Snapdragon Summit 2026, día 2 de Qualcomm Inc

Buenos días a todos. Bienvenidos al día 2 de Snapdragon Summit. Voy a comenzar el día 2 con una conversación muy interesante. Ayer les hablamos de esta transición hacia el smartphone con IA. Espero que todos hayan entendido cómo se desarrollará, y esto será un gran ejemplo de lo que está sucediendo. Me complace mucho darle la bienvenida y conversar en el escenario con Ramin Hasani, cofundador y director ejecutivo de Liquid AI. Adelante, Ramin. Muchas gracias por estar aquí.

Qué gusto estar aquí. Gracias.

Me alegra mucho estar aquí. Esta conversación probablemente les dará otro ejemplo de cómo esto está sucediendo ahora mismo.

Vamos a comenzar. Ramin es un gran tipo. Todo tipo con bigote es un gran tipo. ¿Por qué no comenzamos? Creo que todos quieren saber sobre ti y sobre Liquid AI.

Gracias. Sí, soy Ramin Hasani, cofundador y director ejecutivo de Liquid AI. Fundé esta empresa hace tres años y medio; surgió de MIT CSAIL. Llevamos una década investigando cómo maximizar la cantidad de capacidades de inteligencia que se pueden incorporar en la unidad de cómputo más pequeña. Se trata de dispositivos. Queríamos habilitar la IA física. Queríamos habilitar agentes de IA dentro de la IA física. Avancemos hasta el presente: Liquid AI es una empresa de modelos fundacionales. Estamos desarrollando modelos muy eficientes que pueden ser el núcleo de un comportamiento agéntico. En el núcleo de nuestra tecnología está un enfoque con hardware en el circuito para diseñar modelos fundacionales desde cero. No hacemos optimización posterior. Se puede hacer esa optimización posterior, pero a nosotros nos importa lo que hacemos antes. Diseñamos los modelos para que estén pensados desde el principio para el mundo de los dispositivos.

La tecnología que resulta de esto se llama Liquid Foundation Models, LFMs. Estos LFMs son muy populares. Publicamos los pesos abiertamente. Hay alrededor de 1.4 millones de descargas por semana. Pueden verlo en Hugging Face. Los modelos van desde 200 millones hasta 24 mil millones de parámetros. Es una estructura de capas que puede habilitar todo tipo de dispositivos, desde wearables hasta automóviles y quizá incluso PC, con mayor capacidad de cómputo. Hemos creado dos conjuntos de productos en esta empresa. Alrededor de los modelos, creamos algo que llamamos Modelo más X: un modelo más un armazón listo para implementarse en un dispositivo. Este es el producto número uno.

El producto número dos es una plataforma de desarrollo de modelos que nos permite aprovechar estas oportunidades y ofrecer a los OEM, en un modelo B2B, la posibilidad de personalizar este modelo más armazón para sus aplicaciones y los casos de uso posteriores que quieran desarrollar. El objetivo es muy ambicioso. Queremos que se implemente. Queremos que los LFMs estén implementados en el 50% de los dispositivos que se producen anualmente en el mundo, entre wearables, teléfonos, automóviles, PC, robots y dispositivos industriales.

Muy bien. Nos gustan los objetivos ambiciosos. A ver, retomando la conversación que tuvimos ayer, desde tu perspectiva, ¿en qué punto del camino de la IA estamos ahora y qué te indica que estamos entrando en una nueva fase?

Estamos viendo que las IA son cada vez más capaces. Las capacidades están aumentando exponencialmente. Estamos viendo innovaciones matemáticas fundamentales. Estamos viendo mejores modelos de razonamiento. Vemos que se completan tareas de mayor duración y flujos de trabajo más complejos. Siempre hay una desconexión. Siempre se ve que, si se observan las métricas, la productividad individual que permiten los modelos de IA que tenemos hoy está muy por delante de la transformación empresarial. La brecha está en cómo se incorporan estas capacidades y se vinculan con el valor, con el valor real. Esa brecha ha sido el problema. Siento que hemos recorrido este camino en la trayectoria de la IA. La pregunta fundamental que debemos abordar es cómo lograr una IA lista para producción. ¿Cómo podemos hacer que la IA sea útil? ¿Cómo podemos aumentar el uso de la IA? Es algo extremadamente difícil de lograr.

También en este camino, ¿qué significa realmente la IA en producción? Para mí, significa acciones confiables: agentes capaces de realizar acciones confiables, con una calidad realmente alta, al nivel de vanguardia que estamos viendo. Resultados verificables. Los resultados de los sistemas son completamente verificables. Al mismo tiempo, se cumplen las restricciones de implementación que tienen. Los casos de uso pueden requerir privacidad y conectividad; necesitan muchos aspectos distintos, como seguridad y sensibilidad. Luego están los casos de uso y los entornos de implementación. Están las implementaciones en el mundo físico. Están las implementaciones en la nube. También hay que poder cumplir esos requisitos con la tecnología.

Creo que la próxima ola de esta tecnología —hardware, kernel, modelo y agentes, todos diseñados conjuntamente— es algo que espero con interés, y creo que vamos por el camino correcto para lograrlo.

Muy bien. ¿Qué debe cambiar ahora para que los agentes se conviertan en la próxima plataforma informática en miles de millones de dispositivos? Todos esos dispositivos de los que hablas.

Creo que deben cambiar cinco cosas. La primera es la calidad de. Estamos hablando de inteligencia en los dispositivos. Tenemos que reducir la brecha entre el rendimiento de vanguardia en la nube y el de los dispositivos. Eso es absolutamente importante. Para mí, una de las razones por las que todavía no se ha producido la revolución de la IA en los dispositivos y la IA local es simplemente ese umbral de calidad. Alcanzar ese umbral de calidad es lo primero. Lo segundo es el contexto. Cuando pensamos en dispositivos, hablamos de una red de dispositivos. Los usuarios quieren usar IA en un dispositivo y luego poder transferir sus experiencias y preferencias a otros dispositivos también. ¿Cómo se logra eso? Se necesita una capa de contexto. Se necesita algo que permita contar con una capa de memoria que conecte estos dispositivos. Lo tercero que diría es un armazón.

El armazón comprende todas las herramientas que rodean al modelo fundacional. Cuando hablamos de IA agéntica, hablamos de un modelo más un armazón. La adaptación del armazón y la adaptación de un modelo deben ocurrir al mismo tiempo. Lo cuarto que diría es comprender las limitaciones del mundo físico. Por ejemplo, hablamos de que el mundo real tiene restricciones, los dispositivos tienen restricciones; hay que comprender las limitaciones de los procesadores y luego incorporarlas al proceso de diseño del modelo. Eso se convierte en el proceso de diseño conjunto. Lo último que diría es que siempre se trata de desarrolladores, desarrolladores. Básicamente, necesitamos un ejército de desarrolladores. Necesitamos abrir el código. Tenemos que darles a los desarrolladores acceso a las tecnologías para que puedan crear y llevar realmente las IA a miles de millones de dispositivos. Hablas de IA local.