Por Canuto  

Infinity obtuvo USD $15 millones con una valoración de USD $100 millones para desarrollar software capaz de optimizar la inferencia de IA en distintos tipos de chips, en un desafío directo al dominio que Nvidia consolidó con CUDA.

***

  • La startup está creando una biblioteca de inferencia universal para GPUs, SRAM, chips telefónicos y arrays sistólicos.
  • Su agente Ignition escribe, prueba y optimiza kernels de bajo nivel para ejecutar modelos de IA con mayor eficiencia.
  • Infinity ya trabaja con D-Matrix y cobra según las mejoras de rendimiento y los ahorros obtenidos por sus clientes.

 

Infinity, una startup de infraestructura de inteligencia artificial, anunció una ronda de financiación de USD $15 millones con una valoración de USD $100 millones. La operación atrajo a Touring Capital, Principal VC y varios investigadores vinculados con OpenAI y Anthropic.

La empresa desarrolla software para facilitar que diferentes chips ejecuten modelos de IA. Su propuesta apunta a uno de los principales obstáculos del mercado: la dependencia de herramientas diseñadas alrededor de la arquitectura de Nvidia.

La importancia del software detrás de Nvidia

Nvidia se convirtió en el actor dominante de los chips para inteligencia artificial por razones que van más allá del rendimiento de su hardware. Uno de sus activos más importantes es CUDA, una plataforma de software que permite utilizar sus unidades de procesamiento gráfico para tareas generales.

CUDA significa Compute Unified Device Architecture. La tecnología convirtió a las GPU, creadas originalmente para procesar gráficos, en componentes capaces de ejecutar cálculos complejos para centros de datos, aprendizaje automático y otras cargas de trabajo.

Los principales marcos de desarrollo de IA, PyTorch y TensorFlow, se construyeron sobre CUDA. Esta integración facilita que los desarrolladores escriban aplicaciones en Python y las ejecuten, de manera predeterminada, en chips de Nvidia.

El efecto de red es especialmente relevante para las startups de aplicaciones. Muchas de ellas no cuentan con los recursos ni con el conocimiento técnico necesarios para crear sus propios kernels, que son programas de bajo nivel encargados de operar el hardware.

Portar una aplicación desde Nvidia hacia otra arquitectura puede exigir una reescritura compleja. Infinity pretende reducir esa barrera mediante una capa de software que permita utilizar distintos chips sin repetir todo el trabajo de ingeniería.

Una biblioteca universal para la inferencia

Infinity está construyendo una biblioteca de inferencia universal. Su objetivo consiste en que el mismo stack pueda funcionar con arquitecturas variadas, incluyendo SRAM, GPUs, chips telefónicos y arrays sistólicos.

La inferencia es la etapa en la que un modelo de inteligencia artificial utiliza lo aprendido para producir respuestas, clasificaciones o predicciones. En servicios de IA generativa, su velocidad influye directamente en la experiencia de los usuarios y en el costo de operación.

La startup forma parte de una nueva ola de compañías que intentan reducir, producto por producto, el dominio de Nvidia. En lugar de fabricar un chip rival, Infinity se concentra en resolver el problema de compatibilidad y rendimiento desde el software.

La empresa afirma que su biblioteca puede ayudar a automatizar la replicación de resultados de investigación avanzada en diferentes tipos de hardware. Esa función busca acortar el tiempo entre la publicación de una técnica y su uso práctico en sistemas de producción.

El enfoque también podría beneficiar a fabricantes de chips y proveedores de servicios en la nube. Ambos grupos buscan ofrecer alternativas a Nvidia, pero necesitan herramientas que permitan a los desarrolladores migrar sus modelos sin enfrentar costos prohibitivos.

Ignition, el agente que escribe kernels

El producto central de Infinity es Ignition, un agente de investigación de inteligencia artificial que escribe el código de bajo nivel necesario para ejecutar modelos en chips alternativos a Nvidia.

Ignition prueba el código, depura sus errores y mide la velocidad con la que funciona el hardware. Cuando los resultados no son satisfactorios, el agente reescribe automáticamente el programa para buscar un mejor rendimiento.

El sistema opera mediante un proceso de autooptimización. Según Jeremy Nixon, fundador y director ejecutivo de Infinity, Ignition aprende de sus pruebas y mejora de forma continua.

La herramienta también se adapta a distintas arquitecturas de chips, incluso cuando sus diseños son propietarios. Esta capacidad es central para la propuesta de la startup, porque cada fabricante puede utilizar estructuras y restricciones técnicas diferentes.

Infinity describe el resultado como un stack de software a nivel de CUDA. Sin embargo, los humanos todavía proporcionan la dirección general, mientras el agente se ocupa de buena parte del trabajo repetitivo de programación, pruebas y medición.

El origen de la empresa y su modelo comercial

Infinity fue fundada el año pasado por Jeremy Nixon, un exinvestigador de Google Brain y creador de la comunidad de hackers AGI House. Su decisión de crear la compañía nació de una obsesión con la idea de la invención automatizada.

Nixon sostiene que los sistemas de IA pueden funcionar como una metatecnología. En su visión, una herramienta de este tipo no solo ejecuta tareas, sino que también puede ayudar a crear nuevos métodos para resolver problemas técnicos.

El fundador había creado un algoritmo de aprendizaje automático llamado Omega. El sistema generaba nuevos algoritmos de aprendizaje automático y los evaluaba automáticamente mediante un ciclo de retroalimentación.

Ese experimento llevó a Nixon a explorar la aplicación del mismo principio al hardware. Su hipótesis es que sistemas automatizados también pueden generar los kernels y otros programas de bajo nivel necesarios para aprovechar mejor los chips.

Infinity no cobra una tarifa de licencia inicial por su software. En cambio, recibe un porcentaje de las ganancias de rendimiento y de los ahorros de costos que sus clientes obtienen, calculados mediante cambios en tokens por segundo.

Clientes, resultados y perspectivas

Entre los clientes de Infinity se encuentra D-Matrix, un fabricante de chips de inteligencia artificial considerado como un potencial retador de Nvidia. La startup también mantiene conversaciones con otras grandes compañías de chips y empresas de computación en la nube.

El indicador de tokens por segundo permite evaluar de forma directa el desempeño de los modelos generativos. Una mayor velocidad puede mejorar la capacidad de respuesta, mientras que una reducción del costo por operación puede fortalecer los márgenes de los proveedores.

En un estudio de caso, Infinity concluyó que Ignition trabajó mucho más rápido que una persona que realizara el proceso sin asistencia automatizada. La empresa indicó que una tarea que podría haber tomado meses o años se redujo a horas o días.

La comparación no elimina la participación humana. Los especialistas siguen definiendo objetivos y supervisando los resultados, pero el agente asume una parte importante de la experimentación técnica necesaria para encontrar una implementación eficiente.

La compañía cuenta actualmente con 26 empleados en áreas de diseño, operaciones e ingeniería. La nueva financiación le proporciona recursos para continuar el desarrollo de su software y ampliar sus relaciones con fabricantes de chips y proveedores de nube.

La información sobre la ronda fue reportada por TechCrunch, que señaló la participación de Touring Capital, Principal VC y de investigadores de OpenAI y Anthropic. La operación refleja el interés de los inversionistas por herramientas que puedan reducir la concentración de infraestructura alrededor de un solo proveedor.

El desafío de Infinity será demostrar que su enfoque puede mantener resultados competitivos en entornos comerciales diversos. La compatibilidad universal, la velocidad de inferencia y los ahorros de costos serán factores decisivos para convencer a más clientes.

Si la startup cumple esa promesa, su software podría convertirse en una pieza relevante de la competencia por la infraestructura de IA. Por ahora, su estrategia busca atacar una de las ventajas más difíciles de replicar de Nvidia: el ecosistema de programación que acompaña a sus chips.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA.

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados