LO ESENCIAL EN 30 SEGUNDOS

  • Applied Compute ha captado 350 millones de dólares con una valoración de 3.250 millones en una ronda liderada por Elad Gil, con la participación de Nvidia, Kleiner Perkins, Lux Capital y Blackstone, entre otros.
  • La empresa afirma haber alcanzado un ritmo de 100 millones de dólares en ingresos anualizados menos de 18 meses después de su fundación.
  • Su plataforma abarca entrenamiento, inferencia y enrutamiento de modelos a medida basados en modelos de pesos abiertos; entre sus clientes figuran Microsoft, Shopify, DoorDash y Harvey.

Applied Compute, una startup de infraestructura de IA fundada por Rhythm Garg, Yash Patil y Linden Li, anunció el 2 de noviembre una ronda de 350 millones de dólares que la valora en 3.250 millones. La operación la lidera el inversor Elad Gil. Según el comunicado de la compañía, también participan Kleiner Perkins, Lux Capital, Nvidia, Blackstone, Shopify Ventures y HubSpot Ventures, junto con más de una docena de firmas.

Ingresos y clientes

La empresa asegura que sus ingresos anualizados ya superan los 100 millones de dólares, una cifra que alcanzó en menos de 18 meses desde su creación. Entre sus clientes menciona a Microsoft, Shopify, Mercor, Harvey, DoorDash, Cognition, Clay y Decagon, y afirma que el número de clientes corporativos se ha más que duplicado desde la ronda anterior. La plantilla se ha triplicado desde enero y el 85 % son investigadores e ingenieros.

La compañía destaca dos casos. Según su versión, un modelo hecho a medida para la herramienta Review Table de Harvey mejoró la calidad de las respuestas y de las citas con menos de la mitad del coste de inferencia de un modelo de frontera, y un enrutador propio redujo hasta un 47 % el gasto de inferencia en producción de Clay. Son datos de la propia empresa, sin verificación independiente.

Qué ofrece la plataforma

La tesis de la startup es que las empresas deberían ser dueñas de los modelos que impulsan sus productos en lugar de alquilar modelos genéricos. Applied Compute entrena, despliega, evalúa y mejora de forma continua modelos personalizados construidos sobre bases de pesos abiertos. Su plataforma AC2, presentada hace unos tres meses, reúne entrenamiento, inferencia y mejora continua; la empresa dice que sus clientes han lanzado más de 1.700 entrenamientos en ella desde julio. Su servicio de inferencia procesa más de un billón de tokens al día, y alrededor del 40 % de los clientes lo usa tanto para entrenar como para servir modelos.

SiliconANGLE explica que la plataforma recurre al aprendizaje por refuerzo asíncrono y en línea, además de la autodestilación, que evita necesitar un modelo «maestro» aparte. Un enrutador llamado Shift-1 envía cada petición al modelo más rentable y puede repartir una tarea compleja entre varios modelos.

Contexto

El crecimiento de la compañía se apoya en una apuesta: que las empresas preferirán, al menos para parte de sus cargas de trabajo, modelos de pesos abiertos adaptados frente a modelos de frontera estándar, por coste y control. Applied Compute destinará el dinero a ampliar su capacidad de cómputo, contratar y acelerar los despliegues en clientes. Los fundadores describen el entrenamiento, la inferencia y el enrutamiento como las primeras piezas de una pila más amplia, sin más detalles.