Acelerar la IA sin NVIDIA: una herramienta gratuita para cualquier chip

El 8 de julio de 2026, la startup francesa ZML lanzó una herramienta gratuita para acelerar la IA en cualquier chip: ZML/LLMD, una capa de software que agiliza la inferencia de modelos de IA en una amplia gama de aceleradores de hardware. El proyecto cuenta con el respaldo de Yann LeCun, premio Turing y científico jefe de IA de Meta.

Qué hace ZML/LLMD

ZML/LLMD es una capa de software que permite ejecutar modelos de lenguaje más rápido y a menor coste, con independencia del fabricante del chip. Su compatibilidad multiplataforma es la ventaja clave: el mercado actual de herramientas de inferencia está muy sesgado hacia NVIDIA. Bibliotecas populares como TensorRT-LLM o las versiones de vLLM orientadas a CUDA están optimizadas por defecto para las GPU del fabricante «verde». Los equipos que usan AMD, Intel Gaudi, AWS Trainium y otros aceleradores deben conformarse con menor rendimiento o dedicar recursos de ingeniería a adaptar la pila por su cuenta.

ZML/LLMD se presenta como una herramienta única que funciona igual de bien en hardware distinto y reduce el coste de ejecutar productos de IA en producción.

• Producto: ZML/LLMD, capa de optimización para inferencia de LLM
• Licencia: gratuita (free to use)
• Alcance: amplia gama de chips de IA de distintos fabricantes
• Objetivo: reducir los costes operativos de la inferencia en producción

Por qué el nombre de

LeCun cambia la percepción de la startup

Yann LeCun es uno de los tres premios Turing de 2018 (junto con Geoffrey Hinton y Yoshua Bengio) y científico jefe de IA de Meta desde 2018. Su trabajo sobre redes neuronales convolucionales sentó las bases de la visión por computador moderna y de la actual ola de aprendizaje profundo.

El apoyo público de LeCun es una señal para el mercado y los inversores: ZML, como mínimo, ha captado la atención de investigadores de primer nivel. Para los desarrolladores que aún no conocen la startup, contar con un nombre así entre sus defensores reduce notablemente la desconfianza hacia una herramienta nueva.

Contexto: por qué la inferencia cuesta más que el entrenamiento

En la mayoría de los productos de IA en producción madura, el gasto en inferencia, es decir, responder a millones de solicitudes, supera desde hace tiempo al gasto en entrenamiento. Según estimaciones del sector, la proporción de costes se desplaza hacia 10 a 90 a favor de la inferencia. Por eso optimizar la velocidad y el coste de ejecución de los modelos es uno de los nichos más competitivos de la infraestructura de IA en 2026.

La compatibilidad de ZML/LLMD con distintos chips podría dar a las empresas margen de negociación con los proveedores y reducir el riesgo de depender de uno solo.

Qué significa

ZML/LLMD apunta a un problema real del mercado: los costes operativos de la inferencia crecen con la escala de los productos de IA. Un modelo de distribución gratuito reduce la barrera de entrada y puede atraer a una amplia comunidad de ingenieros. Hasta qué punto la herramienta supera a las soluciones especializadas en hardware concreto lo mostrarán los benchmarks independientes a medida que crezca el número de usuarios.

*Meta ha sido declarada organización extremista y está prohibida en Rusia.