Esta semana, @AppliedInt lanza Dana, una plataforma agéntica para desarrollar aplicaciones físicas de IA. Applied Intuition comenzó construyendo las herramientas que los ingenieros necesitaban para desarrollar sistemas autónomos, luego el sistema operativo que los sustenta, y finalmente avanzó hacia la inteligencia que se ejecuta en las propias máquinas. Como lo describe el cofundador y CEO Qasar Younis, el destino siempre fue mucho más grande que las herramientas para vehículos autónomos. La misión es inteligencia en mil millones de máquinas.
La capa pasada de moda
En 2017, la industria de la autonomía compartía una predicción colectiva: una de un pequeño número de empresas integradas verticalmente resolvería los autos autónomos, operaría los vehículos y capturaría todo el mercado. Como resultado, el capital fluyó de manera abrumadora hacia programas integrales de robotaxis. Cada programa contrataba a sus propios ingenieros, ensamblaba su propia flota y reconstruía aproximadamente la misma infraestructura interna de desarrollo.
Los ingenieros que se movían entre los principales programas de autonomía se encontraban con un ritual curioso. Dejaban atrás las herramientas que habían usado para desarrollar y probar sistemas autónomos, llegaban a la siguiente empresa y comenzaban a construir esas herramientas de nuevo. La industria tenía mucha convicción sobre la autonomía, pero muy pocas prácticas compartidas para producirla.
Applied Intuition propuso convertir esas prácticas recomendadas en una empresa.
Esta era una opinión minoritaria, y no era una forma convencional de participar en un mercado cada vez más popular. Los grandes desarrolladores de autonomía de Nivel 4 no creían que necesitaran un proveedor externo de herramientas. Applied Intuition intentó venderles de todos modos. Programas prominentes de conducción autónoma como Cruise dijeron que no. Tal vez era una posición comprensible en ese momento: no iban a esperar a que una startup como Applied Intuition construyera herramientas que sus propios ingenieros ya tenían la intención de construir internamente.
Muchos de los programas integrales prominentes de esa época ya no existen en la forma que tenían entonces. Cruise, por ejemplo, fue adquirida por General Motors y posteriormente cancelada tras un incidente de seguridad. Mientras tanto, Applied Intuition ha perdurado (y superado) a la mayoría de ellos.
La presentación fundacional de Applied Intuition contenía una diapositiva llamada "Ideas que creemos verdaderas". Una de esas ideas era que cualquier fabricante único de vehículos autónomos seguiría siendo una participación de un solo dígito en el mercado mundial de automóviles, porque la estructura de la industria automotriz tiende a distribuirse entre muchos fabricantes.
Si una empresa integrada verticalmente se apoderaba del mercado de vehículos, la estrategia racional era ser (e invertir en) esa empresa. Pero si no era un mercado donde el ganador se lo lleva todo, entonces el otro noventa y pico por ciento de los autos adquiriría inteligencia a través de la industria automotriz existente. Esos fabricantes no podían reproducir cada capa de la pila de software moderna. Un proveedor independiente tendría que proporcionar la infraestructura común.
Qasar y el CTO y cofundador de Applied Intuition, Peter Ludwig, estaban apostando por la difusión sobre la concentración. El futuro autónomo no llegaría solo a través de nuevos actores que reemplazaran a los existentes, sino porque los existentes podrían convertirse en empresas técnicamente diferentes. Applied Intuition les daría los medios para hacerlo.
Qasar y Peter reunieron experiencia de General Motors, Google y Y Combinator con profundidad técnica y una tolerancia inusual por el trabajo lento y exigente de construir sistemas críticos para la seguridad. Después de que las grandes empresas de Nivel 4 inicialmente declinaran convertirse en clientes, Applied Intuition vendió a equipos más pequeños de autonomía del Área de la Bahía, incluyendo a Voyage y su cohorte. Los productos que desarrollaron siguieron las demandas del trabajo de sus clientes: primero un simulador para planificación, luego un simulador para percepción y finalmente infraestructura para gestionar datos y ejecutar millones de estas simulaciones.
La simulación determinista que se correlaciona con la realidad física puede sonar como una categoría de producto poco atractiva. En la práctica, le dio a la industria un punto de referencia compartido para determinar si un sistema autónomo funcionaba, sin necesidad de poner un vehículo en la carretera y probarlo en producción. Un simulador convierte un evento de la carretera en una prueba repetible, que luego se puede implementar en la realidad.
La estructura del mercado ha reflejado desde entonces la diapositiva "Ideas que creemos..." de Applied en contra de la tesis del fabricante monolítico. Esto realmente no era tan obvio de antemano, pero en retrospectiva tiene sentido. El automóvil no es un producto de software puro. Es un sistema físico regulado e intensivo en capital que se vende a través de redes de distribución arraigadas. El software puede reorganizar dónde se acumula el valor y qué capacidades importan. Pero no puede, por sí solo, aplanar esa complejidad industrial en un solo fabricante.
En un día claro se puede ver a General Motors
Alrededor de 2018 y 2019, General Motors emitió una solicitud formal de herramientas de desarrollo. Veintiocho empresas hicieron una oferta, incluyendo NVIDIA y Ansys. Applied Intuition seguía siendo una startup pequeña y GM tenía procedimientos de adquisición e innumerables opciones compitiendo por ser elegidas. Los productos de Applied tuvieron un mejor rendimiento contra la especificación, y por eso ganaron la licitación.
El premio de GM convirtió una cuña entre las startups de autonomía de Silicon Valley en legitimidad con los fabricantes tradicionales. El manual de juego se volvió repetible: comenzar con empresas más pequeñas técnicamente agresivas, luego usar el producto y la evidencia resultantes para servir a los actores establecidos que operan a escala industrial.
Aproximadamente dieciocho meses después de su fundación, Applied Intuition ingresó a la industria de defensa. La empresa contrató a personas que entendían el campo desde adentro, y luego aplicó el patrón automotriz de simulación, datos, integración y validación a los sistemas de defensa. La construcción y la minería siguieron, luego el transporte comercial por camión.
Una empresa de software genérica a menudo ingresa a un nuevo vertical cambiando algunos de los sustantivos en su presentación de ventas. Applied ingresó contratando equipos nativos de cada dominio y reconstruyendo el producto en torno a las restricciones del cliente, el sistema de adquisiciones y los casos de seguridad. Mientras tanto, el producto subió una escalera técnica.
La capa inferior consistía en infraestructura de simulación y datos: generar escenarios, recopilar datos de máquinas, reproducir eventos y evaluar el comportamiento. Por encima venían los sistemas operativos para máquinas físicas: programación, middleware, gestión de memoria, comunicaciones y seguridad funcional. Eran sistemas operativos, responsables de la máquina en lugar de una colección de aplicaciones mostradas en ella. Por encima de eso venía la inteligencia misma: modelos del mundo y sistemas de planificación desplegados en máquinas que operan en tierra, aire y mar.
Para 2024 y 2025, el resultado se podía medir externamente. Applied Intuition recaudó una ronda con una valoración de 15 mil millones de dólares. Para 2025, dieciocho de los veinte principales fabricantes de automóviles no chinos eran clientes. Los camiones de Nivel 4 que utilizan la tecnología de Applied Intuition operaban sin conductores en Japón. La empresa tenía despliegues con el Ejército de los EE. UU. y un sistema operativo a bordo de buques de guerra de la Marina de los EE. UU., junto con trabajo de producción en minería, construcción, agricultura y transporte por camión. Y en lo que es una anomalía para muchas startups de Silicon Valley, Applied Intuition ha conservado en gran medida el capital principal recaudado de los inversores (cerca de mil millones de dólares) mientras casi duplicaba los ingresos a escala durante varios años seguidos.
Para entonces, el problema original había cambiado. En 2017, la industria se preguntaba cuándo la inteligencia autónoma sería lo suficientemente capaz. A mediados de la década de 2020, gracias a la creciente sofisticación de los modelos transformer, la capacidad del modelo llegaba más rápido de lo que las grandes organizaciones podían implementarlo.
Por eso las empresas de herramientas pueden convertirse en empresas de plataformas. Una herramienta comienza resolviendo una tarea limitada. Si tiene éxito, se convierte en la interfaz común a través de la cual se realizan muchas tareas. Acumula integraciones, casos de prueba, flujos de trabajo y memoria organizacional, y eventualmente deja de ser un accesorio del sistema de producción y se convierte en el entorno en el que se produce.
El navegador web ofrece un corolario histórico. No "creó" el internet subyacente, pero sí hizo que la red fuera utilizable para la gran mayoría de las personas que no eran aficionados expertos, y billones de dólares en actividad económica se movieron hacia lo que ese acceso les permitía construir y hacer. La progresión de Applied Intuition de simulador a infraestructura de datos a sistema operativo siguió el trabajo que sus clientes ya estaban haciendo. A medida que más de ese trabajo se movía a los productos de Applied, el software se convirtió en parte de cómo esas empresas construían máquinas, en lugar de una herramienta utilizada para una etapa del desarrollo.
Dana
Hoy, Applied Intuition lanza Dana.
Durante nueve años, Applied Intuition ha construido la tecnología utilizada para desarrollar máquinas inteligentes. Dana pone una interfaz agéntica sobre ese sistema acumulado. Un ingeniero puede comenzar con un requisito, conectarlo al código relevante, ejecutar el cambio a través de simulación y evaluaciones definidas, moverlo a un banco de pruebas o sistema de hardware en el bucle, y finalmente prepararlo para una máquina física. Gran parte de ese trabajo requería anteriormente que los ingenieros pasaran los resultados manualmente entre herramientas especializadas. Dana puede coordinar el camino mientras conserva un registro de cómo cambió el sistema y por qué.
Esto llega en un momento en que el método técnico detrás de la autonomía está cambiando. Durante la mayor parte de la historia de la industria de la conducción autónoma, los avances vinieron en forma de aprendizaje por imitación: recopilar suficiente conducción humana grabada y entrenar al modelo para copiarla. La frontera se ha movido hacia el aprendizaje por refuerzo de extremo a extremo en un bucle de desarrollo cerrado. El sistema encuentra un problema, el equipo encuentra o genera más ejemplos de esa situación, el modelo se entrena de nuevo y el mismo escenario se vuelve a ejecutar para ver si su comportamiento mejoró. Applied ya tiene la simulación, los datos sintéticos, la evaluación y los sistemas de despliegue necesarios para ejecutar ese bucle. Dana le da a los agentes un papel en su operación.
La economía física históricamente se ha mantenido resistente al software por razones que han parecido intratables. Estas industrias tienen ciclos de hardware largos y muchas consideraciones del mundo físico. Estos son problemas de ingeniería mundanos hasta que la máquina pesa varias toneladas y se mueve cerca de personas, y alguien resulta herido. En ese punto, cada vínculo entre una especificación y una decisión de despliegue tiene que sobrevivir al escrutinio.
Las máquinas autónomas enfrentan una carga de prueba inusual. Un fabricante puede creer que un modelo funciona bien y aún así no poder enviarlo hasta que los reguladores puedan entender cómo se llegó a esa conclusión. Dana fue construida en torno a eso. Su utilidad depende tanto de la trazabilidad y la evaluación como de la velocidad con la que puede generar código o ejecutar un flujo de trabajo.
La economía está cambiando al mismo tiempo. La inteligencia se está moviendo por una curva de precios pronunciada. La capa de autonomía en sí misma tenderá hacia la abundancia y, en muchos entornos, hacia un precio marginal insignificante.
Un fabricante de robots solo puede vender las máquinas que fabrica. Dana se puede utilizar para actualizar equipos que ya se espera que permanezcan en servicio durante otros veinte años, y para desarrollar nuevas máquinas cuya forma ya no está determinada por la necesidad de que quepa un conductor humano dentro de ellas. En otras palabras, Dana es una forma en que podemos obtener mil millones de máquinas inteligentes.
Durante años, los sistemas autónomos estuvieron limitados por los propios modelos. Esa restricción se ha aliviado. El trabajo restante se encuentra dentro de los fabricantes y operadores que intentan desplegarlos, en forma de adaptar modelos al hardware real y respaldar el sistema una vez que está operando lejos de un laboratorio de investigación. El mercado está listo para usar la IA en el mundo físico, pero la mayoría de las empresas no pueden permitirse reunir una organización de autonomía de mil personas para hacerlo.
Applied Intuition pasó nueve años aprendiendo cómo la inteligencia sobrevive al contacto con el hardware y el mundo físico. Dana pone ese conocimiento en manos de cualquiera que intente hacer que una máquina se mueva por sí sola.
