Startup de IA busca $100M para optimizar ejecución en múltiples arquitecturas
Por Redacción Automatización LatAm · 20 de mayo de 2026 · Fuente original: Electronics Weekly
Foto: 401(K) 2013 · Openverse · CC BY-SA 2.0
Callosum, spin-off de Cambridge, recauda capital para desarrollar software que permite a modelos de IA ejecutarse eficientemente en diferentes arquitecturas de procesadores, mejorando portabilidad y rendimiento.
El desafío de la portabilidad en IA
Callosum, empresa derivada de la Universidad de Cambridge, está en negociaciones para obtener una inversión de $100 millones con el objetivo de resolver uno de los problemas más persistentes en la adopción empresarial de inteligencia artificial: la necesidad de reescribir y optimizar código constantemente cuando se cambia de arquitectura de hardware.
La solución propuesta
El software de Callosum actúa como una capa de abstracción que permite a los modelos y programas de IA ejecutarse de manera óptima en múltiples arquitecturas de procesadores sin modificación del código base. Esto incluye CPUs tradicionales, GPUs de consumo, aceleradores especializados (TPUs, NPUs) y procesadores de borde. La empresa busca resolver la fragmentación actual donde un modelo entrenado para ejecutarse en GPUs NVIDIA requiere reoptimización completa para funcionar en arquitecturas ARM o procesadores especializados de Intel.
Contexto de nuevas arquitecturas
El timing de la inversión coincide con la proliferación de nuevos chips diseñados específicamente para IA. Fabricantes como NVIDIA, AMD, Intel y empresas emergentes están lanzando constantemente nuevas arquitecturas, mientras que soluciones de edge computing exigen ejecución en hardware muy variado. Sin una capa de software inteligente, las organizaciones quedan atrapadas en ciclos costosos de reingeniería.
Implicaciones para Latinoamérica
Para la región, esta solución es especialmente relevante. Muchas plantas manufactureras acceden a hardware heterogéneo: algunos sistemas antiguos con procesadores x86, modernizaciones recientes con GPUs, y nuevos dispositivos IoT con arquitecturas ARM. Hoy, desplegar un modelo de visión artificial para control de calidad requiere múltiples versiones del código. Software como el de Callosum eliminaría esa barrera técnica, acelerando la adopción de IA en manufactura, logística y energía.
Además, en contextos de presupuesto limitado, las empresas podrían aprovechar hardware existente con máximo rendimiento, en lugar de verse obligadas a reemplazarlo. Esto reduce la inversión inicial en modernización de infraestructura de control.
Modelo de negocio y alcance
La ronda de $100 millones sugiere que Callosum planifica expansión significativa: probablemente incluya desarrollo de herramientas de compilación optimizada, SDK para desarrolladores, y posibles integraciones con plataformas de flujo de trabajo IA (frameworks como PyTorch, TensorFlow). El modelo de negocio podría ser licensing por volumen de ejecuciones o por dispositivo.
La inversión también refleja confianza del mercado en que la fragmentación actual de arquitecturas IA es un problema sistémico que requiere solución de software de clase empresarial, no ajustes puntuales.
Este resumen es un análisis original. Para leer la noticia completa visita la fuente original: Electronics Weekly →
Sigue leyendo
Google lanza LiteRT.js para ejecutar modelos de IA en navegadores web
Google presentó LiteRT.js, una interfaz JavaScript que permite ejecutar modelos de aprendizaje automático directamente en navegadores web con aceleración GPU. La herramienta ofrece mejoras de velocidad de hasta 3x respecto a otros runtimes web, y hasta 60x en procesadores gráficos.
Fuente: MarkTechPost
Métodos de IA para decisiones en tiempo real con recursos limitados
Investigadores del MIT desarrollan técnicas que permiten a modelos de IA tomar decisiones continuas usando recursos computacionales restringidos, abriendo aplicaciones en plantas y sistemas de control industrial.
Fuente: MIT News — AI
Sistemas de IA Multiagente Colaborativos en Manufactura
Fabricantes líderes avanzan hacia sistemas de IA multiagente donde agentes especializados colaboran directamente, dejando atrás asistentes de IA simples. ABB define una hoja de ruta hacia operaciones autónomas con seis niveles de sofisticación.
Fuente: IIoT World
Memoria ferroeléctrica y diseño de chips IA dominan la actualidad tecnológica
Los temas más relevantes en electrónica incluyen avances en memoria ferroeléctrica, financiamiento para diseño personalizado de chips IA y desarrollos en equipos de metrología. Estos campos impulsan la innovación en procesamiento de datos y fabricación de semiconductores.
Fuente: Electronics Weekly
Liquid AI lanza LFM2.5: modelo MoE eficiente para dispositivos locales
Liquid AI presenta un modelo de lenguaje optimizado con arquitectura Mixture of Experts que activa solo 1.5B de 8.3B parámetros totales, permitiendo ejecución en hardware de consumo con ventana de contexto de 128K tokens y capacidades de razonamiento.
Fuente: MarkTechPost
Especialización supera escala: la variable estratégica que ignoran las compras IA
Un análisis de Hugging Face demuestra que modelos especializados generan mejor valor que sistemas de gran escala en aplicaciones industriales. Esto redefinirá cómo las empresas evalúan e invierten en soluciones de IA.
Fuente: Hugging Face Blog