Una startup promete chips de IA mil veces más eficientes: la cifra enorme que todavía debe demostrar

La inteligencia artificial puede escribir un correo en segundos, pero detrás de esa respuesta hay servidores que consumen electricidad y necesitan refrigeración. Una startup estadounidense quiere atacar el problema desde el corazón de los computadores: Unconventional AI busca desarrollar chips hasta 1.000 veces más eficientes que las arquitecturas tradicionales. Atención con la palabra busca, porque se trata de una meta empresarial y no de un resultado comercial certificado.

La compañía anunció el 26 de octubre de 2026 un acuerdo para adquirir NeuReality, firma israelí especializada en sistemas de inferencia y silicio. Las empresas no divulgaron el monto y esperan cerrar la operación durante el último trimestre del año, sujeto a condiciones habituales. La adquisición incorporaría experiencia de ingeniería y diseño para acelerar el desarrollo de los nuevos sistemas.

El proyecto de Unconventional AI contempla una plataforma de cómputo que describe como de cuatro dimensiones y plantea rediseñar física de dispositivos, arquitectura y modelos de inteligencia artificial de manera conjunta. Suena ambicioso porque lo es. Todavía debe mostrar qué cargas de trabajo funcionarán, cuánto costarán los equipos y cómo se comportarán en centros de datos reales.

Una parte importante del gasto energético de la IA no procede solamente de realizar operaciones matemáticas. También se consume energía cuando los sistemas desplazan datos, esperan información o coordinan múltiples chips. Mover datos de un componente a otro puede convertirse en un costo enorme cuando una aplicación debe atender millones de solicitudes.

La energía importa tanto como la velocidad

Durante años, las mejoras de procesadores se han medido mediante velocidad o potencia máxima. En inteligencia artificial también interesa cuántas respuestas útiles puede entregar un sistema por cada unidad de energía consumida. Una máquina que responde el doble de rápido, pero consume cuatro veces más, puede encarecer la operación a gran escala.

La inferencia es la etapa en que un modelo ya entrenado responde consultas o ejecuta tareas. NeuReality trabajó en reducir ineficiencias del movimiento de datos y la coordinación de sistemas durante ese proceso. La nueva empresa quiere aprovechar ese conocimiento, aunque sus soluciones no deben confundirse automáticamente con los futuros chips de Unconventional.

Los ejecutivos mencionan inspiración en sistemas biológicos, donde múltiples señales se procesan con un gasto energético comparativamente reducido. Es una línea de investigación prometedora, pero no significa que los chips reproduzcan literalmente el funcionamiento de un cerebro. Las analogías con la biología ayudan a orientar investigaciones, no reemplazan pruebas técnicas.

Del laboratorio al centro de datos falta un recorrido largo

En una nota anterior contamos cómo la expansión de la IA presiona otros componentes tecnológicos. La energía y los chips especializados son otra cara del mismo fenómeno: el aumento de demanda obliga a construir infraestructura y a buscar métodos más económicos para utilizarla.

Una demostración puede ser exitosa en un problema específico y no ofrecer igual ventaja en todos los modelos. También debe evaluarse la capacidad de producir chips de manera consistente, integrarlos con software existente y mantenerlos durante años. El desarrollo de semiconductores es especialmente exigente porque corregir un diseño físico puede resultar muy costoso.

Reuters reportó que Unconventional había desarrollado su primer chip experimental y avanzaba en un segundo. Esa información indica progreso, pero no demuestra un ahorro de 1.000 veces para clientes reales. La cifra debe leerse como el objetivo de una hoja de ruta, no como una comparación ya verificada.

Si la estrategia funciona, podría ayudar a contener costos de electricidad y ampliar las posibilidades de utilizar IA fuera de grandes centros de datos. Pero también existe el efecto contrario: si cada operación se vuelve más barata, las empresas pueden usar muchísimas más, aumentando la demanda total. La eficiencia no garantiza por sí sola una disminución del consumo global.

El comunicado original puede leerse en Unconventional AI y el contexto financiero fue publicado por Reuters. Lo relevante hoy no es un chip milagroso listo para comprar, sino una apuesta de ingeniería que intenta cambiar la economía de la inteligencia artificial.