Andrej Karpathy’s Pelican: How a Single AI Researcher’s Side Project Reveals Tech’s Centralization Problem

El hombre detrás del modelo

Karpathy representa un arquetipo particular en Silicon Valley: el investigador estrella con suficiente capital social como para operar con relativa independencia. Tras su paso por OpenAI y Tesla, no se reincorporó a un gigante corporativo. En su lugar, ha cultivado una presencia autónoma, publicando código abierto, tutoriales y experimentos que millones de desarrolladores consumen. Esa autonomía, sin embargo, no es gratuita ni ideológica: es el resultado de una acumulación previa de capital simbólico y financiero que muy pocos profesionales alcanzan.

Aquí está la primera lección incómoda: la “independencia” en la frontera de la IA es un lujo reservado para quienes ya fueron aprobados por las estructuras de poder. Karpathy puede permitirse construir un “Pelican” porque su currículum le garantiza que cualquier adquisición, oferta de empleo o ronda de inversión será atendida. El desarrollador promedio que intenta contribuir a proyectos de frontera enfrenta fricciones que Karpathy simplemente no tiene.

Lo que Pelican nos dice sobre el estado de la industria

Un proyecto personal de un investigador de este calibre, aunque sea modesto en escala, tiene efectos sistémicos. Cuando Karpathy publica código o demuestra un enfoque, los mercados reaccionan. Empresas reconfiguran hojas de ruta, fondos de inversión reorientan tesis, y desarrolladores reescriben prioridades. Es un caso de libro de texto sobre cómo la autoridad técnica concentrada produce efectos de red en la dirección de la innovación.

Capital, infraestructura y la nueva frontera

Para entrenar y desplegar cualquier proyecto de IA serio hoy, se necesita acceso a GPUs de alta gama, preferiblemente los H100 o B200 de NVIDIA, o infraestructura equivalente en Google Cloud, AWS o Azure. Esto significa que incluso un investigador “independiente” como Karpathy depende, en última instancia, de la cadena de suministro de NVIDIA, de las políticas de precios de los hyperscalers, y de la disponibilidad de capacidad de cómputo que esas empresas controlan.

NVIDIA, vale la pena recordarlo, ha alcanzado una capitalización bursátil que la coloca entre las empresas más valiosas del mundo precisamente porque controla el cuello de botella del entrenamiento de IA. TSMC fabrica sus chips. ASML fabrica las máquinas que TSMC usa. La cadena de dependencias se extiende hasta un puñado de actores que, colectivamente, determinan quién puede innovar y a qué velocidad.

Cuando Karpathy construye Pelican, lo hace sobre cimientos que no controla. Y cuando otros investigadores intentan replicar su trabajo sin su trayectoria, descubren que esos cimientos tienen costo, listas de espera, y condiciones contractuales que favorecen a los ya establecidos.

El mito del “one-person lab”

Existe una narrativa persistente en la cultura tech: la del investigador solitario que, desde su garage o apartamento, desafía a las corporaciones. Steve Jobs en su garage. Linus Torvalds en su dormitorio. La narrativa es reconfortante, y a veces verdadera, pero esconde una realidad más compleja. Las condiciones que hicieron posible a Jobs o Torvalds eran estructuralmente distintas a las de 2026.

Pelican, sea cual sea su destino técnico, es un recordatorio de que incluso los actores más talentosos del ecosistema IA operan dentro de una estructura de poder que no eligieron. Su éxito individual no contradice esa estructura; la confirma.

¿Qué sigue?

La pregunta relevante no es si Pelican será técnicamente interesante (probablemente lo será). La pregunta es qué nos dice sobre la dirección que toma la industria cuando un actor con la visibilidad de Karpathy decide construir fuera de los grandes laboratorios. ¿Es una señal de que el modelo de los “superlaboratorios corporativos” tiene grietas? ¿O es, por el contrario, una confirmación de que incluso las disidencias técnicas necesitan el visto bueno implícito del establishment?

La respuesta, probablemente, es ambas cosas. Y en esa ambigüedad reside el dilema central de la IA contemporánea: una tecnología que se presenta como democratizadora, pero cuya infraestructura reproduce las concentraciones de poder más exacerbadas que la industria tecnológica haya visto.

Quizás lo más saludable que podemos hacer, como observadores y participantes del ecosistema, es dejar de romanticar la figura del investigador independiente y empezar a preguntar quién tiene acceso real a los medios de producción de inteligencia artificial. Porque al final, los pelícanos solo pueden volar alto cuando hay suficiente agua debajo.

---

A[Karpathy] --> B[Pelican Project]