Una startup asegura que la IA puede diseñar chips mejores en días. Por qué importa la crisis de computación.
Ricursive Intelligence, fundada por dos exinvestigadores de Google, está desarrollando IA que diseña chips desde cero y aprende de cada versión que crea. Si funciona a escala, podría aliviar la congestión de centros de datos sin construir miles de nuevas instalaciones.
Puntos clave
- Ricursive Intelligence, cofundada por Anna Goldie y Azalia Mirhoseini, está desarrollando software de IA que diseña chips de computadora de forma autónoma, reduciendo el tiempo de diseño de meses a aproximadamente una semana.
- Goldie proyectó en TechCrunch Disrupt 2026 que la demanda de computación podría crecer 10.000 veces en los próximos cinco años, calificando esa estimación como "potencialmente conservadora".
- La startup optimiza un chip completo como una única unidad en lugar de dividirlo en docenas de secciones más pequeñas, permitiendo que la IA encuentre diseños no convencionales que los ingenieros humanos no intentarían.
- Su sistema anterior, AlphaChip, produjo una disposición de componentes circular en forma de "rosquilla" que sorprendió a los ingenieros pero superó los diseños convencionales.
- Un diseño de chip más rápido podría hacer que los chips personalizados sean económicamente viables para aplicaciones especializadas como hardware espacial o computación biológica.
Veinte dólares de electricidad compran aproximadamente una hora de cálculo de IA serio hoy. Ese costo está casi completamente determinado por los chips dentro de los centros de datos que ejecutan los modelos. Haz esos chips más eficientes y cada precio descendente, desde una herramienta de diagnóstico de IA para un médico hasta un asistente de inventario para el dueño de una tienda, baja con ellos. Ese es el apuesta que está haciendo Ricursive Intelligence.
Los cofundadores de la startup, Anna Goldie y Azalia Mirhoseini, presentaron su trabajo en TechCrunch Disrupt esta semana, informado primero por TechCrunch AI. Ambos trabajaron anteriormente en Google, donde desarrollaron AlphaChip, un sistema de IA que llamó la atención después de producir un diseño de chip con forma aproximada de rosquilla. Los ingenieros inicialmente estaban desconcertados. Funcionó.
¿Qué problema están realmente resolviendo?
Diseñar un chip moderno es lento y caro. El enfoque estándar actual divide un chip en docenas de bloques más pequeños y optimiza cada bloque por separado. Los bloques nunca se optimizan juntos.
El software de Ricursive trata el chip completo como un único problema de diseño. La IA propone un diseño, lo prueba virtualmente, luego introduce lo que aprendió en el siguiente intento. Goldie describió los patrones resultantes como "ondulantes" y dijo que la empresa planea publicar más detalles más adelante.
El beneficio, si el enfoque se mantiene a escala de fabricación, es la velocidad. Un ciclo de diseño que actualmente toma de seis meses a dos años podría, según afirman los fundadores, reducirse a aproximadamente una semana. A ese ritmo, construir un chip personalizado para un satélite espacial o un dispositivo médico deja de ser un compromiso de varios millones de dólares y se convierte en una opción práctica.
¿Esto realmente reduce la necesidad de más centros de datos?
No por sí solo, pero la dirección importa. Hemos rastreado la presión de infraestructura en 33 historias de centros de datos en los últimos 90 días, cubriendo todo desde gestión térmica hasta capacidad de red. Las limitaciones físicas son reales y la demanda no se está desacelerando: nuestra historia de ingresos de TSMC del 11 de octubre mostró que el mayor fabricante de chips por contrato del mundo registró un aumento de ventas de 54,6% interanual solo en septiembre.
Goldie enmarcó la eficiencia de chips como la palanca que evita construir muchas más instalaciones. "No queremos construir 10.000 veces más centros de datos", dijo en el evento. Su argumento: los chips más inteligentes usan energía y espacio físico dentro de las instalaciones existentes mejor, por lo que se necesitan menos nuevos.
Ese enfoque es plausible, pero vale la pena una nota de precaución. Cada generación anterior de chips más eficientes ha tendido a impulsar más uso de IA en lugar de reducir el consumo de energía total. Las ganancias de eficiencia y el crecimiento de la demanda históricamente han corrido juntos, no uno contra el otro.
| Enfoque de diseño | Tiempo para completar | Optimizado como | Resultado notable |
|---|---|---|---|
| Tradicional (liderado por humanos) | 6 meses a 2 años | Docenas de bloques separados | Diseños predecibles y rectangulares |
| AlphaChip (Google, trabajo anterior) | Más rápido que el tradicional | Chip completo | Diseño en forma de "rosquilla", superó puntos de referencia |
| Ricursive Intelligence (actual) | Objetivo de aproximadamente una semana | Chip completo | Patrones ondulantes, detalles próximos |
¿Qué significa esto para la gente común?
En el corto plazo, nada cambia en tu factura del teléfono. Los ciclos de diseño de chips son largos, e incluso un proceso de diseño más rápido debe pasar por la fabricación antes de llegar a un producto.
La historia a mediano plazo es diferente. Chips más baratos y eficientes significan que las herramientas de IA cuestan menos de usar, lo que tiende a significar precios más bajos para empresas que compran acceso a API, pagando por consulta para usar un modelo de IA. El dueño de un restaurante pronosticando pedidos de stock o un traductor independiente manejando borradores iniciales se beneficiarían de esa curva de costos moviéndose hacia abajo.
Atenta la publicación por parte de Ricursive de su investigación de chips con patrones ondulantes. Ese es el momento en que los ingenieros independientes pueden probar si las afirmaciones se mantienen fuera de una presentación en fase de startup.
