Crea tu cuenta gratuita de Charmloop: sin tarjeta y sin límites para explorar. Empieza a crear arte con IA en minutos.
SambaNova ha recaudado $1.000 millones con una valoración de $11.000 millones en un primer cierre de Serie F, según TechCrunch — una revalorización dramática que llega apenas cinco meses después de su anterior gran ronda de financiación y a la sombra del supuesto interés de Intel en adquirirla por aproximadamente $1.600 millones.
La brecha entre la supuesta oferta de $1.600 M de Intel y la valoración actual de $11.000 M cuenta la historia más rápido que cualquier comunicado de prensa. Si el interés de Intel era genuino — y TechCrunch informa que lo era — la dirección de SambaNova calculó claramente que mantenerse independiente y captar fondos a un precio casi siete veces mayor era la jugada más sólida. Esa apuesta cuenta ahora con $1.000 millones de capital fresco a sus espaldas.
El producto principal de SambaNova es una plataforma de inferencia de pila completa: chips RDU (Reconfigurable Dataflow Unit) personalizados combinados con su propia capa de software, diseñados para ejecutar modelos de lenguaje de gran tamaño y cargas de trabajo de IA generativa de forma más rápida y a menor coste por token que las GPU de propósito general. Ese argumento — silicio diseñado específicamente para inferencia, no solo para entrenamiento — es cada vez más el que los inversores quieren escuchar, a medida que el gasto en infraestructura de IA se desplaza de la construcción de modelos a su ejecución a escala.
Para los creadores que generan imágenes, vídeo o personajes a través de plataformas en la nube, el hardware subyacente importa más que antes. La mayoría de los principales servicios de generación de IA — incluidas las API que impulsan las herramientas de imagen y vídeo — funcionan sobre infraestructura de inferencia, y el coste y la velocidad de esa infraestructura repercuten directamente en lo que cobran las plataformas y en la rapidez con que llegan los resultados.
El argumento de SambaNova es que su arquitectura RDU ofrece un mayor rendimiento de tokens y menor latencia en modelos grandes que los clústeres Nvidia A100 o H100 para tareas de inferencia pura. Si eso se mantiene a escala, genera una presión real sobre los proveedores de nube centrados en GPU para competir en precio — el tipo de competencia que tiende a reducir los costes de las API con el tiempo.
La compañía ya cuenta entre sus clientes con varios despliegues en la nube empresarial, y el nuevo capital se destinará casi con certeza a ampliar la capacidad de los centros de datos y a acelerar su próxima generación de chips. Una mayor presencia de SambaNova en la infraestructura de inferencia significa que más proveedores disponen de una alternativa a las cadenas de suministro exclusivas de Nvidia — un cambio estructural que tiene efectos en cascada sobre la disponibilidad de modelos y los precios para cualquiera que construya sobre API de IA.
El ritmo de la captación de fondos es en sí mismo una señal. Dos grandes rondas en cinco meses no son las de una compañía que necesitaba liquidez — son las de una compañía que vio una ventana y la aprovechó. El ciclo de inversión en infraestructura de IA avanza lo suficientemente rápido como para que esperar incluso un año pueda suponer un entorno de financiación materialmente diferente.
La trayectoria de valoración de SambaNova también reencuadra la historia de la adquisición por parte de Intel. A $1.600 M, Intel habría estado comprando un activo en dificultades o infravalorado. A $11.000 M, SambaNova está valorada como un auténtico rival de Nvidia en la capa de inferencia — un objeto estratégico muy diferente. Si la compañía puede sostener esa valoración convirtiéndola en ingresos y cuota de mercado es la pregunta que responderán los próximos doce meses.
Por ahora, la ronda confirma que los chips de inferencia de IA diseñados específicamente siguen siendo una de las apuestas con financiación más agresiva del sector — y que la competencia de hardware que impulsa la reducción del coste de ejecutar modelos de IA generativa está lejos de haber terminado.
