Fractile busca 200 mdd para competirle a Nvidia en inferencia de IA

La inferencia, el nuevo campo de batalla

Mientras el mundo entero sigue obsesionado con entrenar modelos de inteligencia artificial cada vez más grandes, un puñado de startups británicas le está apostando a algo más mundano pero igual de crucial: hacer que esos modelos ya entrenados corran rápido y barato. Fractile, fundada en 2022 por el doctor en robótica de Oxford Walter Goodwin, está en pláticas para levantar más de 200 millones de dólares a una valuación de aproximadamente 1,000 millones, según reporta Finance Yahoo. La ronda incluiría a Accel y al fondo existente Oxford Science Enterprises, y se da justo después de que su rival británica Olix levantara 220 millones a una valuación similar. El mensaje es claro: el capital está buscando alternativas a Nvidia en el terreno de la inferencia.

La inferencia —el proceso de ejecutar un modelo ya entrenado para que genere respuestas— se ha convertido en el cuello de botella de la IA aplicada. Las GPUs de Nvidia, diseñadas originalmente para el entrenamiento masivo, empiezan a mostrar sus limitaciones cuando se trata de generar miles de tokens de salida en modelos de razonamiento. Fractile propone una solución radical: usar memoria SRAM directamente en el mismo dado que el cómputo, eliminando el tráfico de datos hacia la DRAM externa que tanto retrasa y consume energía. Según simulaciones reportadas por Networkworld, el diseño promete ser 100 veces más rápido, 10 veces más barato y 20 veces más eficiente energéticamente que las GPUs de Nvidia. Cifras que, de cumplirse, cambiarían por completo el mapa de la industria.

Con el advenimiento de los modelos de razonamiento, que requieren la generación de miles de tokens de salida con uso intensivo de memoria, las limitaciones de los roadmap de hardware existentes se han agravado. Para lograr nuestras aspiraciones en IA, necesitaremos inferencia radicalmente más rápida, más barata y de mucha menor potencia.

Quien habla no es un analista cualquiera, sino Pat Gelsinger, exCEO de Intel, quien invirtió en Fractile y planea participar como asesor, según reporta Networkworld. Que un veterano de la industria con décadas en la cima del hardware apueste por una startup de 29 años dice mucho sobre la percepción de que el reinado de Nvidia en inferencia no es eterno.

Anthropic ya se acerca, pero los chips no llegan hasta 2027

Uno de los datos más reveladores lo trae Tomshardware: Anthropic, la empresa creadora del modelo Claude, ya sostuvo conversaciones iniciales para comprar los chips de Fractile. La compañía de Dario Amodei ya usa silicio de Nvidia, Google y Amazon, y sumar a Fractile sería su cuarta fuente de procesamiento. Pero hay un detalle: los chips de Fractile no estarán listos comercialmente hasta 2027. Eso significa que cualquier despliegue real queda fuera de los planes de compra a corto plazo de Anthropic, y cae justo en la misma ventana que su asociación con Google-Broadcom para TPUs. La pregunta es si Fractile logrará llegar a tiempo a una fiesta donde los invitados ya están sentados a la mesa.

El contexto es clave: en diciembre pasado, Nvidia pagó 20,000 millones de dólares por Groq, otra startup enfocada en inferencia. Y en su conferencia GTC de este mes, la propia Nvidia lanzó un chip dedicado a inferencia, reconociendo tácitamente que su arquitectura actual tiene límites. Fractile no está sola en esta pelea, pero su enfoque con SRAM —en lugar de depender de la costosa memoria DRAM— le da un ángulo técnico distintivo. Como señala Dealroom.co, el equipo incluye veteranos de Nvidia, Imagination Technologies y Graphcore, esta última adquirida por SoftBank en 2024 por poco más de 600 millones —menos de lo que recaudó en capital de riesgo. Una advertencia para quien crea que el camino es fácil.

El factor soberano: Reino Unido apuesta por su propia IA

Fractile también está capitalizando el impulso del gobierno británico por desarrollar capacidades soberanas de IA. La startup anunció un plan de inversión de 100 millones de libras en tres años para expandirse en Londres y Bristol, incluyendo una nueva instalación de ingeniería de hardware industrial. Esto no es filantropía: en un mundo donde los chips de IA se han convertido en activos geopolíticos, tener una alternativa local a Nvidia —y a la dependencia de Taiwán y Estados Unidos— es una carta que pesa en las negociaciones con inversores institucionales como el Fondo de Innovación de la OTAN, que ya participó en la ronda semilla de 15 millones que Fractile levantó previamente.

Pero el escepticismo es sano. El sector de chips del Reino Unido tiene un historial reciente de promesas incumplidas: Graphcore recaudó cientos de millones y terminó vendiéndose por una fracción de lo invertido. Fractile promete resultados de laboratorio espectaculares, pero aún no ha fabricado un solo chip de prueba. Como bien apunta Dealroom.co, construir hardware competitivo requiere capital sostenido, talento especializado y, sobre todo, clientes que realmente compren. Por ahora, Fractile tiene el interés de Anthropic y el respaldo de Gelsinger, pero la diferencia entre una simulación prometedora y un producto que corre en los centros de datos de todo el mundo es abismal.

Mientras tanto, Nvidia no se queda de brazos cruzados. Su capitalización de mercado y su capacidad de producción masiva son ventajas que ninguna startup puede igualar en el corto plazo. Pero la historia de la tecnología está llena de gigantes que ignoraron las grietas en su armadura hasta que fue demasiado tarde. Fractile está tocando la puerta con una propuesta que, si resulta real, podría redefinir quién manda en la siguiente fase de la inteligencia artificial. La pregunta es si llegarán antes de que la puerta se cierre.

Fuentes consultadas:

• Finance Yahoo – Fractile Seeks $200 Million as Nvidia Faces Inference Pressure
• App Dealroom Co – UK chip startup Fractile seeks $200M round at $1B valuation to take on Nvidia in AI inference
• Tomshardware – Anthropic in early talks to buy DRAM-less AI inference chips from UK startup
• Networkworld – Startup Fractile tackles AI inference bottlenecks with new chip design