manufactureros en declive, sindicatos, regiones afectadas por la desindustrialización y antiglobalistas. El discurso nacionalista y de “América primero” refuerza la lealtad de un electorado sensible a la pérdida de empleos, la inflación por factores externos (como la pandemia o la guerra en Ucrania) y al declive de ciudades otrora industriales.

    Sus votantes principales incluyen trabajadores industriales en estados del llamado “cinturón del óxido”, los cuales han visto declinar sus industrias debido a la globalización y la relocalización de fábricas para reducir costos a cambio de desempleo local. Entre 1997 y 2024, “EE. UU. perdió alrededor de 5 millones de empleos manufactureros y experimentó una de las mayores caídas en el empleo manufacturero en la historia”, acusó la Casa Blanca. Para el votante promedio de Trump, los aranceles simbolizan una defensa directa de sus intereses económicos frente a la competencia extranjera desleal.

    Está el caso de Detroit, otrora emporio mundial de la producción automotriz conocida como “Motor City”, hoy un monumento al abandono industrial: de casi 1.85 millones de habitantes en 1950 pasó a menos de 640 mil en 2020, tras el cierre masivo de plantas como la Packard (que empleaba a más de 40 mil trabajadores) o la Chrysler–Chalmers, que dejaron barrios enteros como “ciudades fantasma”, fábricas derruidas y viviendas vacías.

    Entre 1947 y 1963, Detroit perdió aproximadamente 150 mil empleos manufactureros debido a la migración de plantas hacia áreas suburbanas con mayor espacio disponible. Las ruinas industriales como la planta Packard simbolizan el abandono industrial y el colapso de una ciudad emblemática que no logró adaptarse a las transformaciones globales y tecnológicas. No es extraño que la película RoboCop se desarrolle en Detroit, cuando la ciudad está sumida en el crimen y al borde del colapso social y financiero.

    La quiebra municipal de 2013 demostró a los sectores conservadores de EE. UU. que la deslocalización y la competencia extranjera vaciaron la base tributaria y social de la ciudad y convirtieron amplias zonas en “brownfields” contaminados y sin perspectivas de reactivación económica.

    Impacto en la economía mundial: ¿dinamización o estancamiento?

    La política arancelaria de Trump llevará a un estancamiento del comercio mundial en el corto plazo, con posibles efectos recesivos. Sin embargo, desde una perspectiva geopolítica, estas fricciones comerciales necesariamente llevarán a una reconfiguración de cadenas de valor globales que, a largo plazo, podrían resultar en economías más resilientes y menos interdependientes.

    La respuesta de otros países será crucial para determinar si la economía mundial se dinamiza o se estanca. Si prevalecen las guerras comerciales, el efecto neto será negativo. Si, por el contrario, los aranceles conducen a negociaciones más equitativas, habría beneficios a largo plazo.

    Es llamativo que Rusia no aparezca en la discusión sobre aranceles. El comercio entre EE. UU. y Rusia es relativamente pequeño, especialmente tras las sanciones impuestas desde 2014 por el conflicto con Ucrania, mucho antes del estallido de la guerra. Rusia es principalmente exportador de materias primas y energía (también armas, pero esas no las necesita Estados Unidos), sectores que, según la orden de Trump, estarían exentos: “energía y otros ciertos minerales que no están disponibles en Estados Unidos”, dice convenientemente la hoja informativa de la Casa Blanca.

    Los países afectados enfrentan un dilema estratégico: enojarse y responder con aranceles recíprocos (Europa y China) o buscar negociar nuevos términos comerciales (México). Las estrategias más efectivas contemplan diversificación de mercados, alianzas otrora impensables como la de China-Surcorea-Japón, fortalecimiento de los mercados internos (América Latina), negociación directa (México), adaptación de cadenas de suministro e inversión estratégica en sectores estadounidenses, como el automovilístico o los semiconductores.

    Efectos en el sector tecnológico

    El sector de las Tecnologías de la Información y la Comunicación (TIC), las telecomunicaciones y las industrias digitales y de Internet se ven indirectamente afectados por la nueva política arancelaria de Estados Unidos. Inmediatamente después del anuncio, se produjo una caída significativa en las cotizaciones de las corporaciones tecnológicas en los mercados bursátiles. La reacción de las empresas tecnológicas refleja la preocupación fundada de los inversionistas por el aumento de los costos de los dispositivos electrónicos importados y la posible disminución de la demanda de los consumidores debido a precios más altos.

    La industria tecnológica ha basado su expansión global en la colaboración y no las prohibiciones o las prácticas arancelarias, por lo que esta ola de proteccionismo y tarifas representa una amenaza.

    La Casa Blanca plantea en su hoja informativa que “la necesidad de mantener una capacidad de fabricación interna resiliente es particularmente aguda en sectores avanzados como (…) los productos tecnológicos, donde la pérdida de capacidad podría debilitar permanentemente la competitividad estadounidense”. Asimismo, reconoce “el desarrollo de nuevas tecnologías de fabricación en sectores críticos como la biofabricación, las baterías y la microelectrónica para apoyar las necesidades de defensa”.

    Aunque los aranceles se dirigen principalmente a bienes manufacturados tradicionales, las TIC sufren de manera indirecta con la guerra arancelaria. Esta paradoja se explica por la profunda interconexión de la economía global. Los analistas anticipan que las tarifas, aun si se aplican principalmente a otros sectores, tendrán efectos negativos en toda la economía, incluido el sector tecnológico. Aunque semiconductores y software están exentos, el gravamen de 25 por ciento al aluminio y acero encarecería teléfonos, computadoras y equipos de redes. El anuncio precipitó caídas en las cotizaciones de Apple, Dell, HP, Nvidia y Qualcomm, entre otras tecnológicas, pues anticipan márgenes más ajustados y menor demanda. La caída en el valor de las empresas del S&P 500 provocó desplomes en sectores como el automotriz y el energético, pero también el tecnológico.

    Las acciones de empresas tecnológicas en los índices bursátiles bajan porque 1) dependen de cadenas de suministro globales complejas; 2) el aumento de costos de componentes afecta sus márgenes de beneficio; 3) la incertidumbre del mercado reduce el apetito por activos de riesgo; 4) por potenciales represalias dirigidas a ellas que podrían afectar su continuidad o acceso a mercados internacionales y 5) porque una desaceleración económica, inflación, carestía y desempleo reduciría la demanda de productos tecnológicos.

    FODA a los aranceles

    Por lo tanto, si hiciéramos un rápido análisis FODA de la política arancelaria de Trump, encontraríamos los siguientes resultados, dependiendo de si se miran desde la Unión Americana o del resto de los países.

    Geopolítica

    Estados Unidos goza de una posición geográfica privilegiada que influye en su enfoque geopolítico: aislado y defendido por océanos, con abundantes recursos naturales y un mercado interno enorme. Esta geografía le permite implementar políticas comerciales unilaterales como los aranceles del Día de la Liberación.

    Geopolíticamente, EE. UU. aprovecha su posición como principal mercado mundial y nodo en cadenas de suministro para imponer su voluntad económica, política y estratégica. Los aranceles se convierten en instrumento de poder duro y blando: coerción comercial y política para que socios alineen estrategias de seguridad, migración y economía con Washington.

    En sus relaciones con Europa, China y América Latina, Trump empuja un regreso al continentalismo propio de su destino manifiesto: reforzar el eje americano, tensionar la UE para renegociar tarifas digitales y arancelarias, “aislar” a China mediante alianzas con otros países asiáticos y latinoamericanos y atraer inversiones a industrias clave de la economía estadounidense como autos y semiconductores.

    Frente a esta ofensiva arancelaria, las naciones deben diversificar sus destinos de exportación, reforzar bloques regionales y recurrir a organismos internacionales como la OMC para denunciar violaciones de acuerdos multilaterales.

    Las medidas muestran un cambio paradigmático en la estrategia global estadounidense: del multilateralismo liberal hacia un enfoque nacionalista, proteccionista y transaccional. Con Europa, redefinición de la relación transatlántica; contra China, entorpecer la competencia estratégica; hacia América Latina, oportunidad para renegociar en términos más favorables para EE.UU.

    La política arancelaria de Trump representa una apuesta estratégica de alto riesgo. Desde una perspectiva de realpolitik, como un intento de reajustar un sistema comercial global percibido como desequilibrado. La estrategia es utilizar el acceso al mercado estadounidense como garrote para forzar concesiones. Sin embargo, las medidas también arriesgan con desestabilizar un orden comercial internacional que ha contribuido a décadas de crecimiento.

    ¿Es Trump un estratega visionario o un líder que empuja al mundo al borde del caos? Desde la óptica realista, busca maximizar el poder estadounidense y preservar su hegemonía. Pero el riesgo de colapso económico sugiere que la estrategia puede dejar al mundo atrapado en rencores, represalias y estancamiento. Como dijo Warren Buffett, “los aranceles son un acto de guerra”. La pregunta no es si EE. UU. ganará la guerra arancelaria, sino si el mundo soportará el costo de su victoria.

    Fuente.

    DPL News (2025, 07 de abril). Aranceles de Trump en clave geopolítica: reconfiguración del orden económico global. Recuperado el 08 de abril de 2025, de: https://dplnews.com/aranceles-de-trump-en-clave-geopolitica-reconfiguracion-del-orden-economico-global/

  • ¿Día Q, Supremacía Tecnológica a favor o en contra de la Humanidad?

    ¿Día Q, Supremacía Tecnológica a favor o en contra de la Humanidad?

    Para Clausewitz la guerra es el reino de la incertidumbre, lo que exige un entendimiento fino e inteligente que perciba la verdad con juicio atinado (Clausewitz. Karl, 2002, pág. 33)  solo así se puede valorar que la guerra es de vital importancia para el estado (Tzu, 2025), estamos viviendo una guerra comercial al aplicar los EEUU aranceles a 185 naciones, que van del 10% al 49% como a Camboya, Myanmar, Madagascar y Vietnam, economías muy vulnerables (Miguel, 2025), pero ésta guerra tiene otros frentes como es la tecnología. 

    El cómputo cuántico, definirá la entrada a la era de la economía cuántica, la post-privacidad dará paso a una red de vigilancia ubicua (Harari, 2024, pág. 291), las guerras las definen las armas de última generación, como lo fue la bomba atómica en la segunda guerra mundial, en las actuales circunstancias globales, quien llegue a la  supremacía tecnológica en el cómputo cuántico, estará en posibilidad de definir las reglas de la nueva geopolítica mundial, más allá de los aranceles. 

    El punto de inflexión lo marca el Q-Day (Día Cuántico) cuando una organización pública y/o privada, cuente con un ordenador cuántico criptográficamente relevante, para descifrar toda la encriptación de todos los sistema informáticos, dejando obsoletos todos los métodos cifrado como RSA, ECC y el DES (Grimes, 2019). 

    El modelo RSA-1977 (Ron Rivest, Adi Shamir y León Adleman) factoriza números primos muy grandes, solo puede descifrarlo quien conozca los factores primos (digicert, 2025), su propósito es garantizar una conexión segura entre el ordenador y la web (Sanchez, 2018). 

    El método de encriptación ECC-1980 (Elliptic, Curve  Crytography) Criptografía de Curva Elíptica, desarrollado por Victor Miller de IBM y Neal Koblitz, es un sistema cifrado asimétrico, basado en una estructura algebraica, para salvaguardar procesos criptográficos (Maldonado, 2020).   

    El Algoritmo de Firma Digital (DES) fue creado por la agencia de seguridad nacional de EEUU en 1991, para reemplazar al algoritmo RSA (digicert, 2019). 

    La Supremacía cuántica representa la vulnerabilidad de todo sistema informático, dice Michele Mosca, del Global Risk Institute (Katwala, 2025), alcanzando el nivel de una carrera armamentista cuántica, superando el paradigma binario, bits de 0 ó 1, para dar paso al sistema qubits pudiendo estar en ambos 0 y 1 al mismo tiempo, pudiendo ser partícula y onda, al mismo tiempo (Munroe, 2024).

    Factorizar un numero de 1000 dígitos en el cómputo clásico actual, tardaría milenios, pero con el algoritmo que Peter Shor, que desarrolló en 1944 (Benavente de Lucas, 2024); un ordenador cuántico lo realiza en minutos (ob.cit) 

    En 2019 John Martinis de Google, con su procesador cuántico Sycamore creó un chip de 53 qubits, para completar procesos en 200 segundos, que a 100 mil ordenadores binarios les hubiera llevado 10 mil años, el procesador cuántico de Google llamado Willow tiene 105 qubits (ob.cit).

    IBM  construyó en 2021 su procesador cuántico Eagle de 127 qubits, si bien no puede aplicar el algoritmo de Shor, sí abrió la puerta a simulaciones en física y química, que antes no eran posibles. (Lopez, 2022)

    En 2025 el equipo dirigido por Jian-Wie Pan, de la Universidad de Ciencia y Tecnología de China, construyó  su procesador cuántico Zuchonzhi 3.0 con 105 qubits, le da una capacidad de cálculo, en unos cientos de segundos, lo que la computadora binaria Frontier tardaría 6,4 mil millones de años, la ventaja cuántica es de 1015

    El Q-Day representa la transición de la humanidad a la economía cuántica, sustentadas en partículas subatómicas, lo que exige desarrollar una nueva cultura cibernética cuántica, que contemple lo ético, lo político, la normatividad y la tecnología de seguridad cuántica suficiente, concientizar a todos los sectores productivos, académicos, de I+D, como desarrollar una nueva gestión, desde la perspectiva cuántica, que supere los criterios de mercado y ponga en el centro los derechos humanos. 

    Para naciones como México su inserción a la economía cuántica, representa una carrera contra el tiempo, tanto en los procesos de I+D, como en la normatividad y las políticas públicas, la soberanía alimentaria, para consolidarla exige una soberanía tecnológica, que dé respuesta positiva al desafío cuántico, el cual presenta expectativas y riesgos, no podemos esperar, porque sería demasiado tarde.  

    ¿Día Q, Supremacía Tecnológica A favor o en contra de la Humanidad?

     

    Bibliografía

    Clausewitz. Karl, V. (2002). De la Guerra (Vol. Libro I Capitulo III). version digital: Libro Dot.com.

    Lopez, J. C. (3 de febrero de 2022). Xataca. Recuperado el abril de 2025, de xataca.com: https://www.xataka.com/investigacion/google-ibm-china-han-llegado-a-supremacia-cuantica-ahora-afrontan-otro-reto-correccion-errores#:~:text=La%20supremac%C3%ADa%20cu%C3%A1ntica%20ya%20no,hab%C3%ADa%20hecho%20hasta%20ese%20momento.

    Benavente de Lucas, B. (2024). El algoritmo de Shor. Barcelona, España: Universidad de Barcelona.

    digicert. (2019). Fundamentos del Cifrado: Un repaso a la historia y evolución de los algoritmos criptograficos y el cifrado. Utah: digicert, Inc.

    digicert. (5 de abril de 2025). digicert. Recuperado el abril de 2025, de digicert.com: https://www.digicert.com/es/faq/cryptography/what-is-rsa-cryptography

    Grimes, R. A. (2019). Cryptography Apocalypse: Preparing for the Day When Quantum Computing Breaks Today`s Crypto. Nueva Jersey, EEUU: Wiley.

    Harari, Y. N. (2024). Nexus. una breve historia de las redes de información desde la edad de piedra hasta la IA. Ciudad de México: Penguin Random House Grupo Editorial.

    Katwala, A. (24 de marzo de 2025). WIRED. Recuperado el abril de 2025, de wired.com: https://www.wired.com/story/q-day-apocalypse-quantum-computers-encryption/

    Maldonado, J. (10 de diciembre de 2020). COINTELEGRAPH. Recuperado el abril de 2025, de es.cointelegraph.com: https://es.cointelegraph.com/explained/elliptic-curve-cryptography-ecc-the-heart-of-security-in-the-crypto-and-internet-world

    Miguel, P. (4 de Abril de 2025). ¿Y Myanmar porque? la Jornada(14628), pág. version digital: https://www.jornada.com.mx/2025/04/04/opinion/020a1pol.

    Munroe, I. (15 de noviembre de 2024). Politica Exterior. Recuperado el abril de 2025, de politica.exteerior.com: https://www.politicaexterior.com/el-dia-q-se-acerca-esta-el-mundo-preparado/

    Sanchez, C. (14 de junio de 2018). El confidencial. Recuperado el abril de 2025, de elconfidencial.com: https://www.elconfidencial.com/tecnologia/2018-06-14/hacker-pionero-navegar-red-espias_1578288/

    Tzu, S. (2025). El Arte de la Guerra. versión digital: Elejandria.

  • Aranceles de Trump impactan cotizaciones del sector tecnológico por temores de mayores precios

    Aranceles de Trump impactan cotizaciones del sector tecnológico por temores de mayores precios

    La nueva ronda de aranceles generales anunciada por Donald Trump ya ha impactado a las compañías importadoras de tecnología como sus primeras víctimas. Taiwán, China, Vietnam y otros países involucrados en el ensamblaje de dispositivos recibirán fuertes tasas arancelarias del gobierno estadounidense, lo que invariablemente impactará el precio final de dispositivos, así como el resultado de las compañías que importan sus productos de dichos países asiáticos.

    Compañías estadounidenses involucradas en el diseño y venta de dispositivos electrónicos han reportado fuertes caídas en el precio de sus cotizaciones en bolsa, en tanto los inversionistas esperan el impacto que tendrán los aranceles de la administración Trump sobre sus resultados financieros.

    Durante el llamado “Día de la liberación”, Trump finalmente cumplió sus amenazas en las que impondría tasas arancelarias recíprocas a aquellos países que el presidente considera imponen condiciones injustas a los productos y servicios estadounidenses. Estas tasas vendrán acompañadas por un 10 por ciento de arancel general para todos los socios, amigos y adversarios, que quieran importar productos al país norteamericano.

    Dell, que hasta 2022 exhibía la mayor participación en el mercado de PC, registró una caída de 15.9 por ciento en su cotización en bolsa, seguida de HP con 13.2 por ciento. En la bolsa de Hong Kong, Lenovo también reportaba una caída del precio de sus títulos en 7.8 por ciento. Best Buy, una de las principales tiendas de electrónica en Estados Unidos, reportó una caída en sus títulos superior al 15 por ciento.

    Las acciones de Apple, por su parte, reportaron una caída de 8.5 por ciento. La compañía fabricante del iPhone y las computadoras Mac, aún importa la mayoría de sus dispositivos de países como China. Aunque la compañía ha intentado diversificar su cadena de suministro como respuesta a las amenazas de Trump durante su primer mandato, la producción se ha movido a países como India y Vietnam, que también recibirán fuertes tasas arancelarias del 26 y 46 por ciento, respectivamente.

    A principios de año, Trump aseguró que Tim Cook, CEO de Apple, había confesado que planeaba mover parte de su producción de México a Estados Unidos. No obstante, buena parte de la producción de Apple depende de su socio Foxconn, compañía de origen taiwanés.

    La orden ejecutiva firmada ayer por Trump dejó exentos algunos productos esenciales como los semiconductores; sin embargo, la mayoría de los dispositivos que entran al país son ensamblados en países asiáticos u otros como México.

    Según cifras de la Comisión de Comercio Internacional de Estados Unidos, China fue el principal país de origen de los productos electrónicos importados al país norteamericano, al exhibir una participación del 24.7 por ciento del valor total. México sería responsable de alrededor de un 17.5 por ciento, seguido de Taiwán con 9.2 por ciento y Vietnam con 8.5 por ciento.

    Por el momento, México y Canadá han logrado esquivar los “aranceles recíprocos” del gobierno estadounidense, en tanto ambos países cooperen en tareas como frenar la inmigración ilegal y el tráfico de fentanilo, y los productos exportados de ambos países cumplan con las reglas de origen acordados en el Tratado de México, Estados Unidos y Canadá (TMEC).

    Intel, el mayor fabricante de chips en Estados Unidos, logró contener el impacto, ya que sus títulos descendieron en un 4 por ciento. Aunque la compañía posee una importante capacidad de producción en Estados Unidos, algunos de sus chips más avanzados han tenido que ser encargados a otros fabricantes como TSMC. Asimismo, aún falta ver cómo la compañía será impactada si los fabricantes como Dell y HP registran un menor volumen de ventas a partir de los mayores precios para compensar el pago de aranceles.

    Durante el anuncio de aranceles, Trump mencionó en específico a Taiwán, al que señaló de “haberse llevado todos los chips y semiconductores”, antes dominado por Estados Unidos. No obstante, al mismo tiempo reconoció que TSMC instalará una fábrica de semiconductores en el país. La empresa taiwanesa prepara una inversión de 100 mil millones de dólares en el país norteamericano, luego de haber recibido cerca de 11 mil millones de dólares en incentivos otorgados por la Ley CHIPS.

    TSMC y Taiwán esperaban que la promesa de incrementar inversiones en el país norteamericano pudiera darles una carta de negociación para salvar a la isla de la política de “aranceles recíprocos”. Sin embargo, las importaciones provenientes de Taiwán estarán sujetas a una tasa del 32 por ciento.

    Nvidia y Qualcomm, compañías estadounidenses diseñadoras de chips, también reportan un fuerte impacto en sus cotizaciones, con caídas de 6.3 y 9 por ciento, respectivamente. Ambas tecnológicas son conocidas como fabless, lo que significa que se dedican principalmente al diseño de chips, y encargan su producción a terceros fabricantes como TSMC y Samsung.

    En ese sentido, aunque los semiconductores no son componentes sujetos a aranceles, el estar ensamblados en un dispositivo final como una laptop o un smartphone, podría impactar la oportunidad de mercado de ambas compañías.

    Se espera que el principal impacto de los aranceles se vea reflejado en los precios finales a los consumidores, lo que impactaría la inflación en general, e incluso, acelera las posibilidades de una recesión. Este miércoles, Trump estuvo acompañado de algunos representantes sindicales de sectores clave como el automotriz, quienes esperan que los aranceles obliguen a las armadoras a regresar su producción a suelo estadounidense.

    La escalada en la guerra comercial impulsada por la administración Trump ha elevado los temores a una recesión, derivado de los cambios radicales al comercio internacional después de décadas de globalización. La semana pasada, Goldman Sachs elevó su probabilidad de que Estados Unidos entre a una recesión en un 35 por ciento para los próximos 12 meses, según cita The Wall Street Journal.

    El impacto de los aranceles no se ha limitado únicamente a compañías fabricantes de componentes o hardware, sino que también se ha extendido al resto del sector, ya que otras empresas dedicadas principalmente al desarrollo de software o servicios como Microsoft, Salesforce, Oracle, Google y Metatambién reportan una caída en sus cotizaciones.

    Nintendo es otra de las empresas tecnológicas que podría ser impactada por los aranceles de Trump. La empresa japonesa presentó ayer en Nueva York el nuevo Switch 2, que recibirá un precio aproximado de 449 dólares. Aunque se asegura que el desarrollador de videojuegos japonés ya importó miles de unidades a suelo estadounidense previo al inicio de los aranceles, no está claro qué podría pasar con las nuevas unidades que lleguen a partir del día de hoy. Se estima que el precio de la consola podría dispararse hasta los 600 dólares.

    Fuente.

    DPL News (2025, 03 de abril). Aranceles de Trump impactan cotizaciones del sector tecnológico por temores de mayores precios. Recuperado el 03 de abril de 2025, de: https://dplnews.com/aranceles-impactan-cotizaciones-del-sector-tecnologico/