EnCharge AI, una startup de semiconductores que desarrolla chips de memoria analógica para aplicaciones de inteligencia artificial, ha recaudado más de 100 millones de dólares en una ronda de financiamiento Serie B liderada por Tiger Global. Este financiamiento es importante porque el interés en la inteligencia artificial está en su punto más alto, aunque el alto costo de construir y operar servicios de IA sigue siendo un problema. EnCharge, que se originó en la Universidad de Princeton, cree que sus chips de memoria analógica, que se integrarán en dispositivos como laptops, computadoras de escritorio, teléfonos móviles y dispositivos portátiles, no solo acelerarán el procesamiento de IA, sino que también ayudarán a reducir costos.
La empresa, ubicada en Santa Clara, afirma que sus aceleradores de IA utilizan 20 veces menos energía que otros chips del mercado y espera tener los primeros chips disponibles a finales de este año. La recaudación de fondos de EnCharge es notable porque ocurre en un momento en que el gobierno de EE. UU. ha identificado el hardware y la infraestructura, incluidos los chips, como áreas clave para impulsar la innovación y los productos nacionales. Si tiene éxito, EnCharge podría convertirse en una parte fundamental de esa estrategia.
Esta Serie B es una nueva ronda de financiamiento, como ha confirmado la empresa. Es importante mencionar que una parte de financiamiento que reportamos en diciembre de 2023 no formó parte de esta Serie B. En mayo pasado, Bloomberg informó que EnCharge quería recaudar al menos 70 millones de dólares más para expandir su negocio. En una entrevista, el CEO y cofundador de EnCharge, Naveen Verma, no reveló la valoración de la empresa. Sin embargo, la compañía aclaró que los datos de PitchBook que indican que EnCharge recaudó fondos en octubre a una valoración de 438 millones de dólares son incorrectos. Verma también se abstuvo de revelar quiénes son sus clientes, pero el financiamiento proviene de una lista interesante y extensa de inversores estratégicos y financieros que sugieren quiénes podrían estar trabajando con la startup.
Además de Tiger Global, otros inversores en esta ronda incluyen a Maverick Silicon, Capital TEN (de Taiwán), SIP Global Partners, Zero Infinity Partners, CTBC VC, la Universidad de Vanderbilt y Morgan Creek Digital, junto con inversores que ya habían participado como RTX Ventures, Anzu Partners, Scout Ventures, AlleyCorp, ACVC y S5V. Entre las corporaciones que invirtieron en esta ronda están Samsung Ventures y HH-CTBC, una asociación entre Hon Hai Technology Group (Foxconn) y CTBC VC. Anteriormente, el VentureTech Alliance también respaldó a EnCharge. Otros inversores incluyen a In-Q-Tel, que está respaldado por el gobierno y asociado con la CIA, RTX Ventures y Constellation Technology, un fabricante de energía limpia. La startup también ha recibido subvenciones de organizaciones estadounidenses como DARPA y el Departamento de Defensa.
Verma mencionó que EnCharge está trabajando en estrecha colaboración con TSMC, que será la empresa encargada de fabricar sus primeros chips. “TSMC ha estado siguiendo mi investigación durante muchos años”, dijo en una entrevista, añadiendo que esta colaboración comenzó en las primeras etapas de la I+D de EnCharge. “Nos han dado acceso a silicio muy avanzado. Eso es algo muy raro que ellos hagan”.
Con su enfoque en la tecnología analógica, EnCharge está adoptando un enfoque diferente al de sus competidores. Hasta ahora, la atención se ha centrado en los chips de procesamiento utilizados para el entrenamiento y la inferencia de IA en servidores, lo que ha llevado a un gran aumento en los negocios de fabricantes de GPU como Nvidia y AMD. La diferencia del enfoque de EnCharge se detalla en un reciente artículo sobre chips analógicos del equipo de investigación de IBM. Según los investigadores de IBM, no hay separación entre el cálculo y la memoria, lo que hace que estos procesadores sean excepcionalmente económicos en comparación con los diseños tradicionales.
IBM, al igual que EnCharge, concluye que, hasta ahora, las propiedades físicas de estos chips los hacen adecuados para la inferencia, pero menos efectivos para el entrenamiento. Los chips de EnCharge no se utilizan para aplicaciones de entrenamiento, sino para ejecutar modelos de IA existentes en “el borde”. Sin embargo, la startup y otras como IBM continúan trabajando en nuevos algoritmos que podrían ampliar los casos de uso.
EnCharge no es la única empresa que trabaja en enfoques analógicos. Sin embargo, como explica Verma, uno de los avances de EnCharge ha sido en el diseño de sus chips, haciéndolos resistentes al ruido. “Si tienes 100 mil millones de transistores en un chip, todos pueden tener ruido, y necesitas que todos funcionen, así que quieres tener esa separación de señales. Pero también estás dejando mucha eficiencia en la mesa porque no estás representando todas estas señales en intentos analógicos de hacerlo”, explicó Verma. “El gran avance que tuvimos fue descubrir cómo hacer que lo analógico no sea sensible al ruido”.
La empresa utiliza “un dispositivo muy preciso que obtienes gratis en la cadena de suministro estándar”, explicó, señalando que este dispositivo es un conjunto de cables metálicos dependientes de la geometría que “puedes controlar muy, muy bien”. Verma dice que la compañía es de “pila completa”: también ha desarrollado software alrededor de su hardware.
Es un punto a favor para EnCharge que Verma y sus cofundadores, la COO Echere Iroaga y el CTO Kailash Gopalakrishnan, quienes anteriormente trabajaron en la empresa de semiconductores Macom e IBM, respectivamente, aporten mucha experiencia. Sin embargo, aún queda por ver si esto será suficiente para mantener a EnCharge competitiva en un mercado extremadamente saturado. Otras startups en la carrera de chips analógicos incluyen a Mythic y Sagence.
“En Anzu hemos analizado probablemente más de 50 empresas en este espacio, al menos 50 entre 2017 y 2021, y probablemente más de 50 desde entonces”, dijo Jimmy Kan, un socio de inversión enfocado en semiconductores para Anzu Partners, quien anteriormente trabajó en chips en Qualcomm. “Una de cada cinco de esas empresas tenía algún tipo de nueva arquitectura novedosa, como chips de computación analógica o de redes neuronales espinosas. Realmente teníamos en mente encontrar una tecnología de computación de IA que fuera realmente diferenciada, en lugar de algo incremental, o algo que Nvidia podría desarrollar el próximo trimestre o el próximo año”, añadió. “Así que estamos realmente emocionados de ver el progreso que ha hecho EnCharge”.
El ascenso de EnCharge contrasta con cómo muchas startups de tecnología profunda se han desarrollado en los últimos años. Un efecto colateral del auge tecnológico de los últimos 25 años ha sido la abundante financiación de riesgo lista para respaldar startups que podrían ser el próximo Google, Microsoft, Apple, Meta o Amazon. Esto, a su vez, ha dado lugar a un número mucho mayor de startups en el mercado. Este grupo ha visto un aumento en los esfuerzos de tecnología profunda: fundadores inteligentes que recaudan dinero no para productos terminados, sino para ideas interesantes que aún no están listas para el mercado, pero que podrían ser un gran éxito si se llevan a cabo. La computación cuántica es un ejemplo clásico de una categoría de “tecnología profunda”.
EnCharge podría haber sido fácilmente una de esas empresas de tecnología profunda si hubiera surgido antes de Princeton y hubiera trabajado en silencio con financiamiento de riesgo y otros fondos para posiblemente construir la próxima innovación en chips. Pero la startup esperó años para aventurarse por su cuenta. Fue en 2022, casi una década después de que Verma y su equipo comenzaran su investigación en Princeton, que la empresa salió de su fase de sigilo y comenzó a trabajar en asegurar socios comerciales mientras continuaba desarrollando su tecnología.
“Hay ciertos tipos de innovaciones donde puedes saltar a la financiación de riesgo muy temprano. Pero si lo que estás haciendo es desarrollar una tecnología fundamentalmente nueva, hay muchos aspectos que deben entenderse para reducir el riesgo, ya que muchas de ellas fracasan”, dijo Verma. “El día que tomas financiamiento de riesgo, tu agenda cambia… Ya no se trata de entender la tecnología. Tienes que estar enfocado en el cliente”.
