Cuando la especialización vence la carrera masiva
La industria de infraestructura de inteligencia artificial ha vivido una narrativa dominante en los últimos años: quien tiene más GPUs, más energía y el data center más grande, gana. Empresas como CoreWeave, Lambda y las grandes tecnológicas han gastado billones construyendo centros de datos gigantescos y compitiendo ferozmente por los chips de NVIDIA. Pero General Compute, una startup de San Francisco nacida para hacer exactamente lo contrario, acaba de demostrar que hay otro camino — y el mercado está pagando para verlo.
La empresa anunció esta semana una ronda de $100 millones en Serie A, liderada por Blackbird Ventures y Abstract Ventures, que valoran a General Compute en $800 millones post-money. La financiación fue viabilizada por un contrato anual de $100 millones con un gran cliente sin revelar su identidad y sigue una ronda semilla en mayo, cuando la empresa era valorada en apenas $60 millones. El aumento de valoración en poco más de un año es impresionante, pero lo que más llama la atención es la estrategia que la hizo atractiva: chips de inferencia especializados de proveedores fuera del ecosistema de NVIDIA.
Mientras toda la industria corría detrás de GPUs para entrenar y hacer inferencia, General Compute se enfocó exclusivamente en chips de inferencia — hardware diseñado para correr modelos ya entrenados, no para entrenarlos. Esta es una distinción crucial. El entrenamiento de modelos de lenguaje representa quizás el 5% al 10% del costo total de uso de un modelo a lo largo de su vida útil; el resto es inferencia, que ocurre miles de millones de veces por día. Y para inferencia, chips como los de SambaNova, Positron y Cerebras ofrecen un costo por operación significativamente menor que una GPU genérica.
General Compute cerró un acuerdo de $400 millones para adquirir chips de SambaNova — la primera línea de financiamiento de deuda exclusivamente para chips de inferencia — y ahora integra Positron y Cerebras en su portafolio. Esta diversificación de proveedores no es solo una cuestión de estrategia técnica: también es una protección geopolítica en un momento en que las sanciones a China amenazan la cadena de suministro de semiconductores. Tener hardware de múltiples proveedores reduce el riesgo de depender de un solo fabricante.
La infraestructura de General Compute sigue el mismo principio de especialización. En lugar de construir data centers desde cero — un proceso que lleva años y requiere megavatios de energía dedicada — la empresa alquila espacio en centros de datos existentes, convierte antiguos sitios de minería de bitcoin en instalaciones de IA y utiliza fuentes de energía más pequeñas. El resultado es un despliegue mucho más rápido: en lugar de 18 a 24 meses para poner un data center en funcionamiento, General Compute puede operar en semanas.
"Todos en este mercado están vendiendo velocidad", dijo Rodrigo Liang, CEO y co-fundador de SambaNova, a TechCrunch. "La verdadera pregunta es si puedes ganar dinero con eso". Esta es precisamente la propuesta de General Compute: inferencia barata y escalable, no inferencia ultrarrápida a cualquier costo. La empresa ofrece bare metal — servidores brutos sin software adicional — a empresas de cloud que quieren proporcionar inferencia de alta velocidad a sus propios clientes. Es el equivalente al AWS EC2, pero especializado para un solo tipo de trabajo.
Los clientes clave de General Compute son empresas como Baseten, una cloud de inferencia en la que Blackbird Ventures ya estaba invertida. James Palmer, principal de Blackbird que co-lideró la ronda, mencionó explícitamente esta proximidad: "Hemos estado próximos al viaje de ellos en los últimos 10 meses y observamos el crecimiento extraordinario de Baseten, la demanda por inferencia de pesos abiertos y por empresas que quieren poseer su propia inteligencia".
El modelo es ingenioso: General Compute no vende inteligencia, vende el terreno donde la inteligencia será construida. Y la demanda por este terreno es clara. El CEO Finn Puklowski afirma que recibe llamadas de clientes toda semana pidiendo desplegar "TPUs, GPUs, cualquier chip" para obtener más capacidad computacional. "Las preocupaciones sobre un colapso liderado por chips están enormemente subestimadas", dijo él. "Tengo gente llamando toda semana pidiéndome hacer TPUs, GPUs, cualquier chip para obtener más computación".
Puklowski espera desplegar 75 megavatios de capacidad computacional en 2027 y cree que tendrá acceso a 200 megavatios de energía — "más de lo que probablemente podamos financiar y obtener hardware". Aún así, reconoce que el mayor desafío sigue siendo financiero: "El capital va a ser un trabajo de tiempo completo para mí, tanto en deuda como en equity".
El ascenso de General Compute señala un cambio estructural en el mercado de infraestructura de IA. El argumento de que solo las GPUs masivas pueden alimentar la era de la inteligencia artificial está siendo contestado por un número creciente de evidencias: la inferencia de modelos open-weight, que hoy responde por el 34% del uso de tokens enterprise (según encuesta Techstrong de septiembre de 2026), es más eficiente en chips especializados que en GPUs genéricas. La propia NVIDIA reconoce la importancia de la inferencia — su línea de chips TPU y la adquisición de Mellanox fueron, en parte, respuestas a esta demanda.
El modelo de General Compute también abre camino para la democratización de la inferencia: en lugar de un puñado de empresas controlando toda la infraestructura, startups como General Compute pueden proporcionar capacidad de inferencia a precios competitivos, permitiendo que desarrolladores y pequeñas empresas corran modelos complejos sin necesitar un data center propio. Esto podría acelerar la adopción de IA en sectores tradicionales — salud, manufactura, educación — que hoy quedan atrás por falta de acceso a infraestructura barata.
La pregunta no es si General Compute se convertirá en el próximo CoreWeave, sino si el mercado de inferencia especializada se fragmentará en docenas de actores regionales, cada uno con su propia combinación de hardware, energía y ubicación — un escenario en que la especialización vence la escala, y la economía vence la velocidad.
Fuentes: TechCrunch, Gate News, Winzheng
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
