Una Serie A de US$1.000 millones para una empresa sin producto
Flapping Airplanes recaudó US$1.000 millones en una ronda Serie A co-liderada por Index y Lux Capital, con una valuación reportada de US$6.000 millones, según Bloomberg. Lo llamativo no es el monto: es que la empresa tiene cerca de un año de vida y todavía no ha lanzado un producto comercial, de acuerdo con SiliconANGLE.
Para cualquier founder que construye con IA, la señal es incómoda y valiosa a la vez. El capital institucional no está premiando otra capa de aplicación sobre modelos existentes, sino la posibilidad de abaratar la base sobre la que todos los demás construyen: el cómputo y los datos. Si esa apuesta madura, cambia el costo de entrada de toda la cadena.
¿Cuánto creció la valuación en nueve meses?
La comparación con su propia historia es el dato más elocuente. En enero, la compañía cerró una ronda semilla de US$180 millones con una valuación de US$1.500 millones, con Sequoia, GV e Index en la mesa. Nueve meses después, la valuación se multiplicó por cuatro.
Antes de levantar capital, que el negocio sea rentable
Un inversionista mira primero si el negocio vende y deja margen. En CAR trabajamos eso con otros dueños de empresa, y en 7 días tienes tu primer sistema funcionando. Si ya estás listo para mostrarlo, en VIP presentas tu pitch a inversionistas.
👥 Probar 7 díasSegún el conteo de Bloomberg citado por SiliconANGLE, los inversores han puesto US$1.180 millones en la empresa en total. A la ronda se sumaron Kleiner Perkins, Valor Equity Partners, Atreides Management, Jump Trading Group, XTX Ventures y Nvidia. Mark Xu, de Index, se incorpora al consejo.
La presencia de Nvidia en la lista no es un detalle decorativo. Es el fabricante dominante de las GPUs sobre las que corre casi todo el entrenamiento de modelos, y su participación funciona como una validación técnica: alguien que conoce el rendimiento real del hardware está apostando a que el enfoque del equipo exprime mejor esos chips.
¿Qué es un meganúcleo y por qué importa?
Un meganúcleo (o megakernel) es una forma de ejecutar un programa completo en una GPU como un solo núcleo, de modo que el chip deja de perder tiempo en las transiciones entre pasos. Así lo describe la propia Index en su publicación sobre la ronda, recogida por SiliconANGLE.
El equipo de Flapping Airplanes sostiene que su marco puede ejecutar un ciclo completo de entrenamiento, servir inferencia y hasta correr un videojuego al mismo tiempo dentro de un mismo núcleo. La consecuencia técnica es la que importa: la inferencia, que está limitada por el acceso a memoria, puede solaparse con el entrenamiento, que está limitado por cómputo. El resultado es una GPU menos tiempo ociosa.
La compañía dedicó buena parte de su primer año a construir nuevas primitivas para GPUs. En su anuncio, afirma que ese trabajo habilita algoritmos que podrían "reformar drásticamente la estructura de costos de la IA", según recoge SiliconANGLE.
¿Por qué la eficiencia de datos es el argumento de la ronda?
La promesa central es que los modelos resultantes necesiten menos datos para alcanzar un rendimiento comparable. Asher Spector, cofundador, lo resumió así ante TechCrunch: "Un modelo que sea un millón de veces más eficiente en datos es probablemente un millón de veces más fácil de poner en la economía".
La frase es ambiciosa y conviene leerla como lo que es: una hipótesis de investigación, no un resultado publicado. Pero apunta a un cuello de botella que cualquier equipo de datos conoce. El costo y la escasez de datos de calidad son hoy uno de los límites reales para escalar sistemas de IA en la empresa, y el gasto en cómputo crece más rápido de lo que crecen los presupuestos.
Xu y Shardul Shah, ambos de Index, argumentaron que la demanda de IA seguirá superando la oferta de cómputo y datos. Señalaron robótica, trading y ciencias de la vida como los mercados que más necesitan modelos eficientes, según SiliconANGLE.
¿Quiénes están detrás de Flapping Airplanes?
El equipo fundador combina credenciales académicas y de industria poco habituales para una empresa de un año:
- Ben Spector, CEO, empezó el acelerador estudiantil Prod mientras estaba en MIT y hoy es doctorando en ciencias de la computación en Stanford. En 2024 fue autor principal de ThunderKittens, un toolkit de código abierto para escribir kernels de GPU rápidos.
- Asher Spector, su hermano, tiene un doctorado en estadística por Stanford.
- Aidan Smith fue Thiel Fellow y trabajó en Neuralink durante sus estudios.
Index describe un equipo de "un par de docenas" de personas trabajando presencialmente en San Francisco. Es una estructura pequeña para una valuación de US$6.000 millones, y eso también explica el riesgo: la tesis se sostiene sobre la calidad de un equipo muy concentrado, no sobre ingresos.
¿Qué significa esto para tu startup?
La tentación inmediata es leer esta nota como una historia de financiamiento espectacular y seguir con el día. El valor real está en tres lecturas más útiles.
Primero: la eficiencia de cómputo es una ventaja competitiva, no un tema de infraestructura. Si el costo por inferencia baja de forma sostenida en la industria, los márgenes de tu producto cambian. Un SaaS que hoy necesita un modelo grande para una tarea simple puede volverse viable con un modelo más chico y bien ajustado. Revisa qué parte de tu costo variable es cómputo y qué palanca tienes sobre ella.
Segundo: mide la utilización de tus GPUs antes de comprar más. La tesis del meganúcleo ataca el tiempo muerto del chip entre operaciones. No necesitas reescribir kernels para aplicar la lógica: separa tus cargas limitadas por memoria de las limitadas por cómputo y pregúntate si están compitiendo por el mismo recurso cuando podrían solaparse. Muchos equipos descubren que el problema no es falta de capacidad, sino mala programación de trabajos.
Tercero: tus datos propietarios valen más, no menos. Si la eficiencia en datos mejora, el costo de entrenar con menos volumen cae, pero el valor marginal de un dataset curado, limpio y específico de tu industria sube. Un conjunto de datos pequeño y bien etiquetado deja de ser un consuelo y pasa a ser un activo entrenable. Documenta y ordena lo que ya tienes.
Y una advertencia de calendario: Flapping Airplanes no tiene producto comercial. Trata esta ronda como lo que es, una apuesta de investigación con respaldo institucional, y no como una tecnología disponible para integrar mañana en tu roadmap.
Conclusión
La Serie A de US$1.000 millones de Flapping Airplanes dice menos sobre una empresa de un año que sobre el momento de la industria: el capital está dispuesto a pagar primas altas por quien prometa bajar el costo de entrenar y desplegar modelos. Para un founder hispanohablante, la lección práctica no es perseguir esa valuación, sino entender que la eficiencia de cómputo y datos se está convirtiendo en la variable que define qué proyectos de IA son viables y cuáles se quedan en piloto.
Fuentes
- Noticias NEO: Startup de IA con un año de vida capta mil millones de dólares
- SiliconANGLE: Year-old AI research lab Flapping Airplanes raises $1B at a reported $6B valuation
Antes de levantar capital, que el negocio sea rentable
Un inversionista mira primero si el negocio vende y deja margen. En CAR trabajamos eso con otros dueños de empresa, y en 7 días tienes tu primer sistema funcionando. Si ya estás listo para mostrarlo, en VIP presentas tu pitch a inversionistas.
👥 Probar 7 días
