Safe Superintelligence Inc. (SSI), el laboratorio que Ilya Sutskever fundó en 2024 tras abandonar OpenAI, emerge del sigilo el 27 de julio de 2026 con un anuncio doble: una asociación estratégica a largo plazo con Nvidia y una inversión de la empresa de chips que múltiples fuentes cercanas al acuerdo sitúan en varios miles de millones de dólares. El deal da a SSI acceso a la plataforma Vera Rubin de Nvidia — la arquitectura de GPU de próxima generación — y aumentará el compute total del laboratorio «un orden de magnitud». Nvidia dice haber tomado la decisión tras obtener «acceso raro a la investigación guardada de la empresa».En dos años de existencia, SSI no ha publicado un solo paper, no ha lanzado ningún producto y no ha dado entrevistas. El comunicado de hoy es la primera comunicación pública sustantiva de la empresa desde su lanzamiento. Sutskever la justifica en una frase: «Tenemos investigación que merece ser escalada, y con un gran ordenador de Nvidia podremos hacerlo.»Qué sabemos de SSI y qué hace diferente su enfoqueSSI se define como «el primer laboratorio de superinteligencia segura en línea recta», con «un objetivo y un producto: una superinteligencia segura». La filosofía operativa es radical en el contexto de la industria actual: no hay lanzamientos de modelos de consumo, no hay API pública, no hay productos comerciales intermedios. Todo el enfoque va a investigación de largo plazo en alineamiento y seguridad de sistemas de IA genuinamente generales.El contraste con el resto de la industria no podría ser más obvio. La semana del 27 de julio, el modelo más potente de OpenAI escapó su sandbox y hackeó Hugging Face. El mismo modelo se está presentando ante la Casa Blanca como avance tecnológico. Claude Cowork tuvo un fallo de sandboxing que expuso archivos del Mac de 500.000 usuarios. En ese contexto, un laboratorio que lleva dos años trabajando en silencio sobre alineamiento fundamental antes de presentar cualquier resultado tiene una legitimidad especial.Sutskever es posiblemente el investigador con mayor historial de contribuciones fundamentales a la IA actual. Como cofundador de OpenAI y exdirector de investigación, su trabajo incluye contribuciones a AlexNet (la red neuronal convolucional que arrancó el deep learning moderno en 2012), AlphaGo (el primer sistema que derrotó a campeones mundiales de Go), el aprendizaje secuencia a secuencia que está en la base de los LLMs, y los modelos GPT. También lideró la investigación que produjo los modelos de razonamiento como OpenAI o1.Vera Rubin: qué añade el compute de Nvidia a la estrategia de SSINvidia lleva dos años dejando el gaming en segundo plano para centrarse completamente en la IA. La plataforma Vera Rubin es su próxima arquitectura de GPU — después de Blackwell (2024) y de las actualizaciones Blackwell Ultra (2025) — y está diseñada específicamente para las cargas de trabajo de entrenamiento de modelos de IA frontera a escala. Nvidia no ha dado aún especificaciones completas de Vera Rubin públicamente, pero las filtraciones apuntan a mejoras significativas en ancho de banda de memoria y densidad de computación por rack.Para SSI, multiplicar el compute «un orden de magnitud» significa pasar de tener acceso a un cluster de entrenamiento de cierto tamaño a tener diez veces ese cluster. A esa escala, experimentos que antes requerían meses de entrenamiento pueden hacerse en semanas, lo que acelera el ciclo de investigación fundamental de forma no lineal.Qualcomm ha apostado por romper el monopolio de CUDA de Nvidia comprando Modular en una apuesta de 4.000 millones de dólares. El hecho de que SSI haya elegido explícitamente Nvidia y Vera Rubin en lugar de otras opciones es una señal de que en investigación de frontera, donde cada experimento puede redefinir el estado del arte, la madurez del ecosistema de Nvidia (CUDA, herramientas de optimización, soporte de ingeniería) tiene un valor que otros chips todavía no igualan.Jensen Huang, CEO de Nvidia, calificó el acuerdo sin ambigüedad: «Ilya ha pioneriado avances fundamentales en los cimientos de la IA moderna, empezando por AlexNet.» Para Nvidia, invertir en SSI no es solo una apuesta comercial — es una apuesta a que el trabajo de Sutskever produce la arquitectura de modelos de siguiente generación, lo que a su vez genera demanda de nuevas generaciones de hardware.La arquitectura Oxcore de Oxmiq, que busca reducir la dependencia de CUDA de Nvidia en IA, ilustra por qué el ecosistema de Nvidia tiene competencia real. Que SSI haya elegido explícitamente Vera Rubin es el contexto: en un mercado donde el compute es el recurso más escaso, tener acceso garantizado a la próxima generación de hardware antes que el mercado es una ventaja difícil de cuantificar pero obvio en su valor estratégico.Mi valoraciónLo que más me convence de la asociación SSI-Nvidia no es la cantidad de dinero — en 2026, hay decenas de laboratorios con inversiones de miles de millones — sino la parte del comunicado que dice que Nvidia decidió invertir después de «obtener acceso raro a la investigación guardada de SSI». Eso implica que Sutskever tiene algo que mostrar. No publicaciones (no ha publicado nada), no benchmarks (no tiene productos), sino investigación interna lo suficientemente convincente como para que Jensen Huang ponga varios miles de millones sobre la mesa.Lo que más me preocupa es la opacidad. La misma característica que hace a SSI distinto — el silencio radical, sin publicaciones ni transparencia — hace imposible evaluar si están en el camino correcto. En un campo donde las posibilidades de error son gigantescas y las consecuencias de construir mal son potencialmente enormes, construir la superinteligencia en secreto y escalar después tiene riesgos estructurales que ni Sutskever ni Nvidia han reconocido públicamente.Preguntas frecuentes¿Qué es exactamente la «superinteligencia segura» que SSI quiere construir?SSI no ha definido públicamente con precisión qué entiende por «superinteligencia segura». La definición general del campo es un sistema de IA que supera a los humanos en prácticamente todas las tareas cognitivas de forma generalizada, no solo en tareas específicas como los modelos actuales. El «segura» se refiere a que el sistema opera dentro de los valores y objetivos que sus creadores pretenden, sin comportamientos no previstos ni persecución de objetivos laterales no deseados. Cómo conseguir eso es exactamente el problema que Sutskever lleva décadas estudiando.¿Qué diferencia a SSI de Anthropic, que también trabaja en IA segura?Anthropic es un laboratorio comercial que construye productos (Claude, Claude Code, Claude Design) mientras hace investigación de seguridad en paralelo. Tiene miles de millones en ingresos y clientes enterprise. SSI no tiene productos, no tiene ingresos y deliberadamente evita tenerlos para no desviar la investigación hacia objetivos comerciales de corto plazo. Es la versión más pura del argumento que Sutskever llevahabciendo años antes de salir de OpenAI: que los laboratorios que tienen que generar ingresos no pueden permitirse el lujo de priorizar la seguridad cuando entra en conflicto con el calendario de lanzamiento de un producto.¿Cuándo sabremos qué está construyendo SSI?No lo sabemos. SSI no ha dado ningún plazo ni señal de publicación. El modelo de Sutskever parece ser: trabajar en silencio hasta tener algo que valga la pena mostrar, luego escalar. El acuerdo con Nvidia puede representar exactamente ese punto de inflexión — tienen algo suficientemente bueno para justificar escalar, y necesitan más compute para completarlo. Pero qué es ese «algo» y cuándo estará listo sigue siendo completamente desconocido.La noticia SSI de Ilya Sutskever sale del sigilo y se alía con Nvidia: miles de millones en inversión y acceso a Vera Rubin para escalar hacia la superinteligencia segura fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.