La última semana de agosto dejó dos operaciones que tocan directamente el stack que usan los equipos de datos e IA todos los días: Nvidia acordó comprar Hugging Face por USD 12.900 millones (según reportó The Information, sin confirmación oficial de ninguna de las dos empresas) y AWS firmó la adquisición de DuckLabs, la compañía de Ámsterdam detrás de DuckDB.
En la misma semana OpenAI publicó los primeros benchmarks de Jalapeño, su chip propio de inferencia, y Anthropic presentó un estándar abierto para que los agentes controlen hardware físico. Es una foto bastante clara de hacia dónde va la industria: la pelea ya no es solo por los modelos, es por la infraestructura y por los repositorios donde esos modelos viven.
Nvidia por Hugging Face: USD 12.900 millones y ninguna confirmación
The Information reportó el 26 de agosto que Nvidia acordó comprar Hugging Face, el repositorio donde vive prácticamente todo el ecosistema de modelos abiertos. El monto que circuló es de USD 12.900 millones, y la cobertura posterior de CNBC, Fortune, Forbes y TechCrunch se apoya en esa misma fuente.
Conviene ser preciso con el estado del asunto, porque los titulares se adelantaron bastante:
- Ni Nvidia ni Hugging Face confirmaron públicamente la operación, y ninguna respondió los pedidos de comentario de los medios.
- Al momento del reporte no había un acuerdo firmado anunciado, con lo cual la operación todavía puede caerse.
- Si se firma, tendría que pasar por revisión antimonopolio en Estados Unidos, la Unión Europea y el Reino Unido.
El contexto financiero ayuda a dimensionar la cifra. Hugging Face levantó su Serie D en 2023 con una valuación de USD 4.500 millones y, a fines de 2025, su CEO Clément Delangue rechazó una inversión de USD 500 millones de la propia Nvidia que valuaba la empresa en USD 7.000 millones, porque no quería un inversor dominante con capacidad de torcer las decisiones de la compañía.
Qué cambia si bajás modelos del Hub
En lo inmediato, nada: el Hub sigue funcionando igual y no hubo anuncios de cambios en licencias ni en el acceso. Lo que quedó abierto es una discusión de neutralidad, porque Hugging Face aloja los modelos de todo el mercado, incluidos los de los competidores de Nvidia en hardware.
Las preguntas concretas que se hacen los analistas son sobre el ranking de búsqueda, las recomendaciones de modelos, el ruteo de inferencia y las herramientas de datasets. Es decir: los lugares donde una preferencia por el hardware del dueño sería difícil de notar desde afuera.
AWS compra DuckLabs, la empresa detrás de DuckDB
Esta sí es oficial y con fuentes primarias de las dos partes. El 26 de agosto, Hannes Mühleisen y Mark Raasveldt anunciaron en el blog de DuckDB que DuckLabs pasa a ser una subsidiaria de AWS, con cierre previsto para principios de septiembre de 2026 sujeto a las condiciones habituales. Los términos económicos no se difundieron.
DuckDB es la base de datos analítica que corre embebida en el proceso y ejecuta SQL directo contra archivos Parquet, CSV o JSON, sin servidor de por medio. Las dos empresas venían trabajando juntas desde 2024.
La licencia y el gobierno del proyecto
El anuncio es explícito en que no hay cambios de roadmap, licenciamiento ni modelo de gobernanza:
- DuckDB, DuckLake, Quack y las extensiones siguen siendo software libre bajo licencia MIT.
- La custodia queda en la DuckDB Foundation, la fundación sin fines de lucro independiente que ya administraba el proyecto.
- Mühleisen y Raasveldt siguen conduciendo la dirección técnica, ahora desde adentro de AWS.
- La Foundation va a armar un consejo asesor de stakeholders para influir en la dirección del proyecto.
Del lado de AWS, el plan que publicaron en el Big Data Blog es combinar a DuckDB (fuerte en consultas cotidianas de un terabyte o menos) con la escala de S3 y del resto de sus servicios analíticos (Redshift, Athena, EMR, Glue ETL y SageMaker). Ya lo venían usando: dicen que la integración de DuckDB en Amazon Quick bajó un 30% la latencia promedio de consulta, sobre más de 2.500 millones de consultas procesadas desde el lanzamiento en octubre de 2025.
Jalapeño: OpenAI puso números a su chip propio
El 25 de agosto OpenAI publicó los primeros resultados medidos de Jalapeño, el acelerador de inferencia que desarrolla junto a Broadcom y que había presentado en junio. La medición usó el benchmark público InferenceX de SemiAnalysis contra un sistema Nvidia Blackwell, corriendo GPT-OSS 120B, DeepSeek R1 (670.000 millones de parámetros) y Kimi K2.5 (un billón de parámetros).
Los números que reportó la empresa:
- Entre 1,5x y 1,9x más trabajo por vatio que el sistema de comparación.
- Entre 1,7x y 3,6x menos latencia de punta a punta.
- Entre 2,1x y 4,1x más rendimiento en cargas altamente interactivas, que es el patrón típico de los agentes.
Son benchmarks autoreportados y todavía sin verificación independiente. Richard Ho, jefe de hardware de OpenAI, dijo que el chip empieza a desplegarse en la infraestructura propia de la empresa a fin de 2026 en volúmenes muy chicos, con despliegue más amplio en 2027. La segunda generación ya está en desarrollo y la tercera empezando a tomar forma.
Anthropic propone un MCP para el mundo físico
El 27 de agosto Anthropic presentó en research preview el Model Hardware Standard (MHS), una especificación para que los agentes operen equipos de laboratorio y de manufactura. La idea es la misma que la de MCP, pero una capa más abajo: un driver estandarizado entre el sistema y el dispositivo, que expone sensores y actuadores en un formato uniforme.
La parte interesante es el sistema de etiquetas de metadatos: el desarrollador describe en lenguaje natural las propiedades y los límites del equipo (el peso y el alcance de un brazo robótico, la potencia máxima de un láser) y eso se convierte en archivos de referencia que el agente interpreta.
Anthropic afirma que el tiempo de integración de instrumental baja de semanas o meses a horas o minutos, con dos casos concretos: Carnegie Mellon integró en ocho horas lo que un setup armado por el proveedor suele tardar varias semanas, y la Universidad de Washington conectó seis instrumentos en menos de una semana.
Entre las empresas que están sumando soporte aparecen AWS, Universal Robots, Doosan Robotics, Tecan, QIAGEN, Raspberry Pi y la propia Hugging Face (en LeRobot). La compañía adelantó que el estándar va a ser open source, y admitió una limitación importante: en las pruebas, Claude tuvo dificultades para entender relaciones de causa y efecto físicas. En Genentech hizo falta guía humana para distinguir un bug de software de una falla física como una muestra que hace espuma.
Thomson Reuters se hizo su propio modelo frontier
El 24 de agosto, Thomson Reuters anunció Thomson, su primer modelo grande de lenguaje propio. Partió de pesos abiertos y siguió con entrenamiento continuo sobre su propio material legal, impositivo y periodístico (Westlaw, Practical Law, Checkpoint y Reuters), del que dice haber usado menos del 10%.
La inversión declarada fue de USD 40 millones entre talento y cómputo, una cifra bajísima comparada con lo que gastan los laboratorios frontier. El primer despliegue es Tabular Analysis dentro de CoCounsel Legal, para revisión de documentos en volumen.
El CEO Steve Hasker dijo que sus evaluaciones tempranas ponen a Thomson «a la par de los últimos modelos frontier», algo que por ahora no está validado por terceros. El movimiento apunta a depender menos de OpenAI y Anthropic convirtiendo un archivo de datos propietario en un activo de IA.
La capa de abajo dejó de ser neutral
El hilo que une las cinco noticias es la integración vertical. Nvidia iría por el repositorio donde se distribuyen los modelos, AWS se queda con el equipo del motor analítico embebido más usado, OpenAI se fabrica el silicio para no depender de Nvidia, Anthropic escribe el estándar por el que los agentes van a hablar con las máquinas y Thomson Reuters entrena su propio modelo para no alquilarle la inteligencia a nadie.
Para el que trabaja con estas piezas, la conclusión práctica es sencilla: las dependencias que hoy parecen neutrales tienen dueño nuevo, y conviene saber cuáles de tus pipelines dejarían de funcionar si mañana cambian las reglas de acceso.
¿Tenés inventariado de qué repositorios y qué motores depende tu stack de datos e IA? Te leemos en los comentarios.
Fuentes
- TechCrunch — Nvidia closes in on Hugging Face acquisition
- CNBC — Nvidia agrees to buy Hugging Face for $12.9 billion, report says
- TechTimes — Nvidia’s $12.9B Hugging Face deal must pass antitrust review
- DuckDB — DuckLabs to join AWS, projects to remain open source
- AWS Big Data Blog — AWS and DuckLabs: building the future of analytics together
- About Amazon — AWS to acquire DuckLabs, the Amsterdam-based company behind DuckDB
- OpenAI — Jalapeño’s first results show industry-leading speed and efficiency in AI inference
- TechCrunch — OpenAI’s Jalapeño chip is built for fast inference at scale, benchmarks show
- Anthropic — Previewing the Model Hardware Standard
- The Decoder — Anthropic wants to do for physical hardware what MCP did for software
- Thomson Reuters — Thomson Reuters leverages its world-class data assets to launch its own frontier model
