Multiverse Computing: unicornio español que comprime la IA

Multiverse Computing convierte una idea cuántica en el atajo para esquivar la crisis de la memoria

Multiverse Computing, la startup vasca nacida en Donostia en 2019, cerró el 27 de julio de 2026 una Serie C de US$570M (€500M) con una valoración pre-money de US$1.700M, según el comunicado oficial recogido por Business Insider. El salto fue de 5x respecto a su Serie B de junio de 2025 y la convirtió en el unicornio español más reciente, con más de 300 empleados en plantilla y clientes como Allianz, Bosch, Iberdrola, PwC y Telefónica. Lo que la hace distinta a cualquier otra scale-up europea de IA no es el tamaño del modelo que entrena, sino todo lo contrario: su tecnología CompactifAI reduce modelos de lenguaje (LLM, Large Language Models) entre un 50% y un 95% manteniendo una pérdida de precisión mínima.

Para un founder hispanohablante esto importa más que la propia cifra: en un mercado donde los proveedores de nube cobran por token y la memoria DDR5/HBM dispara los costes de servidor, la pregunta ya no es «qué modelo uso», sino «cómo lo ejecuto sin quebrar».

Cómo CompactifAI encoge un LLM sin romperlo

La técnica nace de las redes tensoriales, un marco matemático importado de la física cuántica por el cofundador y director científico, Dr. Román Orús. La idea, explicada por Víctor Gaspar (director comercial) en la entrevista con RTVE, es identificar qué información dentro de la red neuronal es redundante y eliminarla, igual que una videoconferencia reduce calidad cuando el ancho de banda cae, pero sin que el espectador pierda el hilo de la conversación.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La cifra concreta: CompactifAI puede comprimir el modelo a la mitad como mínimo y, según el comunicado de la compañía recogido por SiliconANGLE, alcanzar ratios de 80% a 95% de reducción con una pérdida de accuracy «inmaterial». En bancos de pruebas recientes publicados por Yahoo Finance sobre una CPU Intel Xeon 6 6737P, la versión comprimida del Llama 3.3 70B pasó de 130 GB a 65 GB en disco y mejoró el rendimiento un 93,6% en throughput de salida y un 94,1% en throughput total de tokens, con una reducción de latencia del 48,6% a un usuario concurrente.

En plata: si para correr tu modelo necesitas hoy ocho GPUs, con la compresión podrías hacer el doble de trabajo en la misma máquina, o mover el mismo modelo a una CPU convencional sin comprar hardware nuevo.

La ronda que reordenó el mapa de la IA europea

La Serie C de US$570M la co-lideran Forgepoint Capital International, BNPP Solar Impulse Venture Fund y Bullhound Capital, con compromisos adicionales de Santander Alternative Investments, Tikehau Capital, HP Inc., Orange Ventures, Scania Invest, NAventures, Qatar Development Bank, Zouk Capital, SETT (Sociedad Española para la Transformación Tecnológica), el fondo EIC de la Comisión Europea, el fondo Hazten Scale-Up del Gobierno Vasco y Kutxa Fundazioa. La operación fue asesorada por JP Morgan y Santander CIB y elevará el funding total acumulado por encima de US$800M.

La tesis de los inversores, según recoge Business Insider, es doble: IA en el edge (fabricantes de dispositivos que llevan IA a smartphones, coches y PC sin pasar por la nube) y soberanía tecnológica (gigafactorías que hacen el doble de trabajo con la mitad de energía). No es casualidad que Per Roman, socio fundador de Bullhound, haya definido a Multiverse como «la respuesta a quien dice que Europa no puede competir en la frontera de la IA».

En términos de tracción, la compañía afirma haber multiplicado su facturación anualizada por más de 10x desde la Serie B y haber registrado un crecimiento interanual de 96x en ventas en el primer trimestre de 2026.

Por qué Qualcomm, Intel y otros gigantes han llamado a su puerta

El propio Gaspar lo explica en RTVE: la explosión de la IA generativa pilló a casi todos los fabricantes de chips a contrapié. Nvidia domina GPUs para IA; Qualcomm, Intel, AMD y Huawei necesitan optimizar modelos para su hardware y competir así en un mercado donde, según RTVE, están «unos años por detrás» en diseño y comercialización.

Para esos actores, una capa de software que reduzca el modelo y lo adapte a su silicio es la diferencia entre vender chips o quedar como供应商 de segunda fila. De ahí el acuerdo técnico ya verificado con Intel (todos los modelos CompactifAI corren sobre Intel Xeon 6 con AMX) y el interés público de Qualcomm, que ve en la compresión el camino para llevar LLMs a móviles sin dispararse en consumo de memoria.

El caso del coche que detecta peatones: cuando la compresión salva vidas

Uno de los clientes del sector automoción usa visión por computador para detectar peatones en baja visibilidad combinando cámara visible e infrarroja. Gaspar lo explica así en RTVE: pasar de 15 a 30 imágenes por segundo puede parecer trivial para el ojo humano, pero a 100 km/h esa mitad de latencia adicional marca la diferencia entre frenar a tiempo o no. CompactifAI no se vende como «más barato»; se vende como un sastre que ajusta el equilibrio entre latencia, velocidad, precisión, memoria y capacidad de cómputo para cada caso de uso.

¿Qué significa esto para tu startup?

La eficiencia en IA ha dejado de ser una nota al pie y se ha convertido en una categoría de producto completa. Google presentó TurboQuant en marzo de 2026 con reducciones de memoria de 6x y mejoras de rendimiento de 8x, y Apple está evaluando la tecnología de PrismML (una spin-out de Caltech respaldada por Khosla Ventures, que cerró una semilla de US$16,25M también en marzo de 2026, según CNBC) para ejecutar un Qwen de 27B parámetros directamente en un iPhone. En menos de seis meses, la compresión de LLM ha pasado de truco de laboratorio a línea de producto estratégico para Apple, Intel, Qualcomm y HP.

Tres acciones concretas que puedes aplicar esta semana:

Audita el coste real por token de tu producto. Pregí a tu proveedor si podrías alojar el mismo modelo on-premise tras comprimirlo al 50%. Si facturas más de US$10K/mes en inferencia, esta conversación se paga sola.
Piensa en edge antes de pensar en GPU. Si tu caso de uso es visión por computador, detección de fraude en tiempo real o asistentes en dispositivos sin conexión, evalúa modelos comprimidos antes de firmar un contrato de hyperscaler a tres años.
No confundas soberanía con proteccionismo. El ángulo SETT, Gobierno Vasco y EIC en la ronda de Multiverse muestra que en Europa el dinero público exige eficiencia energética y autonomía como requisitos, no como nice-to-have. Si tu pitch pide financiación europea, lleva números de kWh/token.

Multiverse no es solo un unicornio español más: es la prueba de que el próximo campo de batalla de la IA no será quién entrena el modelo más grande, sino quién lo ejecuta donde el cliente lo necesita.