El Reino Unido quiere ser “AI maker, not AI taker”. Esa es la consigna del AI Action Opportunities Plan británico y el mensaje que NVIDIA ha reforzado durante la visita del fundador y CEO Jensen Huang al país: un ecosistema que invierte en infraestructura computacional soberana, aplica IA física y agentic en industria y robótica, y tracciona ciencias de la vida con modelos fundacionales entrenados en datos propios. El anuncio llega con proyectos tangibles —desde el supercomputador Isambard-AI hasta robots humanoides modulares— y con un guiño a la identidad: modelos de razonamiento en galés para servicios públicos.
A continuación, una panorámica de las iniciativas más relevantes que NVIDIA y sus socios están impulsando en territorio británico.
1) Fundamentos: Isambard-AI y la base computacional para una IA soberana
Financiado por UK Research and Innovation y basado en Grace Hopper (GH200), Isambard-AI —alojado en la Universidad de Bristol— se ha convertido en la columna vertebral de numerosos proyectos nacionales:
- UK-LLM: iniciativa de UCL, Universidad de Bangor y NVIDIA que entrena modelos de razonamiento con Nemotron para soportar galés y inglés. El objetivo es mejorar la prestación de servicios públicos (sanidad, educación, recursos legales) en la lengua de cerca de 850.000 hablantes.
- Nightingale AI: modelo fundacional multimodal de salud (Imperial College London) entrenado con datos clínicos de Reino Unido y EE. UU., orientado a diagnóstico temprano y atención personalizada.
- PolluGen: modelo de dispersión de contaminación de alta resolución (Universidad de Mánchester) con NVIDIA CorrDiff y Earth-2 Studio para informar a ciudadanía y reguladores sobre calidad del aire.
- Ultrasound Foundation Model: (Queen Mary University of London) enfocado en imagen ecográfica y artritis reumatoide, con ambición de modelo público reproducible.
- Gen Model in Ego-Sensed World: (Universidad de Bristol) analiza datos visuales de >900 participantes para entender tareas cotidianas y predecir interacciones del mundo real; podría apoyar memoria y vida independiente en pacientes con demencia.
- Foundation models electrostáticos: (Universidad de Cambridge y NVIDIA) primeros modelos que “entienden” la electrostática en química a nivel atómico sobre >200 millones de estructuras (OMOL/OMAT) con cuEquivariance, abriendo la puerta a simulaciones de materiales y moléculas antes inabordables.
Más allá del hardware, la brecha de talento se aborda con SCAN y el NVIDIA Deep Learning Institute, además de SCAN Springboard U.K., para formar a desarrolladores y profesionales en cargas especializadas.
2) IA física y robótica: de la teleoperación XR a los humanoides modulares
La hoja de ruta británica enfatiza la IA física y la automatización segura:
- Extend Robotics: despliegue seguro y escalable en automoción combinando teleoperación XR y sistemas de entrenamiento, sobre Jetson AGX Orin, Isaac Lab e Isaac GR00T (aprendizaje de habilidades robóticas).
- Humanoid (HMND 01): robot humanoide modular para almacenes y retail, diseñado para integrarse de forma natural en entornos humanos.
- Materials Innovation Factory (Univ. Liverpool): entrena modelos para predecir propiedades de materiales y utiliza Jetson Orin Nano para “robot scientists” en un laboratorio totalmente automatizado.
- National Robotarium: hub nacional que combina frameworks de NVIDIA para impulsar investigación aplicada y acelerar “spin-outs”.
- Opteran: algoritmos de autonomía inspirados en neurociencia comparada (insectos/animales) para dotar a robots de robustez y eficiencia natural.
- Oxa: autonomía full-stack para flotas industriales y comerciales con NVIDIA DRIVE, generación masiva de datos sintéticos para entrenamiento/validación en escenarios con GPS poco fiable.
- Wayve: AV2.0 de aprendizaje profundo end-to-end capaz de generalizar a entornos no vistos sin sensores costosos ni mapas HD.
El patrón común: llevar la IA al borde (edge) con plataformas como Jetson, y coordinarla con simulación, datos sintéticos y “digital twins” para acelerar la validación en mundo real.
3) Ciencias de la vida: IA-first para diseño de fármacos y gemelos regulatorios
Un conjunto notable de biotechs y labs británicos adopta un enfoque AI-first:
- Basecamp Research (BaseData): dataset evolutivo ×10 mayor que fuentes públicas, motor de modelos fundacionales en biología para medicina programable.
- CEiRSI (Univ. Mánchester): gemelos digitales complejos —sobre NVIDIA— para probar tratamientos en poblaciones diversas.
- Isomorphic Labs: motor de diseño de fármacos con modelos fundacionales multiterapéuticos.
- Peptone: IA física para explotar el proteoma completo, enfocada en proteínas intrínsecamente desordenadas (históricamente “inedulcorables”).
- Latent Labs (Latent-X): IA generativa in silico para crear y testear moléculas terapéuticas.
- Relation Therapeutics: plataforma con lab-in-the-loop para descubrimiento de dianas y aceleración de fármacos.
- Hologen AI: modelado preciso de biología humana e intervenciones médicas para reducir tiempos y costes.
- Oxford Nanopore: información rápida, rica y asequible (ADN/ARN) para investigación y clínica.
El mensaje: soberanía de datos biomédicos, escalado en DGX y Grace Hopper, y microservicios NIM para servir modelos optimizados con menor coste y latencia.
4) Agentic & Generative AI: productividad, voz y agentes conversacionales
Desde LLM financieros hasta agentes de voz:
- Aveni: LLM financiero sobre NeMo, con agentes agentic que interactúan con sistemas vivos, atienden clientes y asesoran en riesgo con cumplimiento y control.
- ElevenLabs: voz IA hiperrealista en >70 idiomas con DGX B200, para agentes en tiempo real, accesibilidad y localización.
- PolyAI: agentes conversacionales a escala con Riva ASR y NIM, capaces de autenticación, pedidos, facturación y reservas telefónicas.
- Recraft: generación/edición de imágenes con TensorRT, flujos creativos profesionales (marketing, mockups, gráficos).
- Speechmatics: ASR multilingüe sobre Dynamo-Triton y cuDNN.
- Synthesia: plataforma de vídeo empresarial (formación, ventas, soporte) con avatares y voice-over en >140 idiomas, optimizada con Dynamo-Triton.
El foco es llevar agentes y modelos a producción con latencia baja, coste contenido (cuantización, TensorRT), y interoperabilidad vía NIM microservices.
5) Lenguas celtas y servicios públicos: un LLM galés con ambición de país
El proyecto UK-LLM (nacido como BritLLM en 2023 y liderado por UCL) ha liberado dos modelos previos para lenguas del Reino Unido y ahora presenta un modelo de razonamiento en galés entrenado con NVIDIA Nemotron (49B Llama Nemotron Super y 9B Nemotron Nano). El equipo creó nuevo dataset galés traduciendo >30 millones de entradas de corpus abiertos con NIM para gpt-oss-120b y DeepSeek-R1, y entrenó sobre DGX Cloud Lepton y cientos de GH200 en Isambard-AI.
- Validación lingüística: la Universidad de Bangor (Gwynedd, el condado con mayor % de hablantes) aporta expertise cultural y verifica traducciones y matices (p. ej., mutaciones consonánticas iniciales).
- Despliegue: el proveedor Nscale expondrá el modelo vía API para empresas y sector público.
- Agenda pública: el primer ministro Keir Starmer subraya que razonar en galés permitirá servicios públicos bilingües y preservar el patrimonio (plan Cymraeg 2050 para alcanzar 1 millón de hablantes).
Metodológicamente, el marco Nemotron + NIM es reutilizable para otras lenguas minoritarias (Cornish, Irish, Scots, Scottish Gaelic) e incluso para idiomas africanos y del Sudeste Asiático.
Por qué esto importa: “maker” de la pila de IA, no mero “taker”
El plan británico se apoya en tres pilares:
- Invertir en fundamentos (cómputo, datos, talento, regulación),
- Impulsar adopción transversal (pilotos y escalado rápido en sector público y privado),
- Ser “AI maker” con campeones nacionales en capas críticas de la pila de IA (modelos, herramientas, hardware, servicios) para capturar beneficio económico, influir en valores y seguridad, y fortalecer la soberanía.
NVIDIA encaja como socio tecnológico articulando hardware (GH200, DGX, Jetson, DRIVE), software (NeMo, Riva, TensorRT, Dynamo-Triton, cuDNN, cuEquivariance) y servicios (NIM, DGX Cloud), mientras el ecosistema académico-empresarial británico provee datos, casos de uso y validación regulatoria.
Retos: energía, costes, talento y fiabilidad
- Energía y sostenibilidad: los clusters GH200 e Isambard-AI requieren potencia eléctrica estable y enfriamiento eficiente. La huella debe mitigarse con renovables, reutilización de calor, optimización de cargas (p. ej., cuantización) y eficiencia de centros de datos.
- Coste total de propiedad: equilibrar capex/opex de supercomputación con valor público (salud, educación, clima), priorizando casos de uso con retorno social elevado.
- Talento: ampliar formación en sistemas, datos, seguridad y MLOps (DLI, universidades, bootcamps) para sostener la demanda.
- Fiabilidad y seguridad: robustecer evaluación, alineamiento, protección de datos y conformidad (NHS, MHRA, ICO), especialmente en modelos multimodales clínicos y agentes autónomos.
Qué observar en los próximos 12-24 meses
- Despliegues sector público: pilotos de UK-LLM galés en sanidad y educación; adopción por ayuntamientos y servicios legales.
- Robots en producción: teleoperación XR con aprendizaje de habilidades (Isaac GR00T) en automoción y retail; pruebas ampliadas de humanoides modulares.
- Salud y fármacos: primeros gemelos regulatorios y ensayos in silico escalados; integración de Oxford Nanopore con pipelines de descubrimiento.
- Ecosistema PyME: proliferación de agentes conversacionales (Riva/NIM), voz (ElevenLabs), ASR (Speechmatics) y vídeo IA (Synthesia) en banca, seguros, retail y soporte al ciudadano.
Conclusión
El Reino Unido está armando una estrategia integral de IA soberana que combina cómputo de vanguardia, datos y lenguas propias, robótica aplicada y biomedicina AI-first, con NVIDIA como socio de referencia. El resultado no es sólo un catálogo de proyectos: es una arquitectura de país para producir —no sólo consumir— la próxima generación de tecnología de inteligencia artificial.
Si el plan prospera, veremos servicios públicos bilingües con IA, robots colaborativos aprendiendo rápido en fábricas, diagnósticos mejor informados en hospitales y pymes capaces de desplegar agentes y flujos generativos en semanas, no años. La apuesta es clara: crear valor local con una IA que razona en casa, habla las lenguas del país y respeta su marco regulatorio.
vía: blogs.nvidia y gov.uk
