Lo principal no es la "cuanticidad", sino la apuesta por empaquetar grandes modelos
Multiverse Computing anunció una Serie C de 570 millones de dólares con una valoración pre-money de 1.700 millones, y ya no parece una apuesta de nicho. Según The Next Web y la descripción de la operación, la empresa se dirige a una financiación total cercana a los 800 millones de dólares sumando rondas anteriores.
Técnicamente, lo más interesante no es el abstracto "quantum-AI", sino la plataforma CompactifAI. La empresa promueve la compresión de modelos basada en tensor networks, una herramienta matemática que surge de problemas cercanos a la computación cuántica. La afirmación es ambiciosa: reducción de modelos de aproximadamente un 80-95% con una pérdida de precisión limitada.
Esto ya es ingeniería de verdad, no una exhibición de palabras bonitas. Si se mantiene bajo cargas de trabajo reales, no se trata solo de una economía de inferencia más barata, sino de llevar modelos a lugares donde antes no cabían: on-premises, dispositivos, centros de datos soberanos.
En los materiales de la ronda, la empresa afirma explícitamente que los fondos se destinarán a ampliar su biblioteca de modelos eficientes, investigar más en algoritmos propietarios, infraestructura de IA soberana y crecer en el este de Asia, el sudeste asiático, Oriente Medio, Canadá y Estados Unidos. Es decir, ya no es una apuesta de laboratorio, sino un intento de capturar el mercado en torno a la eficiencia computacional.
Por qué esto es importante ahora mismo
Esta ronda es importante porque el mercado está claramente cansado de pagar solo por el tamaño del modelo. Si la compresión reportada del 80-95% realmente preserva una calidad aceptable, el ganador no es quien tiene más GPUs, sino quien puede extraer la misma tarea con menos hardware y menor consumo energético.
Esto resulta especialmente lógico para las finanzas y la energía, sectores a los que apunta Multiverse, además de industrias con estrictos requisitos de residencia de datos. Allí, el despliegue local y un costo predecible suelen ser más importantes que perseguir el LLM público más grande.
Pero yo observaría dos cosas de inmediato. Primera: en qué modelos y escenarios específicos se sostiene la compresión prometida. Segunda: qué pasa con la latencia, el contexto largo y la calidad en los bordes de la distribución, donde muchos de estos enfoques empiezan a chirriar.
Otra señal en la propia estructura del acuerdo: se trata de una financiación europea de IA de gran envergadura y un paso aproximadamente 5 veces superior a la valoración de la Serie B. Para mí, esto no es un marcador de fe en la "magia cuántica", sino de fe en que la era de la IA cara empieza a toparse con una matemática de la eficiencia muy terrenal.