Cuando DeepSeek lanzó su modelo R1 de código abierto en enero de 2025, sacudió Silicon Valley. La idea de que un pequeño laboratorio chino creara un modelo de código abierto tan potente, con muchos menos recursos que sus competidores estadounidenses, desconcertó a los pesos pesados de la industria tecnológica. Marc Andreessen lo calificó como un "momento Sputnik", en referencia al impacto que provocó el lanzamiento del satélite soviético en 1957. Alex Wang, por entonces CEO de Scale, lo describió como un "llamado de atención".
Dentro de OpenAI, el episodio llevó a tres jóvenes investigadores a dimensionar el potencial de los modelos de código abierto. Si conseguían desarrollar la infraestructura necesaria para optimizarlos, pensaron, podrían convertir esa tecnología en un gran negocio.
"Nuestra visión del mundo era muy distinta de la de muchos de nuestros colegas de OpenAI", dijo Yash Patil, uno de los investigadores, a Forbes. "Si los modelos con parámetros abiertos van a ser realmente buenos, no vemos a OpenAI ni a Anthropic con todos los datos del mundo para entrenar este supermodelo. Más bien, vemos a empresas como JPMorgan usar sus propios datos para entrenar modelos orientados a lo que les importa, porque nunca van a entregar esos datos", profundizó.
Los modelos abiertos permiten acceder a los parámetros internos que una IA aprendió durante su entrenamiento, lo que facilita su adaptación a necesidades específicas.
Cinco meses después, Patil dejó OpenAI junto con los investigadores Rhythm Garg y Linden Li para fundar Applied Compute, una startup que entrena modelos de código abierto personalizados para clientes corporativos y luego los ejecuta en su propia nube. A partir de ahí, todo avanzó a gran velocidad. La compañía recaudó US$ 20 millones en una ronda seed en junio de 2025 y, en menos de un año, sumó clientes de peso como DoorDash, Nvidia y Microsoft. Su CEO, Satya Nadella, participó en junio en una entrevista con Patil sobre el futuro de la inteligencia artificial en las empresas.
Este miércoles, Applied Compute informó a Forbes que mantiene conversaciones para recaudar US$ 350 millones en una ronda que llevaría su valuación a US$ 3.250 millones. La empresa advirtió que algunas cifras podrían cambiar antes del cierre de la operación. The Information publicó previamente algunos detalles sobre esta nueva ronda de inversión. La valuación sería casi el doble de la que Applied Compute registró apenas cuatro meses antes y avanzaría a un ritmo superior al de la startup de Y Combinator que alcanzó más rápido el estatus de unicornio, nombre que recibe una empresa privada valuada en más de US$ 1.000 millones.
El inversor ángel Elad Gil lidera la ronda, que también cuenta con la participación de accionistas actuales como Lux Capital y Kleiner Perkins. Patil aseguró que la mayor parte del nuevo capital se destinará a la compra de más chips para ampliar la capacidad de su nube con una "flota masiva de capacidad de cómputo".
La empresa trabaja con grandes compañías para ayudarlas a desarrollar modelos y agentes de IA especializados a partir de sistemas de código abierto como Qwen, de Alibaba, o Kimi, de Moonshot, una alternativa mucho más económica que depender de OpenAI o de Anthropic. Para ajustar esos modelos a tareas específicas, Applied Compute utiliza un método llamado "aprendizaje por refuerzo", que proporciona retroalimentación al sistema y lo recompensa cuando realiza correctamente una tarea. De esa manera, el modelo modifica su comportamiento para obtener mejores resultados y recibir más recompensas.
Applied Compute envía a sus ingenieros a trabajar junto con clientes corporativos para entrenar modelos con sus datos internos antes de instalarlos en los servidores de la startup. La idea es concentrar en un mismo proveedor el entrenamiento, la implementación y la operación de agentes personalizados de código abierto. La semana pasada, la compañía presentó AC2, una plataforma que permite a los clientes utilizar por su cuenta las herramientas internas de entrenamiento de modelos de Applied Compute, una alternativa más barata que contratar los servicios de consultoría personalizada de la startup.
La ronda de inversión llega en un momento en el que los modelos de código abierto ganan popularidad entre las empresas que buscan contener el aumento de sus gastos en inteligencia artificial. Los modelos cerrados más avanzados, como Fable, de Anthropic, o Sol, de OpenAI, tienen una enorme potencia, pero pueden costar casi 40 veces más por cada millón de tokens que algunos modelos de código abierto. Los tokens son las unidades mínimas de texto que una IA procesa para interpretar y generar respuestas y suelen utilizarse para calcular el costo de estos servicios. Patil aseguró que, en algunos casos, sus modelos pueden resultar hasta 10 veces más baratos que los sistemas más avanzados del mercado.
Al mismo tiempo, a medida que los modelos de código abierto mejoraron sus capacidades, se convirtieron en alternativas adecuadas para tareas más simples en algunas empresas. "Siempre creí que el código abierto desempeñaría un papel importante en todo esto", dijo Gil, principal inversor de la ronda, a Forbes. Según explicó, la trayectoria de los fundadores, todos de 25 años o menos, los convirtió en un equipo preparado para resolver el desafío de optimizar esos modelos de código abierto. "Dado que son el antiguo equipo de investigación de OpenAI que trabajó en este tipo de problemas, realmente están a la vanguardia", señaló.
DoorDash ya trabajó con Applied Compute para desarrollar un modelo que permite a los restaurantes generar menús con precisión al incorporarse a la plataforma de delivery. Nvidia recurrió a la startup para realizar el entrenamiento posterior de Nemotron, su modelo abierto, un proceso que ajusta una IA tras su entrenamiento inicial para mejorar tareas específicas y crear agentes complejos.
La startup de inteligencia artificial jurídica Harvey, por su parte, utilizó Applied Compute para crear un agente capaz de revisar enormes volúmenes de documentos judiciales o analizar contratos en procesos de revisión previa a una inversión, compra o acuerdo. Todo el desarrollo del agente llevó menos de dos meses, según contó Niko Grupen, responsable de investigación aplicada de Harvey, a Forbes. Antes, aseguró, ese trabajo podía demandar varios meses o incluso años, además de recursos considerables, entre ellos investigadores especializados en entrenamiento posterior, ingenieros de infraestructura para supercomputadoras y una enorme capacidad de cómputo. "La diferencia es abismal", resumió.
Hijo de inmigrantes indios, una pediatra y un ingeniero de hardware, Yash Patil, de 23 años, creció en Austin. Durante su infancia, su padre trabajó para gigantes de los chips como Qualcomm y ARM en diseño de circuitos y en arquitectura de energía, el área que define cómo un dispositivo administra y distribuye el consumo eléctrico.
Patil se interesó por la tecnología porque quería parecerse a su hermano mayor, Neil, hoy ingeniero en la startup de biotecnología Chai Discovery. Durante la pandemia, cuando todavía cursaba la secundaria, Patil y su hermano desarrollaron un programa llamado Helping Hands, que conectaba a personas que necesitaban ayuda con voluntarios sanos que podían realizar tareas como comprar alimentos o retirar medicamentos.
Rhythm Garg, de 24 años, creció en Dallas y descubrió su interés por la tecnología a través de hackathons, competencias en las que equipos desarrollan soluciones tecnológicas en un tiempo limitado, durante la secundaria. Por otro lado, Linden Li, de 25 años y oriundo de Carolina del Norte, pasó buena parte de sus años escolares en Shanghái y se interesó por la tecnología tras ver una demostración de autos autónomos.
Los tres fundadores se hicieron amigos en Stanford. Mientras estudiaba ciencias de la computación, Patil conoció a quien después sería su jefe, Sam Altman, CEO de OpenAI, durante una cena que el empresario organizó en su casa para estudiantes de ingeniería de Stanford. "Estaba realmente nervioso. No hablé con él. Tal vez dije 'hola' al final", recordó Patil.
Meses después, OpenAI lanzó ChatGPT y, al igual que gran parte del mundo, Patil quedó fascinado por la tecnología. Le escribió un correo electrónico a Altman para decirle que quería trabajar en el por entonces incipiente chatbot, y el CEO lo invitó a postularse al programa de residencia de la empresa, una iniciativa para incorporar y formar talento técnico en proyectos de inteligencia artificial.
Patil ingresó a OpenAI a los 20 años y luego recomendó a Garg, quien más tarde hizo lo mismo con Li. Ya dentro de la compañía, Patil trabajó en infraestructura de entrenamiento posterior, es decir, en los sistemas que permiten ajustar un modelo después de su entrenamiento inicial, y en lo que luego se convertiría en Codex. Garg se especializó en modelos de razonamiento, mientras que Li se concentró en sistemas de aprendizaje automático.
Como los tres eran muy jóvenes en comparación con el resto de los investigadores de OpenAI, estrecharon aún más su relación. Patil y Garg compartían un departamento junto a la sede de la compañía en San Francisco, mientras que Li, que vivía cerca, solía pasar por ahí después del trabajo para encontrarse con ellos.
Después llegó el momento revelador de DeepSeek. Patil, Garg y Li estaban juntos en un viaje de esquí en Lake Tahoe cuando se lanzó el modelo R1. Fascinados, pasaron gran parte del día hablando de él. El episodio puso a los modelos de código abierto bajo una atención inédita.
Patil no cree que los clientes corporativos abandonen los modelos de frontera de última generación de OpenAI y Anthropic, los sistemas de IA más avanzados disponibles, para apostar por completo por el código abierto. En cambio, considera que las empresas utilizarán una combinación de modelos de alta gama y alternativas más baratas según sus necesidades. A medida que algunas compañías prestan más atención a los costos y las opciones de código abierto se vuelven más competitivas, Applied Compute considera que este es su momento.
Leigh Marie Braswell, socia de Kleiner Perkins y responsable de la inversión de la prestigiosa firma de capital de riesgo en Applied Compute, comprobó de primera mano la dedicación de la compañía a principios de este año. Braswell, fanática del póker, es conocida en Silicon Valley por organizar partidos con empresas en las que invierte el fondo. Sin embargo, cuando hizo una en la sede de Applied Compute en San Francisco, la noche terminó antes de lo previsto, cerca de las 22. "Fue la única empresa que alguna vez me echó de la oficina", contó entre risas. "Fue como: 'Tenemos que volver al trabajo'", recordó.
*Esta nota fue publicada originalmente en Forbes.com.
