Multiverse: ¿Amazon de la IA o Pets.com 2.0?

El caso Multiverse: ronda récord, tecnología singular y una pregunta incómoda

La startup donostiarra Multiverse Computing anunció el 27 de julio de 2026 una Serie C de hasta US$570 millones (€500M) a una valoración pre-money de US$1.700 millones (€1.500M), cinco veces por encima de su Serie B según el comunicado recogido por Business Insider. Si la ronda cierra al tope, el capital total acumulado por la compañía desde 2019 rondará US$800 millones, una cifra excepcional incluso por estándares europeos. La operación está codirigida por Forgepoint Capital International, BNPP Solar Impulse Venture Fund y Bullhound Capital, con la asesoría de JP Morgan y Santander CIB, y suma a inversores como HP Inc., Santander Alternative Investments, Orange Ventures, Scania Invest, NAventures, Tikehau Capital, Qatar Development Bank, Zouk Capital, SETT, el EIC Fund, el Gobierno Vasco (vía Hazten Scale-Up Fund) y Kutxa Fundazioa.

Ese aluvión de capital responde a un solo producto, CompactifAI, una tecnología que aplica redes tensoriales —una herramienta matemática importada de la física cuántica— para comprimir modelos de lenguaje entre un 80% y un 95% con pérdida de calidad "inmaterial" según Multiverse. La promesa es directa: ejecutar IA potente en dispositivos donde hoy no llega o donde hacerlo en la nube es demasiado caro, lento o está bloqueado por regulación.

El contexto importa. Como apunta el análisis publicado por Gananzia, la pregunta ya no es si existe burbuja en la IA —la mayoría de los analistas coincide en que sí— sino qué empresas sobrevivirán cuando se desinfle. Y esa misma pregunta es la que separa, en toda burbuja, al Amazon del Pets.com.

🤖 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

¿Qué hace CompactifAI exactamente y por qué importa a tu startup?

Según el comunicado oficial y el artículo de SiliconAngle, CompactifAI descompone las matrices de pesos de un modelo de IA en redes de tensores más pequeños, eliminando redundancias algebraicas en lugar de adivinar qué partes se pueden recortar. En su demostración más reciente, Multiverse ejecutó una versión comprimida de Llama 3.3 70B sobre un procesador Intel Xeon 6 convencional, reduciendo el tamaño en disco de 130 GB a 65 GB y eliminando la necesidad de una GPU dedicada.

Ese resultado ataca el problema estructural del gasto en IA. MarketsandMarkets estima que el mercado global de inferencia —el coste recurrente de ejecutar un modelo en producción— alcanzará US$254.980 millones en 2030, con un CAGR del 19,2%. TechTimes cifra el gasto medio empresarial en IA en US$7 millones anuales en 2026, frente a US$1,2 millones en 2024, y sitúa entre el 55% y el 80% de esa factura en inferencia y no en entrenamiento.

Para una startup SaaS, eso significa que cada vez más producto se factura por consulta al modelo, no por suscripción estática. Cualquier vía para reducir ese coste recurrente cambia unit economics directamente.

La tesis Amazon: por qué la compresión sí podría sostener un negocio enorme

La comparación del análisis de Gananzia es precisa: Amazon no ganó la burbuja puntocom por vender libros, sino por construir infraestructura replicable (almacenes, logística, marca) alrededor de un problema real. Multiverse está intentando hacer algo similar pero a nivel de software: si comprimir un modelo es a un proyecto de IA lo que la logística fue a una librería online, entonces el valor no está en la compresión única sino en la gestión permanente de qué modelo corre cada tarea y dónde.

El movimiento estratégico lo confirma. Multiverse ya no vende CompactifAI como un compresor aislado: lo está montando como plataforma con tres piezas según el comunicado oficial:

CompactifAI Router: decide en tiempo real si una carga se ejecuta en local o en la nube.
Capa de software para AI factories: combina compresión, orquestación de GPU, servicios de IA y controles de soberanía de datos.
Biblioteca de modelos comprimidos: optimizados para nube, on-premises y dispositivo.

Si esa arquitectura se convierte en el "sistema operativo" de la eficiencia en IA —como la denominó Damien Henault, de Forgepoint— el negocio deja de depender de cada modelo individual y pasa a medirse por millones de dispositivos activos. La propia Multiverse asegura que sus modelos están desplegados en millones de dispositivos (drones, cámaras, satélites, vehículos, infraestructura de telecomunicaciones) y trabaja con clientes como Allianz, Bank of Canada, Bosch, Iberdrola, Indra, PwC y Telefónica.

Además, la tesis se refuerza en un mercado que crece: según el análisis de Gananzia, aunque los modelos base se vuelvan más eficientes por sí mismos, el crecimiento explosivo del consumo total de IA puede más que compensar esa eficiencia nativa —como ocurrió con los procesadores, donde cada operación gasta mucho menos pero se hacen infinitamente más.

La tesis Pets.com: los riesgos reales del modelo

El reverso también está en el análisis original y se debe nombrar sin maquillaje:

1. La compresión podría dejar de ser una empresa y convertirse en una funcionalidad. Existen técnicas alternativas —cuantización, pruning, distillation— y los fabricantes de chips (Intel, Qualcomm) ya ofrecen herramientas propias como Neural Compressor y AIMET, aunque atadas a su propio silicio. TechTimes documenta la aparición de Ora Computing (Viena, ronda semilla de €3,5 millones en junio de 2026, respaldada por Constructor Capital y Greencode Ventures), una competidora directa que también aplica redes tensoriales y presume de comprimir un modelo de 70B parámetros por menos de US$1.000.

2. La vida útil de una optimización puede ser muy corta. Si pagas por comprimir un modelo y en pocos meses aparece otro más pequeño de origen, la inversión pierde valor. La velocidad de obsolescencia en IA es mayor que en cualquier otro sector.

3. La valoración exige un crecimiento casi perfecto. Multiverse asegura haber multiplicado por más de 10x sus ingresos anualizados desde la Serie B (junio de 2025) y haber crecido 96 veces año contra año en ventas del primer trimestre de 2026, pero no ha publicado cifras absolutas verificables. The Next Web recoge que esos datos son autoreportados y no auditados.

4. Una buena empresa puede ser una mala inversión si se paga de más. Amazon sobrevivió, pero quien compró en máximos de 1999 tardó más de una década en ver números verdes.

¿Qué tiene que demostrar Multiverse en los próximos 12-24 meses?

Los indicadores relevantes, según el análisis de Gananzia, no son las rondas sino:

Ingresos recurrentes verificables, no solo crecimiento multiplicado desde una base baja.
Retención post-piloto: cuántos clientes pagan después de las primeras pruebas.
Ventaja técnica sostenida: que el ritmo de abaratar modelos supere al ritmo al que los propios modelos se abaratan solos.

¿Qué significa esto para tu startup?

La historia de Multiverse no es solo para inversores. Tres señales prácticas para founders:

Audita tu coste de inferencia hoy, no mañana. Si facturas US$X por usuario y dentro de ese coste la inferencia pesa más del 30%, cualquier negociación con proveedores de compresión, chips o servicios de inferencia tiene impacto directo en márgenes.
El edge ya no es opcional. Ejecutar modelo en dispositivo (móvil, sensor, dron, equipo industrial) abre casos donde la latencia, el coste o la regulación hacen inviable la nube. Si tu producto toca datos sensibles, manufactura, salud o defensa, la compresión deja de ser feature y pasa a ser requisito.
Cuidado con el vendor lock-in de herramientas de optimización atadas a un chip. Como señala TechTimes, Neural Compressor viaja en Intel, AIMET en Qualcomm. Las alternativas hardware-agnósticas (tensor networks, cuantización abierta) son más caras de implementar pero más portables cuando cambias de proveedor cloud.

Al final, la pregunta Amazon-o-Pets.com no se responde con la tecnología, sino con qué porcentaje de tu cliente sigue pagando dentro de dos años. Multiverse acaba de levantar para averiguarlo.