SambaNova capta 1.000 millones de dólares con una valoración de 11.000 millones gracias al auge de la demanda de inferencia de IA

SambaNova Systems, fabricante de chips especializados para inteligencia artificial, ha captado $1 mil millones de inversión con una valoración de $11 mil millones. La ronda confirma la confianza de los inversores en la creciente demanda de infraestructura para inferencia de IA. Así lo contó el consejero delegado de la compañía, Rodrigo Liang, en una entrevista con Ed Ludlow en Bloomberg Tech.

Qué se sabe de la ronda

SambaNova es una startup de Palo Alto fundada en 2017 por investigadores procedentes de Stanford, entre ellos el profesor Kunle Olukotun. La compañía desarrolla su propia arquitectura de chips, Reconfigurable Dataflow Unit (RDU), como alternativa a las GPU de Nvidia, que hoy dominan el mercado de entrenamiento e inferencia de redes neuronales. La idea de la RDU es que los datos «fluyan» por el chip siguiendo la ruta óptima para cada red neuronal concreta, en lugar de pasar por la arquitectura universal de una GPU. Según la compañía, esto reduce la latencia y el consumo energético en la inferencia de modelos grandes.

• Ronda: $1 mil millones de inversión
• Valoración de la compañía tras la ronda: $11 mil millones
• Consejero delegado: Rodrigo Liang
• La entrevista se emitió en Bloomberg Tech con Ed Ludlow

Por qué la inferencia se ha convertido en la principal demanda

Liang subrayó que la demanda de inferencia de alta velocidad —es decir, de ejecutar de forma rápida y barata modelos ya entrenados en productos reales— crece a un ritmo enorme. Hace unos años, la mayor parte de la inversión del sector se destinaba a entrenar grandes modelos. Ahora, las empresas integran IA de forma masiva en sus servicios y necesitan una infraestructura capaz de responder a los usuarios con una latencia mínima y a un precio por token razonable.

Este cambio en la demanda se explica porque, en lugar de consultas puntuales a un chatbot, las empresas despliegan cada vez más agentes de IA y copilotos que llaman a los modelos repetidamente dentro de una misma tarea, desde el análisis de un documento hasta la automatización de un flujo de trabajo. Cada una de esas llamadas exige una respuesta del modelo en fracciones de segundo. Por eso el coste y la velocidad de la inferencia, y no únicamente la calidad del modelo, se convierten en el factor decisivo a la hora de elegir infraestructura.

Quién compite por el mercado de la inferencia

Este desplazamiento del foco, del entrenamiento a la inferencia, se ha convertido en uno de los grandes temas de 2026 para toda la industria de los chips. Además de Nvidia, que sigue controlando la mayor parte del mercado de aceleradores de IA gracias a su ecosistema CUDA, al mercado de chips especializados para inferencia llegan los hiperescaladores con desarrollos propios —las TPU de Google, Trainium e Inferentia de Amazon— y startups de chips como Groq y Cerebras. Estas compiten con SambaNova por clientes corporativos que buscan una alternativa a los costosos clústeres de GPU.

Para ese tipo de clientes, las métricas clave no son el rendimiento máximo sobre el papel, sino el coste real de cada token de respuesta del modelo y la latencia con carga elevada.

Qué significa esto

La gran ronda de SambaNova, en plena oleada de inversiones en infraestructura de IA, demuestra que el mercado apuesta cada vez más tanto por los desarrolladores de modelos como por las compañías que construyen el hardware para ejecutarlos de forma barata y rápida. Es precisamente ese hardware el que determina cada vez más la economía real del escalado de la IA en los productos, más allá de la calidad de las propias redes neuronales.