Una ronda construida sobre una afirmación de tamaño

Enrique Lizaso dirige una empresa de inteligencia artificial desde Donostia, en la costa vasca, y el 27 de julio puso cifra a una apuesta que lleva años haciendo. Multiverse Computing anunció una Serie C que aspira a captar hasta 570 millones de dólares, unos 500 millones de euros, con una valoración pre-money de 1.700 millones de dólares, alrededor de 1.500 millones de euros. Eso multiplica por cinco la Serie B que la compañía cerró en junio de 2025 y sitúa el capital total captado cerca de los 800 millones de dólares.

Por qué importa: el dinero no va destinado a un modelo más grande. Va destinado a hacer los modelos más pequeños. Lizaso expuso la tesis sin rodeos en el anuncio: el sector lleva años aceptando una restricción falsa, la de que los modelos potentes exigen infraestructura cara. Una ronda de este tamaño es la primera prueba institucional seria de si esa restricción existe.

La lista de inversores se lee como un mapa del capital europeo y no como un sindicato del Valle. Encabezan Forgepoint Capital International, el BNPP Solar Impulse Venture Fund y Bullhound Capital, acompañados por Santander Alternative Investments, Tikehau Capital, HP Inc., Orange Ventures, Scania Invest, NAventures, Qatar Development Bank, Zouk Capital, SETT, el Fondo del Consejo Europeo de Innovación, el fondo Hazten Scale-Up del Gobierno Vasco y Kutxa Fundazioa.

Qué le hacen las redes tensoriales a un modelo

CompactifAI, el producto de la compañía, toma prestadas las redes tensoriales de la física cuántica y las aplica a la compresión. Multiverse sostiene que la técnica reduce los grandes modelos de lenguaje entre un 80% y un 95% con una pérdida mínima de precisión, y que los modelos resultantes se ejecutan más rápido y consumen menos energía. En mayo la empresa afirmó que su interfaz CompactifAI daba servicio a los principales agentes de programación con un coste hasta un 75% inferior.

El historial de despliegue es la parte que conviene leer dos veces. Según Multiverse, sus modelos comprimidos funcionan en millones de dispositivos, entre ellos drones, cámaras, satélites, vehículos e infraestructura de telecomunicaciones. Esas no son cargas de centro de datos. Son lugares donde un modelo de tamaño completo nunca habría cabido y donde enviar los datos a otro sitio resulta demasiado lento o directamente no está permitido.

Ahora bien: la compresión es por definición un proceso con pérdida, y esa pérdida mínima de precisión es la formulación del propio proveedor, medida con sus propias pruebas. Para un comprador la pregunta relevante es más estrecha que el titular. Consiste en saber si un modelo comprimido mantiene la precisión en su tarea, no en una tabla pública, y eso se puede comprobar antes de comprometerse.

La parte que aterriza en su presupuesto

Más de 100 organizaciones ya compran esto, y los nombres son industriales y no experimentales: Iberdrola, Bosch, Telefónica, Indra, Allianz, PwC y el Banco de Canadá. Multiverse informa de que sus ingresos anualizados se han multiplicado por diez desde la Serie B y de que las ventas del primer trimestre de 2026 crecieron 96 veces interanualmente. Un crecimiento así con esa clase de clientes es una señal que procede de los departamentos de compras, no de los de investigación.

La consecuencia: para la mayoría de los operadores europeos la restricción determinante al desplegar inteligencia artificial ha sido el acceso a una capacidad de cálculo que no les pertenece. La compresión ataca esa restricción por el otro lado. Un modelo lo bastante pequeño para correr en hardware propio es un modelo cuyos datos nunca salen de la red propia, lo que convierte una decisión de arquitectura en una decisión de cumplimiento que usted ya tomó.

El paso práctico no tiene ningún brillo. Antes de que se renueve su próximo contrato de inferencia, coja una carga de trabajo real y mida si un modelo comprimido mantiene la precisión que de verdad necesita. Si la mantiene, la pregunta del alojamiento vuelve a abrirse, y con ella todas las preguntas de jurisdicción que dio por zanjadas el día de la firma.