El “875M Bet” del positrón: La verdadera lucha de la inferencia es la memoria, no los FLOPS.

El Positron, una empresa emergente en el campo de los chips para procesamiento de datos, que no existía hasta el año 2023, logró obtener fondos.875 millones esta semana, con una valoración de 5 mil millones de dólares.Para llevar el silicio de próxima generación al mercado. Eso marca un hito.Un salto de aproximadamente cinco veces en comparación con febrero, cuando valía alrededor de 1 mil millones de dólares.Después de su ronda de financiamiento Series B. Los fondos no están destinados a competir con Nvidia en el campo de la computación. Es una apuesta por una idea más específica y interesante: en el proceso de inferencia, la restricción que determina cuánto dinero genera un modelo de IA ya no es el cálculo computacional, sino la memoria.

La diferencia entre entrenamiento e inferencia es todo el argumento en cuestión. El entrenamiento es una tarea única que consiste en crear un modelo; se requieren semanas de trabajo matemático intenso para manejar miles de datos. La inferencia, por su parte, ocurre con cada solicitud que reciba el chatbot, con cada token que genera… Y esto continúa indefinidamente. A medida que los modelos se utilizan por parte de usuarios reales, los costos del sector siguen aumentando de manera constante.Deloitte projeta que la inferencia representará aproximadamente dos tercios del cálculo de IA para el año 2026, en un mercado cercano a los 50 mil millones de dólares.Eso es donde se decidirá la lucha por la siguiente fase de este ciclo. No se trata principalmente de una lucha por los FLOPS brutos.

La inferencia está limitada por el “muro de memoria”. Un GPU puede calcular mucho más rápido de lo que puede enviar datos a sus unidades aritméticas. Por eso, en los casos donde se tiene en cuenta el costo, el procesamiento costoso permanece inactivo, ya que la banda de memoria limita el rendimiento. Cada token debe ser transferido fuera de la memoria. Por lo tanto, las consideraciones económicas – costo por token, energía por token – dependen de cuánta cantidad de banda de memoria utilice el chip, y no del número de FLOPS que pueda generar. Y aquí está el punto clave en el enfoque de Positron: no intenta superar a Nvidia en velocidad bruta. Se diseña para que la inferencia funcione de manera eficiente.

Es allí donde entra en juego la memoria de productos comunes. Las componentes principales de Nvidia dependen de la memoria de alto ancho de banda (HBM), el tipo de DRAM más rápido, que está integrada de manera estrecha en el chip. La HBM es rápida, pero escasa, costosa y con restricciones en el suministro. Por eso, todo el mercado enfrenta una crisis relacionada con la HBM. En cambio, Positron utiliza memoria LPDDR común –el mismo tipo de memoria que se utiliza en teléfonos y computadoras de gama alta– en un sustrato orgánico. Es más lenta en términos de velocidad, pero es abundante y mucho más económica, y no está sujeta a restricciones por parte de la cadena de suministro de HBM.

La pregunta importante es si esa memoria barata realmente puede cumplir con la función requerida. En este caso, la afirmación de Positron es el pilar fundamental de su apuesta.La utilización de ancho de banda de memoria supera el 90%, llegando hasta el 93%. En cambio, las cargas de trabajo de inferencia con HBM suelen utilizar solo entre el 20% y el 50% de su ancho de banda.En términos prácticos, eso significa que el Rubin de Nvidia puede anunciar una banda de ancho de banda de memoria de aproximadamente 16 TB/s, pero solo…Se estima que 2.5–8 TB/s son suficientes para el uso; en total, Positron puede procesar aproximadamente 11 TB/s.En su uso declarado, proporciona aproximadamente 10 TB/s de ancho de banda efectivo. La misma lucha, ganada de manera diferente: más de lo que se compró realmente se utiliza.

La historia relacionada con la potencia es lo que hace que la economía se multiplique. Las afirmaciones de Positron sobre el envío del chip Atlas…Tres veces la potencia de procesamiento por vatios de un H100; se requieren aproximadamente 2,000 vatios para que el sistema basado en H200 funcione con una carga de trabajo de unos 5,900 vatios.Está enfriado por aire y cabe en un rack normal; por lo tanto, puede ser instalado en las estaciones de datos antiguas que utilizan racks de 15–30 kW y enfriamiento por aire. Estos racks no pueden utilizar sistemas Blackwell o Rubin con enfriamiento por líquido, sin necesidad de reemplazo del equipo. Ese es un cliente real. Positron está implementando esto.Más de 50 racks de Atlas en Oracle CloudPara la inferencia de tipo “mixto de expertos”, su director ejecutivo ha descrito el proceso como…Decenas de millones de dólares, conJump Trading como cliente-invertidor.

Ahora, la parte de la apuesta que aún no ha sido entregada. El chip eficiente que utilicé para hacer que la historia funcione pertenece a Atlas; está en proceso de envío. La razón por la cual Positron necesitó 875 millones de dólares es debido al chip de segunda generación de Asimov: un componente fabricado por TSMC, destinado a…Lanzamiento a finales de este año y producción en la segunda mitad de 2027.con el objetivo declarado deCinco veces más tokens por watt en el Nvidia Rubin, y más de dos terabytes de memoria conectada directamente por acelerador, en comparación con los 384 gigabytes del Rubin.Cinco veces es un objetivo establecido en el plan de acción, no un resultado real; no se ha alcanzado ningún indicador financiero.

Ese espacio entre la solicitud y la entrega es la disciplina que esta historia necesita. A finales de 2025, Positron ya había…Aproximadamente $5.4 millones en ingresos.El director ejecutivo de la empresa describe las ambiciones de manera moderada, diciendo que Positron sería “afortunado” si pudiera obtener un…Un décimo por ciento de ese mercado de ~50 mil millones de dólares en análisis de datos.Si se toma en consideración su valoración de 5 mil millones de dólares, se entiende que el precio pagado no corresponde a lo que la empresa ha vendido. En realidad, se paga por si es posible fabricar los productos según el rendimiento esperado. Ya hay problemas: la empresa…No se pudo obtener una asignación en la planta de TSMC en Arizona.– Apple y Nvidia tienen prioridad; por lo tanto, la producción inicial se realizará en Taiwán. No se espera que la fabricación en los Estados Unidos comience hasta el año 2028.

Nada de esto es un argumento para comprar o evitar a Nvidia por sí mismo. Es un argumento sobre hacia dónde se dirige la economía del ciclo de inferencia, y en eso, el líder y los competidores están en gran medida de acuerdo.Se dice que Nvidia ha considerado la posibilidad de reducir el uso de memoria en sus chips Rubin Ultra.En medio de la escasez de HBM, hay una señal de que incluso los líderes del mercado ven la inferencia como un problema relacionado con la memoria y el poder de procesamiento. Por lo tanto, están intentando hacer que sus componentes sean más eficientes en términos de memoria. Eso es, al mismo tiempo, una confirmación de que Positron busca superar esa limitación real, pero también representa la mayor amenaza para ellos: si la eficiencia en cuanto a memoria es el factor clave en la inferencia, entonces el líder del mercado, con su software y su escala de producción, también está dirigiéndose hacia ese camino.

Para un inversor, lo importante no es el nombre de la empresa en la lista de acciones; Positron es una empresa privada, y no algo que pueda ser poseído por cuentas de clientes comunes. Lo importante es el mecanismo que utiliza para funcionar. La barrera de memoria es la razón por la cual los costos de inferencia, el suministro de HBM y el consumo de energía han pasado a ser factores más importantes en el mercado de la inteligencia artificial, que los FLOPS. Por eso, quien logre convertir la menor cantidad de memoria y energía en un rendimiento más útil, será quien tenga éxito en este ciclo. Los 875 millones de dólares invertidos en Positron son una apuesta clara y coherente hacia esa dirección. Pero si realmente se logra obtener los 5 mil millones de dólares, eso es otra cuestión… Una cuestión que solo tendrá respuesta cuando las afirmaciones de Asimov sobre las cinco veces en las que puede generar ingresos se conviertan en realidad… o no.