Nvidia respalda a la startup india Simplismart para ejecutar modelos de IA con menos GPUs
Nvidia participó en una ronda Series B de US$ 14 millones en Simplismart, empresa con sede en Bengaluru, que desarrolla software para que las compañías ejecuten modelos de inteligencia artificial de manera más eficiente con la infraestructura de GPUs existente. La ronda, liderada por Dallas Venture Capital, también contó con la participación de Nvidia, Accel, Shastra VC y Micromax. El negocio valuaba a la empresa de cuatro años de antigüedad en cerca de US$ 100 millones, incluyendo el capital nuevo.
Qué hace exactamente Simplismart
Simplismart construye una capa de software que se sitúa entre los modelos de IA y la infraestructura computacional que los hospeda. En lugar de exigir que los equipos de ingeniería ajusten manualmente los parámetros de despliegue — latencia, throughput, utilización de memoria —, el software de Simplismart automatiza ese trabajo de tuning, ajustando cómo cada modelo es servido según los requisitos específicos del cliente. El enfoque funciona tanto en la nube como en infraestructura on-premises.
La empresa tiene tres líneas de negocio. Para startups y empresas de IA, ofrece optimización de inference como servicio. Para organizaciones más grandes, proporciona un panel de control unificado para gestionar múltiples modelos en producción. Y, en tercer lugar, permite a los proveedores de cloud construir sus propios servicios de inference sobre GPU usando el software de Simplismart — transformando a la empresa de una herramienta para compañías de IA en un motor white-label para operadores de data center.
El caso más citado es la plataforma de generación de video InVideo, que según Simplismart redujo en 56% su factura de GPU al adoptar la plataforma. Otros clientes notables incluyen las startups de IA Ema y HeyGen.
Por qué Nvidia invirtió
La participación de Nvidia es estratégica, no solo financiera. A simple vista, la apuesta parece paradójica: el mayor proveedor de chips de IA del mundo apostando por software que permite usar menos GPUs. Pero la lógica es coherente con la dirección que Nvidia ya ha tomado en otras frentes. La empresa se expandió históricamente de proveedora de hardware a proveedora de plataforma: CUDA, cuDNN, TensorRT, y ahora el ecosistema de microservicios NIM. Simplismart encaja en ese patrón al crear una capa de abstracción que hace la infraestructura de inference más accesible, lo que a su vez expande el volumen total de inference ejecutado sobre hardware Nvidia.
"Hacer el inference más eficiente, en última instancia, expande el uso", explicó Amritanshu Jain, co-fundador de Simplismart, citando el mismo razonamiento detrás de las inversiones de Nvidia en Sarvam AI y las alianzas con proveedores locales de infraestructura cloud en India.
Los números impresionan incluso para el estándar de la ronda. Simplismart reportó un crecimiento de 14 veces en su tasa de ingresos anualizados en seis meses. Más de la mitad de los ingresos proviene de Estados Unidos, a pesar de tener más clientes en India — un patrón común entre startups de infraestructura indianas que atraen mayor gasto por cliente estadounidense que por su base de clientes indios.
El cambio macro: inference sobre training
La apuesta por Simplismart refleja un cambio estructural en el mercado de IA. Durante los primeros años del boom generativo, la atención y el capital se concentraron en entrenar modelos cada vez más grandes — un juego de miles de millones de dólares en chips y data centers. Pero a medida que los modelos alcanzan capacidades satisfactorias, la curva de costos se desplaza hacia el inference: ejecutar estos modelos en producción, donde el volumen de peticiones es infinitamente mayor que el volumen de entrenamiento.
Este patrón ya fue observado con otras startups. d-Matrix, por ejemplo, desarrolló chips dedicados específicamente para inference, no para training. Perplexity anunció planes para usar los nuevos procesadores Vera de Nvidia en tareas de inference de agentes de IA. Modal, startup que alquila poder computacional para desarrolladores de IA, comenzó a utilizar chips Vera exactamente para acelerar el inference de agentes autónomos.
La diferencia es que Simplismart no intenta reemplazar el chip — intenta extraer más rendimiento del chip existente. Es el mismo principio que motivó el TensorRT de Nvidia y el vLLM open-source, pero aplicado a un producto comercial completo con paneles de control, métricas de performance e integración con proveedores de cloud.
Qué sigue
Simplismart pretende usar el capital de la ronda para expandir su presencia en Estados Unidos, crecer el equipo e invertir en desarrollo del software de inference. Jain confirmó que Estados Unidos permanece como mercado clave, dado que más de la mitad de los ingresos ya proviene de clientes americanos.
La valuación de US$ 100 millones parece conservadora cuando comparada con conversaciones anteriores: The Economic Times reportó que la empresa estaba en negociaciones para levantar US$ 40 a 50 millones a una valuación de US$ 300 a 400 millones. Jain descartó esa posibilidad, diciendo que la ronda estaba cerrada y no sería ampliada.
La pregunta que queda es si Simplismart consigue escalar lo suficiente para justificar una salida de múltiplos dígitos en un mercado cada vez más disputado — donde tanto chips dedicados de inference como soluciones de software compiten por el mismo gasto en infraestructura de GPUs. La apuesta de Nvidia sugiere que cree en la respuesta.
Fuentes: TechCrunch, Dealroom, Progressive Robot
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
