La startup española Multiverse Computing, especializada en el desarrollo de tecnologías para la compresión de inteligencia artificial, ha completado una ronda de financiación Serie C de hasta 570 millones de dólares. La valoración de la empresa ha alcanzado los 1.700 millones de dólares, lo que subraya el alto interés de los inversores en soluciones que optimizan el consumo de recursos de la IA.
La tecnología de Multiverse Computing se basa en redes tensoriales, un aparato matemático que permite reducir drásticamente el tamaño de las grandes redes neuronales. Según la empresa, sus soluciones pueden reducir el volumen del modelo hasta en un 95% sin una pérdida significativa de precisión. Esto es fundamental para la implementación de IA en entornos con recursos computacionales limitados, especialmente en el sector corporativo y en dispositivos periféricos.
Plataforma CompactifAI y expansión global
Los fondos captados se destinarán al desarrollo de la plataforma CompactifAI, que ya se posiciona como un producto clave para la "infraestructura de IA soberana". Además, la startup planea expandir sus operaciones en Estados Unidos, Asia y Oriente Medio, regiones con una demanda activa de soluciones de IA energéticamente eficientes.
Merece especial atención el enfoque en la "infraestructura soberana": esto indica la creciente necesidad de estados y grandes corporaciones de contar con capacidades computacionales independientes de los gigantes occidentales. Multiverse Computing, en esencia, ofrece una alternativa a las costosas soluciones en la nube de las grandes tecnológicas, lo que convierte su tecnología en estratégicamente importante.
Opinión de expertos: Reducir el tamaño de los modelos en un 95% sin perder calidad es un avance que podría cambiar la economía de la IA. Si la tecnología se escala, veremos un fuerte aumento en la adopción de IA en la industria, las fintech e incluso en proyectos de criptomonedas, donde cada vatio cuenta. Sin embargo, queda la pregunta: ¿qué tan resistentes son estos modelos a los ataques y mantienen su interpretabilidad bajo una compresión tan fuerte? Las respuestas solo surgirán tras un despliegue masivo.