Resumen:
Euclyd, una startup holandesa de chips de inteligencia artificial, completó recientemente una ronda de financiación Serie A por valor de 200 millones de euros, o aproximadamente 230 millones de dólares. La financiación fue codirigida por Samsung, Somerset Capital Partners, Scaleup Europe Fund administrado por EQT e Innovation Industries, brindando a la joven empresa fundada en 2024 el apoyo financiero necesario para desafiar aún más la posición de Nvidia en el mercado de chips de IA.
Euclyd no optó por copiar directamente la ruta de desarrollo de la GPU NVIDIA, sino que intentó encontrar diferentes soluciones desde el nivel de arquitectura del chip. La empresa está desarrollando un sistema de chip específico para tareas de inferencia de IA. Su diseño cubre tanto la arquitectura del procesador como la de la memoria, con la esperanza de mejorar la eficiencia al ejecutar modelos de inteligencia artificial de una manera diferente a las GPU tradicionales.
La llamada inferencia de IA se refiere al proceso en el que el modelo de inteligencia artificial entrenado realiza tareas en aplicaciones prácticas. Por ejemplo, los usuarios hacen preguntas a los chatbots, la IA genera imágenes o videos y las empresas utilizan grandes modelos de lenguaje para procesar solicitudes comerciales, etc., todos pertenecen a cargas de trabajo de inferencia. A medida que se implementan cada vez más modelos de IA, la potencia informática necesaria para la inferencia está creciendo rápidamente y gradualmente se ha convertido en un importante campo de batalla en el mercado de chips de IA.
Nvidia tiene actualmente una ventaja absoluta en este campo. La GPU de Nvidia, diseñada originalmente para el mercado de los juegos, luego se convirtió en el hardware central para entrenar y ejecutar modelos de IA con su arquitectura informática altamente paralela y, por lo tanto, estableció un enorme ecosistema de software CUDA. Hoy en día, una gran cantidad de empresas de inteligencia artificial y de computación en la nube confían en las GPU de NVIDIA para ejecutar servicios de inteligencia artificial. Esta es también una razón importante por la que NVIDIA puede convertirse en una de las empresas de tecnología más valiosas del mundo.
Euclyd espera utilizar diferentes estructuras para ingresar a este mercado. La empresa no sólo planea vender su propio hardware de IA y sistemas completos de rack, sino que también planea permitir que otras empresas utilicen la tecnología de Euclyd para diseñar sus propios chips mediante la concesión de licencias de derechos de propiedad intelectual. En otras palabras, el modelo de negocio de la empresa no se limita a ser un proveedor de chips, sino que también espera convertirse en un proveedor de licencias de tecnología y arquitectura de chips de IA.
Es especialmente destacable la participación de Samsung en esta financiación. La propia Samsung tiene una cadena industrial completa, desde el diseño de semiconductores y la fabricación de obleas hasta chips de memoria y productos electrónicos. Por lo tanto, invertir en una empresa de chips de IA que intenta desafiar a Nvidia no solo tiene importancia para la inversión financiera, sino que también puede proporcionar una base para la cooperación futura entre las dos partes en computación, almacenamiento y tecnología avanzada de semiconductores de IA.
Euclyd solo lleva unos dos años establecida, pero ya ha recibido una financiación a gran escala, lo que también refleja la gran atención que los inversores prestan al mercado de chips de inferencia de IA. A medida que la IA generativa pasa gradualmente de la etapa de entrenamiento de modelos a la etapa de implementación comercial a gran escala, la cantidad de tareas de inferencia que los centros de datos deben manejar continúa aumentando, y la eficiencia energética, el ancho de banda de la memoria y el costo computacional general del chip se vuelven cada vez más importantes.
Para los operadores de centros de datos de IA, seguir comprando una gran cantidad de GPU NVIDIA puede obtener un ecosistema de software maduro y un rendimiento informático potente, pero también significa costos de hardware, energía e infraestructura extremadamente altos. Por ello, cada vez más proveedores de servicios en la nube, grandes empresas tecnológicas y empresas de IA están empezando a buscar alternativas a NVIDIA. Esto también crea oportunidades para que Euclyd, AMD y otras nuevas empresas de aceleradores de IA ingresen al mercado.
Sin embargo, desafiar a Nvidia no es tan simple como crear un chip de IA con buen rendimiento. La verdadera fortaleza de Nvidia no es solo el hardware GPU en sí, sino también la plataforma de software CUDA, las herramientas de desarrollo, los controladores y el ecosistema de desarrolladores acumulado durante muchos años. Cualquier competidor que desee reemplazar verdaderamente a Nvidia en entornos de centros de datos a gran escala tendrá que abordar una serie de cuestiones que incluyen la compatibilidad del software, los costos de migración de los desarrolladores y los riesgos de implementación a largo plazo para los clientes.
Euclyd se encuentra todavía en una etapa relativamente temprana de desarrollo, por lo que la importancia más importante de esta financiación de 200 millones de euros es proporcionar fondos suficientes para que la empresa continúe desarrollando chips, mejorando productos y estableciendo un ecosistema empresarial. Para verificar si puede lograr en última instancia ventajas significativas de rendimiento y eficiencia energética en tareas reales de inferencia de IA con diferentes procesadores y arquitecturas de memoria, será necesario esperar hasta que sus productos ingresen al mercado real.
A medida que la demanda de razonamiento de IA continúa creciendo, NVIDIA se enfrenta cada vez a más competidores de diferentes direcciones. Euclyd optó por comenzar con la innovación arquitectónica y el diseño de memoria, mientras que otras empresas pueden buscar avances en aceleradores dedicados, ASIC personalizados, computación óptica y empaques avanzados. En el futuro, es probable que el mercado de chips de IA ya no sea una competencia pura de GPU, sino una competencia integral centrada en la arquitectura informática, la memoria, el ecosistema de software, el consumo de energía y el costo general del sistema.
Comentarios