- Unconventional AI cierra una ronda seed de 475 millones de dólares con valoración de 4.500 millones
- La startup diseña chips y ordenadores de IA inspirados en la biología para lograr eficiencia energética extrema
- Su arquitectura combina cómputo analógico, neuronas pulsantes y SoC mixtos con memoria no volátil
- Naveen Rao lidera un equipo de élite y planea levantar hasta 1.000 millones en esta fase inicial
La llegada de Unconventional AI ha sacudido el tablero del hardware para inteligencia artificial con una operación de financiación que, a estas alturas, ya se comenta en todos los corrillos del sector. En apenas unos meses de vida, la compañía ha conseguido captar el interés de los fondos más poderosos del mundo de la tecnología, apostando por una idea que, sobre el papel, promete replantear cómo se diseñan y consumen los recursos de cómputo para IA.
Lejos de centrarse en modelos cada vez más grandes y voraces, la empresa quiere atacar el problema de raíz: la eficiencia energética y la arquitectura física de los chips. Su propuesta se inspira de forma explícita en la biología y en el funcionamiento del cerebro, con el objetivo de acercarse a un sistema capaz de ofrecer enorme capacidad de cálculo consumiendo una fracción de la energía que requieren hoy los grandes centros de datos.
La mayor ronda seed de hardware de IA del año
Unconventional AI ha cerrado una ronda seed de 475 millones de dólares, una cifra que, incluso en un mercado acostumbrado a grandes números, destaca por su dimensión para una fase tan temprana. La operación sitúa la valoración de la compañía en torno a 4.500 millones de dólares, convirtiéndola en uno de los casos más llamativos de financiación inicial en el ecosistema de hardware para IA.
La ronda ha sido liderada por los fondos de capital riesgo Andreessen Horowitz (a16z) y Lightspeed Venture Partners, dos actores de referencia cuando se habla de apuestas a largo plazo en tecnología profunda. Junto a ellos se han sumado otros inversores de primer nivel como Lux Capital, DCVC, Databricks e incluso el fundador de Amazon, Jeff Bezos, lo que refuerza la sensación de que el proyecto se percibe como una jugada estratégica a largo plazo.
Además del capital externo, uno de los cofundadores ha decidido aportar de su propio bolsillo 10 millones de dólares, en las mismas condiciones que el resto de grandes inversores. Este movimiento, más allá de la cantidad, envía una señal clara de compromiso y confianza interna en la tesis tecnológica y de negocio de la compañía.
Según ha trascendido en distintas entrevistas, este primer tramo de 475 millones sería solo el inicio de un plan de captación que podría llegar hasta los 1.000 millones de dólares en esta misma etapa. La magnitud del objetivo pone de relieve el tipo de proyecto al que se enfrentan: hardware complejo, ciclos de desarrollo largos y una fuerte inversión inicial en I+D.
En comparación con otras operaciones recientes, la valoración se quedó ligeramente por debajo de los 5.000 millones que se barajaban en los primeros rumores, pero sigue situando a Unconventional AI en la liga de las startups que, sin apenas ingresos ni producto comercial, ya juegan en niveles de capital reservados antes a compañías mucho más maduras.
La visión de Naveen Rao y un equipo acostumbrado al riesgo técnico
Al frente del proyecto se encuentra Naveen Rao, una figura conocida en el mundo de la IA tanto por su faceta emprendedora como por sus cargos en grandes tecnológicas. Rao fue responsable de las plataformas de inteligencia artificial en Intel tras la compra de su primera startup, Nervana Systems, especializada en procesadores para aprendizaje automático.
Más tarde, el fundador dio un nuevo salto al cofundar MosaicML, una plataforma de entrenamiento de modelos que ganó tracción en el ecosistema de datos e IA y que terminó siendo adquirida por Databricks por unos 1.300 millones de dólares. Esta trayectoria, con dos salidas relevantes en menos de una década, ha pesado notablemente a la hora de generar confianza entre los fondos que ahora respaldan su nuevo proyecto.
Junto a Rao, la compañía ha incorporado a perfiles de alto nivel procedentes del cruce entre hardware, software e investigación académica, como Michael Carbin, Sara Achour y MeeLan Lee. Se trata de un equipo acostumbrado a lidiar con riesgo técnico elevado, proyectos de ciclos largos y problemas que no se resuelven con iteraciones rápidas de software, sino con prototipos complejos y una integración muy estrecha entre arquitectura física y algoritmos.
El propio Rao ha explicado que el plan de trabajo de Unconventional AI pasa por probar múltiples prototipos a lo largo de varios años, evaluando qué paradigma escala mejor en términos de eficiencia y coste. Es decir, no buscan lanzar un producto rápido al mercado, sino construir una base tecnológica que pueda marcar diferencias durante la próxima década en el cómputo para IA.
Esta apuesta por la llamada «ingeniería de ciclo largo» contrasta con la dinámica habitual de muchas startups de software, orientadas a validar lo antes posible con clientes y ajustar producto mediante iteraciones rápidas. Aquí, el camino se parece más al de las grandes empresas de semiconductores o a los proyectos de infraestructuras críticas, donde el retorno llega más tarde pero, si todo va bien, puede redefinir un sector entero.
Un nuevo tipo de máquina para la inteligencia artificial
El núcleo de la propuesta de Unconventional AI es construir un ordenador radicalmente más eficiente energéticamente para cargas de trabajo de inteligencia artificial. Rao ha resumido la ambición en una frase que ha llamado la atención en el sector: diseñar un sistema que sea «tan eficiente como la biología», tomando como referencia la capacidad del cerebro humano para realizar cálculos complejos con un consumo energético mínimo.
Mientras que la mayor parte de la industria sigue empujando la escala de modelos —más parámetros, más datos, más GPUs—, la compañía parte de la premisa de que esta estrategia tiene un límite claro en el coste y la energía disponibles. Los grandes centros de datos ya se enfrentan a restricciones eléctricas, costes crecientes y problemas de sostenibilidad, algo que en Europa y España preocupa especialmente por los objetivos climáticos y regulatorios.
Para romper esta dinámica, la startup plantea un cambio de paradigma en la arquitectura de cómputo: en lugar de seguir puliendo las arquitecturas digitales convencionales, explora diseños que aprovechan las propiedades físicas del propio silicio y principios inspirados en el funcionamiento del cerebro, como la dinámica no lineal de las neuronas.
En un texto publicado en su web, la compañía describe su objetivo como la creación de un «nuevo sustrato para la inteligencia». La idea es que, al encontrar la estructura adecuada que relacione el cómputo artificial con el comportamiento de los sistemas biológicos, es posible desbloquear ganancias de eficiencia muy por encima de lo que se consigue simplemente mejorando arquitecturas digitales clásicas.
Los inversores de Lightspeed que participan en la ronda coinciden en ese diagnóstico, apuntando a la necesidad de buscar «la isomorfía adecuada para la inteligencia» si se aspira a reducciones drásticas en el consumo energético de la IA. Esta línea de pensamiento encaja con los esfuerzos de investigación en cómputo neuromórfico y sistemas analógicos avanzados que, hasta ahora, se mantenían en gran parte en el ámbito académico o en proyectos experimentales de grandes fabricantes.
Arquitectura: de los chips analógicos a las neuronas pulsantes
Uno de los aspectos más llamativos de Unconventional AI es su enfoque combinado de arquitecturas analógicas, mixtas y neuromórficas. A diferencia de los chips digitales actuales, que representan la información mediante ceros y unos discretos, los diseños analógicos permiten trabajar con valores continuos y aprovechar fenómenos físicos que, bien controlados, pueden resultar mucho más eficientes para ciertas operaciones. Esta aproximación remite a avances en el diseño de chips y procesos avanzados que buscan optimizar la eficiencia desde la base física.
La compañía está explorando chips capaces de almacenar distribuciones de probabilidad de forma física, en lugar de aproximarlas numéricamente como se hace en los procesadores tradicionales. Esto abre la puerta a representaciones más naturales para modelos probabilísticos y, potencialmente, a reducciones de consumo energético de hasta mil veces frente a los sistemas digitales que dominan hoy los centros de datos.
Para lograrlo, el equipo recurre a conceptos de osciladores, termodinámica y neuronas pulsantes (spiking neurons), un tipo de modelo inspirado en la forma en que las neuronas reales se activan mediante impulsos discretos a lo largo del tiempo. Este tipo de arquitecturas, propias del campo neuromórfico, pueden desactivar grandes porciones del chip cuando no se están usando, reduciendo de forma drástica las pérdidas de energía frente a los circuitos que mantienen actividad constante.
El enfoque recuerda en parte a los esfuerzos previos de compañías como Intel con sus procesadores neuromórficos, que eliminan el reloj central tradicional y permiten que el chip funcione de forma asíncrona, activando solo las partes necesarias según la carga de trabajo. Sin embargo, Unconventional AI quiere ir un paso más allá, no solo imitando el comportamiento neuronal, sino integrando estrechamente el diseño físico del silicio con modelos de IA específicamente pensados para ese entorno.
Esta combinación de hardware especializado y modelos co-diseñados apunta a un futuro en el que la frontera entre chip y algoritmo se difumina, y donde el rendimiento ya no depende tanto de cuántas GPUs se pueden apilar, sino de lo bien que se aprovechan las propiedades físicas más profundas de los materiales y circuitos.
Un SoC diseñado a medida para la próxima ola de IA
Más allá de la visión general, se van conociendo detalles técnicos sobre el tipo de chip que Unconventional AI quiere llevar a producción. Distintas ofertas de empleo publicadas por la compañía apuntan a un acelerador de IA basado en un diseño de sistema en chip (SoC), es decir, un único componente que integra varios módulos de cómputo especializados.
Según estas descripciones, el SoC incluirá un procesador central (CPU) encargado de tareas previas como organizar y preparar los datos sensoriales antes de que pasen a las unidades más específicas de IA. Sobre esa base general, se añadirán bloques optimizados para realizar operaciones de álgebra lineal, que son el corazón matemático de prácticamente todos los modelos de aprendizaje profundo, desde los grandes modelos de lenguaje hasta los sistemas de visión por ordenador.
El diseño también contempla el uso de propiedad intelectual de terceros para algunos módulos, algo habitual en la industria de semiconductores, donde resulta más eficiente licenciar ciertos bloques probados que desarrollarlos desde cero. A partir de ahí, el valor añadido de Unconventional AI se concentrará en las partes más innovadoras del SoC.
Entre esos elementos diferenciadores figuran circuitos de señal mixta, capaces de tratar tanto información analógica como digital, muy útiles para gestionar datos procedentes de sensores o para implementar operaciones inspiradas en la física de forma directa. Este tipo de circuitería es clave para que el chip pueda explotar esas dinámicas no lineales y representaciones probabilísticas que persigue la compañía.
Otro punto relevante es el interés de la empresa en memorias no volátiles emergentes, como la RRAM, que conservan la información incluso cuando se corta la alimentación. Tecnologías de este tipo pueden ofrecer ventajas de rendimiento frente a la memoria flash tradicional en determinados escenarios, aunque todavía se enfrentan a retos técnicos que han limitado su despliegue masivo en centros de datos. La evolución del mercado de memorias y decisiones de fabricantes como Micron relacionadas con líneas de producto ponen de relieve esos desafíos y oportunidades.
Co-diseño de hardware y modelos de IA
Unconventional AI no quiere quedarse solo en la capa física del procesador. La estrategia pasa por desarrollar también modelos de IA adaptados a sus chips, aprovechando el margen de optimización que ofrece crear software y hardware de forma conjunta desde el inicio.
Este enfoque de co-diseño permite ajustar al máximo cómo se representan los datos, qué operaciones se ejecutan y de qué manera se distribuye el trabajo dentro del chip. En lugar de adaptar modelos existentes pensados para GPUs generalistas, la empresa puede concebir algoritmos que saquen partido de las particularidades de sus circuitos analógicos, sus neuronas pulsantes o sus módulos de memoria no convencional.
La compañía aspira a que esta integración le permita alcanzar eficiencias del orden de 1.000 veces respecto al silicio actual en determinadas cargas de trabajo. Aunque estas cifras habrá que validarlas cuando aparezcan los primeros prototipos y benchmarks independientes, dan una idea de la escala de ambición que maneja el equipo.
Este tipo de aproximación es especialmente relevante para Europa y España, donde el debate sobre soberanía tecnológica y dependencia de proveedores de hardware extranjeros está ganando peso. Contar con nuevas arquitecturas de IA más eficientes abre la puerta a centros de datos más sostenibles y menos costosos, algo que encaja con las prioridades energéticas y regulatorias de la región. Las alianzas entre grandes proveedores en la nube y fabricantes de hardware, como las que han cambiado recientemente el mapa del sector, son un ejemplo del contexto en que estas soluciones podrían encajar (colaboraciones entre nube y fabricantes).
Si finalmente el modelo de Unconventional AI demuestra ser competitivo, no sería extraño ver a empresas europeas de nube, laboratorios de investigación y grandes corporaciones integrar este tipo de soluciones en sus infraestructuras, buscando reducir costes energéticos y huella de carbono sin renunciar a capacidades avanzadas de IA.
Contexto de mercado: megarrondas y carrera por la infraestructura de IA
El caso de Unconventional AI se enmarca en una tendencia más amplia: la aparición de startups de IA que levantan rondas de cientos de millones de dólares en fases muy tempranas, con valoraciones que hace pocos años se reservaban a compañías cotizadas o con ingresos muy consolidados.
En los últimos ejercicios, nombres como OpenAI, Anthropic o iniciativas impulsadas por figuras como Ilya Sutskever o Mira Murati han protagonizado operaciones de capital de riesgo de dimensiones históricas. En 2025, decenas de startups de IA superaron la barrera de los 100 millones de dólares de financiación, consolidando un volumen de inversión sin precedentes en este segmento.
Dentro de esta ola, la batalla por la infraestructura —chips, nubes especializadas, aceleradores y sistemas de entrenamiento— se ha convertido en uno de los frentes más disputados. La dependencia de procesadores de un puñado de fabricantes, y en particular de GPUs de alta gama, ha empujado a inversores y emprendedores a buscar alternativas que alivien los cuellos de botella de suministro y precio.
Unconventional AI entra de lleno en esta carrera proponiendo una vía distinta a la mera competición incremental con los grandes fabricantes de GPU. En lugar de pelear solo por más rendimiento, centra el tiro en lograr órdenes de magnitud de mejora en eficiencia energética, algo clave a medio plazo para que los sistemas de IA sigan creciendo sin chocar de frente con los límites físicos y económicos.
Para el ecosistema europeo, donde la factura energética y las exigencias regulatorias en materia de emisiones son especialmente estrictas, el éxito de propuestas de este tipo podría resultar determinante. Un hardware de IA mucho más eficiente encajaría con las estrategias de transición verde, al mismo tiempo que permitiría a empresas y administraciones desplegar aplicaciones avanzadas de IA sin disparar sus consumos.
El proyecto de Unconventional AI concentra buena parte de las grandes tendencias del momento: megarrondas en etapas seed, hardware diseñado desde cero para la IA, inspiración directa en la biología y una obsesión por la eficiencia energética que responde a una realidad cada vez más evidente. Si la compañía logra materializar en silicio sus promesas, podría convertirse en uno de los actores que definan cómo se entrenan y ejecutan los modelos de inteligencia artificial en la próxima década, tanto en Estados Unidos como en Europa y, por extensión, en mercados como el español.
Soy un apasionado de la tecnología que ha convertido sus intereses «frikis» en profesión. Llevo más de 10 años de mi vida utilizando tecnología de vanguardia y trasteando todo tipo de programas por pura curiosidad. Ahora me he especializado en tecnología de ordenador y videojuegos. Esto es por que desde hace más de 5 años que trabajo redactando para varias webs en materia de tecnología y videojuegos, creando artículos que buscan darte la información que necesitas con un lenguaje entendible por todos.
Si tienes cualquier pregunta, mis conocimientos van desde todo lo relacionado con el sistema operativo Windows así como Android para móviles. Y es que mi compromiso es contigo, siempre estoy dispuesto a dedicarte unos minutos y ayudarte a resolver cualquier duda que tengas en este mundo de internet.