SambaNova recaudó $1 mil millones con valuación de $11 mil millones en surge de demanda de inferencia de IA

SambaNova Systems, fabricante de chips de IA especializados, ha recaudado $1 mil millones en financiación a una valoración de $11 mil millones — una validación de la confianza de los inversores en la creciente demanda de infraestructura de inferencia de IA. El CEO de SambaNova, Rodrigo Lian, compartió detalles de la ronda en una entrevista con Ed Ludlow en Bloomberg Tech.

Lo que sabemos sobre la ronda

SambaNova es una startup de Palo Alto fundada en 2017 por alumnos de Stanford, incluyendo el profesor Kunle Olukotun. La empresa está desarrollando su propia arquitectura de chip Reconfigurable Dataflow Unit (RDU) — una alternativa a los procesadores gráficos de Nvidia, que actualmente dominan los mercados de entrenamiento e inferencia de redes neuronales. La idea detrás de RDU es que los datos "fluyen" a través del chip según la ruta óptima para una red neuronal específica, en lugar de procesarse a través de una arquitectura GPU universal — la empresa afirma que esto reduce la latencia y el consumo de energía durante la inferencia de modelos grandes.

• Tamaño de la ronda — $1 mil millones en financiación
• Valoración de la empresa después de la ronda — $11 mil millones
• CEO — Rodrigo Lian
• Entrevista transmitida en Bloomberg Tech con Ed Ludlow

Por qué la inferencia se ha convertido en el principal impulsor de la demanda

Lian enfatizó que la demanda de inferencia de alta velocidad — el despliegue rápido y rentable de modelos ya entrenados en productos reales — está creciendo a tasas enormes. Mientras hace unos años la mayoría de la inversión de capital de la industria se destinaba al entrenamiento de modelos grandes, ahora las empresas están ampliamente implementando IA en sus servicios y necesitan infraestructura capaz de responder a los usuarios con latencia mínima a un costo aceptable por token.

Este cambio en la demanda está vinculado al hecho de que en lugar de consultas puntuales a un chatbot, las empresas cada vez más despliegan agentes de IA y copilots que llaman a los modelos repetidamente dentro de una sola tarea — desde análisis de documentos hasta automatización de flujos de trabajo. Cada llamada requiere una respuesta del modelo en fracciones de segundo, y esto es lo que hace que el costo y la velocidad de inferencia, no solo la calidad del modelo, sean el factor decisivo al elegir infraestructura.

Quién está compitiendo por el mercado de inferencia

Este cambio de enfoque — del entrenamiento a la inferencia — se ha convertido en uno de los temas principales de 2026 para toda la industria de chips. Además de Nvidia, que aún mantiene la participación dominante en el mercado de aceleradores de IA gracias a su ecosistema CUDA, los hiperscaladores están trayendo sus propios chips al mercado — TPU de Google, Trainium e Inferentia de Amazon, así como startups de chips Groq y Cerebras compitiendo con SambaNova por clientes empresariales que necesitan una alternativa a costosos clústeres de GPU. Para tales clientes, las métricas clave no son el rendimiento máximo sobre papel, sino el costo real por token de la respuesta del modelo y la latencia bajo carga alta.

Qué significa esto

La gran ronda de SambaNova en el contexto del auge general de la inversión en infraestructura de IA muestra: el mercado está apostando cada vez más no solo por desarrolladores de modelos mismos, sino por empresas que construyen el "hardware" para su ejecución rápida y barata — esto es cada vez más lo que define la economía real del escalado de IA en productos, no solo la calidad de las redes neuronales mismas.