Groq firma un memorando con el Departamento de Energía de EE. UU. sobre inferencia para la Misión Génesis

Groq ha firmado con el Departamento de Energía de EE. UU. (DOE) un memorando de entendimiento en el marco de Genesis Mission. El documento está fechado el 18 de diciembre de 2025. No contiene importes, plazos ni compromisos de suministro: es un marco para el intercambio de información y una «posible colaboración». Aun así, para una empresa que fabrica sus propios chips LPU y da servicio a más de 2,8 millones de desarrolladores a través de GroqCloud, aparecer en un programa federal tiene peso. Ian Andrews, director de ingresos, estuvo presente en el evento de Genesis Mission en la Casa Blanca.

Qué recoge exactamente el MOU

Las partes enumeran cuatro líneas de trabajo. La primera es la inferencia de baja latencia para descubrimientos científicos, incluidos los escenarios agénticos con un ciclo de experimento cerrado. El modelo propone una hipótesis, la instalación genera datos y el modelo ajusta el siguiente paso. Cuanto menor es la pausa entre esos pasos, más iteraciones caben en un día.

La segunda es la inferencia energéticamente eficiente y unas cadenas de suministro internas sostenibles. Aquí se menciona de forma explícita la evaluación de arquitecturas basadas en LPU. La tercera es el trabajo conjunto en benchmarks, prácticas y estándares para una inferencia determinista y eficiente en energía. La cuarta es la selección de tareas aplicadas para la misión Genesis.

Parámetros clave del acuerdo:

• Tipo de documento: MOU, es decir, un marco no comercial sin condiciones financieras.
• Fecha: 18 de diciembre de 2025.
• Programa: Genesis Mission del Departamento de Energía de EE. UU.
• Base tecnológica: LPU y la nube GroqCloud.
• Métricas para la estandarización: reproducibilidad, latencia, rendimiento (throughput) y consumo de energía.
• Audiencia de Groq: más de 2,8 millones de desarrolladores y grandes empresas de Fortune 500.

Por qué se insiste en el determinismo

El punto más interesante es el de los benchmarks. Las cargas de trabajo científicas exigen reproducibilidad: una misma ejecución debe dar un resultado comparable y un tiempo predecible. Groq lleva tiempo vendiendo la idea de la ejecución determinista, en la que la latencia se conoce de antemano y no varía según la carga de las tareas vecinas. Si esta métrica se fija en las evaluaciones del DOE, saldrá beneficiado quien haya diseñado su sistema para ella.

Ahí está el cálculo. Medir la inferencia solo en tokens por segundo y precio por millón de tokens resulta cómodo para los fabricantes de GPU. Si se añaden la energía por respuesta y la dispersión de la latencia, el panorama cambia. Por ahora se trata de una intención de las partes, no de una metodología, pero quien participa en la redacción de una metodología suele ser quien gana con ella.

La frase de Jonathan Ross, CEO y fundador de Groq, marca el tono: «No hay suficiente capacidad de cómputo para que la IA beneficie a todos. Colaboramos con la Casa Blanca y el Departamento de Energía para cambiarlo». Es una declaración de objetivos, no de volúmenes: no se indica cuánta capacidad ni en qué centros.

Contexto político y limitaciones

Groq presenta el acuerdo como parte del «AI stack estadounidense» que Genesis Mission debe definir, escalar y, finalmente, exportar a sus socios. En julio, la compañía respaldó el AI Action Plan. La postura es comprensible: un fabricante con silicio, software y nube propios encaja bien en el discurso del control nacional de la cadena.

Las limitaciones son evidentes. Un MOU no equivale a un contrato. No hay datos sobre qué laboratorios del DOE tendrán acceso, en qué sistemas se harán los pilotos ni quién pagará. Tampoco hay mediciones comparativas de LPU frente a GPU en tareas científicas.

Qué conviene seguir a partir de ahora:

• si habrá proyectos piloto en los laboratorios nacionales con resultados publicados;
• si se publicarán benchmarks conjuntos y en qué forma: abiertos o cerrados;
• si el MOU pasará a compras públicas o a financiación mediante subvenciones;
• cómo reaccionarán los competidores, sobre todo los proveedores de GPU, ante el intento de desplazar las métricas hacia la energía y el determinismo.

Para los equipos que construyen pipelines científicos agénticos, la conclusión práctica es sencilla: al evaluar la inferencia, hay que considerar no solo el precio del token, sino también la dispersión de la latencia y la energía por ciclo. Si los estándares del DOE avanzan en esa dirección, los requisitos de compra empezarán a replicarlos con bastante rapidez.