Lola Vision Systems quiere resolver uno de los problemas menos visibles de la IA en dispositivos: llevar un modelo a un chip concreto sin semanas de ajustes manuales. La startup, fundada en 2024 por Tayo Adesanya, desarrolla una capa de software que traduce modelos de IA a instrucciones que un hardware específico puede ejecutar. También trabaja en sus propios semiconductores, aunque empezará licenciando el software sobre chips existentes para generar ingresos antes.
La demanda de IA en el borde está creciendo, pero mover un modelo desde el laboratorio a una cámara, un dron o una máquina industrial sigue siendo lento y caro. Según Adesanya, preparar manualmente un modelo para empezar a probarlo en nuevo hardware puede llevar unas 200 horas. Ese tiempo se multiplica cuando el dispositivo tiene restricciones de consumo, temperatura, memoria y fiabilidad.
La herramienta central de Lola Vision es lo que el fundador describe como un compilador para IA. Un cliente aporta el modelo, sea propio u open source, y el código que quiere ejecutar. El sistema convierte ese conjunto en instrucciones que el chip puede procesar. El objetivo es que una empresa pueda probar más rápido si un modelo funciona en su producto real y no solo en un servidor potente.
El caso de uso es especialmente relevante en sectores donde depender de la nube no es ideal. Un dron, una cámara de vigilancia industrial, un sistema aeroespacial o una máquina agrícola pueden necesitar tomar decisiones con latencia baja y conexión irregular. En esos escenarios, enviar datos a un centro de datos para cada inferencia puede ser inviable por tiempo, coste o privacidad.
La promesa no es solo velocidad: si el modelo corre mejor en el dispositivo, puede consumir menos energía y producir resultados más fiables en condiciones reales. En aplicaciones críticas, una mejora pequeña puede determinar si un producto supera una revisión regulatoria o si funciona con seguridad en campo. Esa es la parte que Lola Vision quiere vender a clientes aeroespaciales, industriales y de misión crítica.
La compañía afirma que una docena de empresas han firmado cartas de intención para comprar sus chips cuando estén disponibles, y que ya cuenta con un cliente firmado. También colabora con SCALE, un programa de desarrollo de talento en microelectrónica. Hasta ahora ha levantado algo más de un millón de dólares, una cifra modesta frente a la ambición de competir en una cadena dominada por gigantes de hardware.
Lola Vision se mueve en una zona donde Nvidia sigue siendo referencia. Muchos equipos empiezan con módulos Jetson o con modelos abiertos, pero luego descubren que el rendimiento, el consumo o la estabilidad no encajan con sus necesidades. Ahí aparece el espacio para herramientas que automaticen la adaptación, reduzcan depuración y eviten que cada despliegue sea un proyecto artesanal.
La dificultad está en demostrar que la plataforma funciona con suficiente variedad de modelos y chips. Los clientes no quieren una herramienta que solo brille en una demo, sino un flujo que soporte cambios de arquitectura, actualizaciones de modelos y restricciones de producción. Además, vender en hardware implica ciclos largos, pruebas exigentes y confianza técnica.
Si Lola Vision acierta, puede beneficiarse de una tendencia fuerte: la IA no se quedará confinada en la nube. Cada vez más valor se ejecutará cerca del usuario, de la máquina o del sensor. Para que eso ocurra a escala, harán falta menos presentaciones sobre modelos y más herramientas que los conviertan en sistemas que funcionan en chips reales.
