Infinity ha anunciado una ronda de 15 millones de dólares con una valoración de 100 millones para atacar una pieza crítica de la infraestructura de IA: el software de bajo nivel que permite ejecutar modelos de forma eficiente sobre chips. Entre sus inversores figuran Touring Capital, Principal VC e investigadores vinculados a OpenAI y Anthropic.
La tesis de la startup parte de una realidad conocida. Nvidia no domina solo por sus GPU. Domina también por CUDA, el ecosistema de software que permite a desarrolladores usar frameworks como PyTorch o TensorFlow sin escribir código específico para cada chip. En IA, la ventaja de hardware se protege con software, herramientas y hábitos de los desarrolladores.
Infinity quiere crear una alternativa para inferencia que funcione en múltiples arquitecturas, desde GPU hasta chips móviles, SRAM o matrices sistólicas. Su sistema Ignition usa agentes de IA para escribir, probar, depurar y optimizar kernels, el código de bajo nivel que hace que una operación matemática corra más rápido en un procesador concreto.
El problema es técnico, pero tiene una consecuencia económica directa. Si una empresa no puede ejecutar sus modelos de forma eficiente fuera de Nvidia, tiene menos poder de negociación y menos opciones ante escasez de capacidad. Si una biblioteca universal mejora el rendimiento en chips alternativos, los proveedores de hardware que compiten con Nvidia ganan posibilidades reales.
La compañía fue fundada por Jeremy Nixon, exinvestigador de Google Brain y creador de la comunidad AGI House. Infinity afirma que su enfoque puede reducir procesos de optimización que normalmente tardarían meses a horas o días, siempre con humanos orientando las decisiones de alto nivel. Su modelo comercial no se basa en una licencia inicial, sino en capturar una parte del rendimiento o ahorro generado.
La propuesta encaja con una tendencia más amplia: automatizar la ingeniería que rodea a la IA, no solo usar IA dentro de productos finales. A medida que los modelos se vuelven más caros de ejecutar, la eficiencia de inferencia se convierte en un campo de batalla tan importante como el entrenamiento.
Infinity ya trabaja con D-Matrix, una empresa de chips de IA que compite indirectamente en el mercado dominado por Nvidia, y mantiene conversaciones con otros fabricantes y proveedores cloud. La pregunta será si su tecnología logra generalizarse lo suficiente como para no convertirse en una herramienta muy útil, pero limitada a casos concretos.
Para empresas europeas, el asunto importa porque la dependencia de un único proveedor de chips y software condiciona costes, disponibilidad y soberanía tecnológica. Un banco, una aseguradora o una empresa industrial que quiera desplegar modelos a gran escala necesita saber cuánto costará cada millón de inferencias y qué ocurre si sube el precio de la capacidad.
La competencia en chips no se gana solo fabricando silicio. También exige compiladores, bibliotecas, documentación, comunidad y compatibilidad con los flujos de trabajo existentes. Esa es la muralla que Nvidia ha construido durante años y que muchas startups intentan rodear por partes.
Infinity no promete destronar a Nvidia de inmediato, pero sí apunta a la zona donde su dominio es más difícil de ver y más difícil de sustituir. Si consigue que chips alternativos ejecuten modelos con menos fricción, la infraestructura de IA tendrá más proveedores viables y menos cuellos de botella.
