Cornelis Networks ha levantado 205 millones de dólares para escalar su tecnología de interconexión en centros de datos de inteligencia artificial. La compañía presentó además Active Compute Fabric, una arquitectura de red diseñada para reducir el tiempo que las GPU y otros aceleradores pasan esperando a que lleguen los datos necesarios para procesar una carga.
La noticia importa porque buena parte de la conversación sobre infraestructura de IA se concentra en los chips, pero el rendimiento real depende de todo el sistema. Un centro de datos puede tener aceleradores muy caros y aun así perder eficiencia si memoria, almacenamiento y red no entregan información al ritmo necesario. En IA, comprar más GPU no siempre resuelve el cuello de botella si la red no acompaña.
Cornelis compite en un terreno donde Nvidia ha extendido su posición desde los aceleradores hacia la interconexión, una capa clave para entrenar y ejecutar modelos grandes. Las cargas de IA distribuidas requieren que miles de procesadores trabajen coordinados. Cuando un nodo espera, el coste económico se multiplica porque el hardware sigue consumiendo energía y ocupando capacidad.
Active Compute Fabric apunta precisamente a esa ineficiencia. La propuesta de Cornelis consiste en una red de alto rendimiento para entornos de computación avanzada e IA que busca mejorar utilización, latencia y escalabilidad. Para clientes empresariales, la promesa no se mide solo en velocidad máxima, sino en coste total por trabajo completado. Una red más eficiente puede mejorar la rentabilidad de un clúster sin cambiar todo el parque de aceleradores.
La ronda llega en un momento en el que los proveedores cloud, laboratorios de IA y grandes empresas se enfrentan a dos restricciones simultáneas: falta de capacidad y presión energética. Cada punto de eficiencia cuenta. La infraestructura de IA se está convirtiendo en una disciplina de arquitectura completa, no en una simple compra de servidores más potentes.
Para el mercado español, este tipo de tecnología tiene lectura indirecta pero relevante. Empresas que consumen IA desde la nube rara vez eligen la red interna del proveedor, pero sí pagan las consecuencias de su eficiencia en forma de precio, disponibilidad y latencia. Si aparecen más alternativas competitivas en interconexión, los costes de ejecutar modelos podrían moderarse en ciertos usos empresariales.
El reto para Cornelis será convertir financiación en adopción. Los clientes de infraestructura son conservadores, especialmente cuando operan cargas críticas o inversiones de cientos de millones. Cualquier tecnología nueva debe demostrar compatibilidad, soporte, estabilidad y una hoja de ruta creíble. En redes de centros de datos, una mejora de rendimiento no basta si aumenta la complejidad operativa.
La operación confirma que el capital sigue buscando oportunidades alrededor de Nvidia, pero no necesariamente atacando su núcleo de GPU de forma frontal. Redes, memoria, refrigeración, gestión energética y software de orquestación son piezas donde pueden surgir empresas relevantes. En esa segunda capa de la infraestructura de IA, Cornelis quiere ocupar un lugar propio.
La evolución del mercado dependerá también de cómo compren capacidad los grandes clientes. Si más empresas optimizan por coste de inferencia, disponibilidad regional y consumo energético, los proveedores de red tendrán más espacio para diferenciarse frente a arquitecturas cerradas.
