MetAI: la startup taiwanesa que acelera fábricas de chips

MetAI: de una mención de Jensen Huang a clientes como TSMC y Micron

Construir el gemelo digital de una fábrica de semiconductores suele consumir miles de horas de trabajo de ingeniería. El software MetGen, de la taiwanesa MetAI, asegura que puede generarlo en menos de cinco minutos. Esa brecha es la razón por la que TSMC y Micron Technology, dos de los mayores fabricantes de chips del mundo, ya figuran entre sus clientes.

Para un founder B2B, la historia de MetAI importa menos por la tecnología y más por el camino comercial: cómo una startup de cuatro años se cuela en cuentas enterprise casi imposibles apoyándose en el ecosistema de un proveedor de infraestructura.

¿Cómo pasó MetAI de ser desconocida a trabajar con TSMC?

Daniel Yu, cofundador y CEO de MetAI, estaba entre el público cuando Jensen Huang, CEO de Nvidia, mostró la tecnología de su empresa en la feria Computex en Taipéi, en mayo de 2025. Su reacción fue menos eufórica de lo que se podría esperar: «El reconocimiento público es una cosa. La ejecución comercial es otra», dijo Yu en una entrevista en video desde su casa en Taipéi. «Fue una mezcla de entusiasmo y un recordatorio de que aún nos queda mucho trabajo por hacer».

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

La secuencia que llevó a MetAI hasta ahí es replicable. La empresa nació en 2023 de una conversación entre Yu y Renton Hsu, científico de datos e ingeniero 3D, con la tesis de que los modelos de IA de propósito general no tenían el conocimiento sectorial que exigen los procesos industriales complejos. Dave Liu se sumó como cofundador un año después, como presidente y director de operaciones.

Su primer proyecto salió de un programa acelerador liderado por Wistron, donde generaron datos sintéticos para entrenar modelos de detección de defectos en líneas de placas de circuitos impresos. Después entraron al programa de startups Inception de Nvidia en 2023, y ahí cambió todo: Nvidia la recomendó a Kenmec, que la contrató para gemelos digitales de almacenes inteligentes. Un año más tarde, el propio Nvidia la conectó con TSMC, que buscaba soporte tecnológico para su expansión en Estados Unidos. El equipo viajó a Arizona, presentó su tecnología y cerró al cliente.

El costo de esa venta fue alto en tiempo: MetAI dedicó tres meses a validar sus algoritmos a pedido de TSMC. Yu lo describe como una inversión, no como un desvío.

¿Qué hace MetGen y por qué las fábricas lo necesitan?

MetGen convierte grandes volúmenes de planos y especificaciones de equipos en gemelos digitales que reproducen el diseño hasta el último detalle. El software es compatible con la plataforma Omniverse de Nvidia, lo que permite que esas fábricas virtuales se vean y funcionen como sus contrapartes físicas.

El valor no está solo en el diseño. Estos entornos sirven como campo de entrenamiento simulado para los modelos de IA que mueven robots inteligentes: las tareas se ensayan bajo distintas condiciones operativas antes de ejecutarse en máquinas reales.

Las cifras del sector explican la urgencia. Según la fuente, construir una fábrica de chips puede superar fácilmente los US$20.000 millones y tomar al menos 19 meses desde el diseño hasta la finalización. Un retraso de un año en la construcción puede traducirse en hasta US$8.000 millones en pérdidas de ingresos para los fabricantes, que con frecuencia ven cómo sus proyectos se demoran.

Sarah Lee, directora sénior de investigación de estrategias de TI para la fabricación en IDC, explica por qué los gemelos digitales encajan tan bien aquí: son entornos altamente instrumentados, donde el costo del tiempo de inactividad, la ineficiencia o los cambios de diseño puede ser significativo.

El mercado detrás: US$1,5 billones en fábricas y US$5 billones en centros de datos

La consultora PwC estimó que los fabricantes de semiconductores de todo el mundo planean invertir más de US$1,5 billones en la construcción de nuevas fábricas entre 2024 y 2030. Buena parte de ese dinero va a Estados Unidos, donde TSMC comprometió US$265.000 millones para su expansión en Arizona, usando el software de MetAI en sus plantas de ese estado, según Yu, que no dio más detalles por confidencialidad con el cliente.

El historial reciente muestra por qué la promesa de acelerar plazos vende sola. El CEO de TSMC, CC Wei, atribuyó el avance más lento de lo esperado en su proyecto de Arizona a requisitos complejos de cumplimiento y permisos, además de escasez de mano de obra. Micron también retrasó entre dos y tres años el cronograma de construcción de dos fábricas en Clay, en el norte del estado de Nueva York, en parte por problemas de personal.

En junio, MetAI sumó a Micron Technology a su cartera para generar diseños 3D de sus fábricas, mientras el mayor fabricante estadounidense de chips de memoria por ingresos expande su capacidad de producción a nivel global.

De fábricas de chips a centros de datos de IA: dónde está el escalado

Yu es explícito sobre la lógica de mercado: «Las fábricas de semiconductores son nuestro mercado de aprendizaje debido a su extrema complejidad. Pero como no hay tantos fabricantes de chips a nivel mundial, los centros de datos de IA son donde podemos escalar».

El tamaño de esa oportunidad lo respalda. Según estimaciones de PwC en un informe de septiembre, la inversión global en centros de datos de IA alcanzaría los US$5 billones para 2030, con América concentrando más de la mitad del gasto total. La fuente añade que esa cifra podría llegar a los US$32 billones a mediados de siglo.

El primer contrato en ese frente ya está firmado: Cooler Master, proveedor de sistemas de refrigeración líquida para Nvidia con sede en Taipéi, usa el software de MetAI para generar gemelos digitales de sistemas de refrigeración destinados a dos empresas de computación en la nube. Su CEO, Thomas Chen, reconoce que los proyectos son demasiado recientes para cuantificar el ahorro, pero asegura que ya redujeron el tiempo de revisión de diseños: en lugar de redibujar tuberías y reubicar equipos cada vez que un cliente cambia los requisitos, los ingenieros ajustan parámetros y obtienen una nueva distribución en poco tiempo.

El negocio hoy se concentra en las fundiciones: el 70 % de las ventas de MetAI proviene de contratos con fabricantes de semiconductores, y el resto de una combinación de proveedores de centros de datos y clientes de almacenamiento. La empresa cobra por proyecto, dice estar en camino al punto de equilibrio en diciembre y proyecta un crecimiento de ingresos de entre 500 % y 600 % interanual en 2027.

¿Quién compite en el mercado de gemelos digitales industriales?

La simulación industrial no es nueva. Siemens y Dassault Systèmes llevan años entre los líderes del segmento. Yu sostiene que MetAI no compite con ellas: sus plataformas funcionan como motores subyacentes que se encargan del renderizado de entornos 3D y la simulación física, mientras que el trabajo pesado de identificar objetos, asignarles propiedades físicas y programar escenarios de fallo queda del lado del cliente. La diferencia, según Yu, es que MetAI etiqueta esos datos automáticamente y entrega un archivo listo para cargar en Omniverse.

El terreno se está moviendo rápido. Según reportó unite.ai, Nvidia presentó el 14 de octubre de 2026 cuPotential, una nueva librería de CUDA-X para simular interacciones atómicas y moleculares, y detalló la adopción de sus librerías CUDA-X en diseño, fabricación y testeo de chips por parte de Synopsys, Cadence, Siemens, Lam Research, KLA y Applied Materials. El medio señala que Nvidia describe las «fábricas definidas por IA» como plantas donde la IA ayuda a optimizar procesos y resolver problemas de producción, y que Applied Materials usa Omniverse junto a librerías CUDA-X para habilitar gemelos digitales de fábrica que optimizan layouts y flujo de materiales.

Ese contexto tiene una lectura incómoda para MetAI: cuanto más empuja Nvidia a sus grandes socios hacia los gemelos digitales de fábrica, más se llena el espacio que la startup taiwanesa quiere ocupar sola.

¿Qué significa esto para tu startup?

La historia de MetAI deja tres jugadas concretas para cualquier founder B2B, incluso fuera del hardware:

Vende a través del ecosistema de tu proveedor de infraestructura. MetAI no llegó a TSMC con un equipo de ventas: entró a Inception de Nvidia, cumplió en un proyecto pequeño con Kenmec y fue el propio Nvidia quien la conectó con la cuenta grande. Si tu producto corre sobre la plataforma de otro, ese programa de partners es tu canal, no un logo en la web. Prioriza entrar y entregar resultados medibles en el primer cliente referido.
Elige un mercado de aprendizaje hipercomplejo y luego escala a uno más grande. Yu usa las fundiciones como campo de entrenamiento porque son el entorno más exigente, y reserva los centros de datos para crecer. Aplica la misma lógica: valida en el vertical donde el estándar es más alto, aunque el mercado sea chico, y guarda el segmento masivo para cuando el producto ya esté endurecido.
Presupuesta el costo de validación enterprise. MetAI dedicó tres meses a validar algoritmos para TSMC sin garantía de contrato. Ese trabajo no facturado es el precio de entrada a una cuenta grande, y hay que meterlo en el runway antes de firmar, no después.
Mide clientes faro, no cantidad de clientes. Yu admite que puede contar sus clientes con los dedos de las manos y que la prioridad son las cuentas que le permiten perfeccionar el software. En B2B profundo, diez clientes que exigen y pagan valen más que cien que solo usan la versión básica.

Conclusión

MetAI está recaudando US$25 millones en una ronda Serie A con valoración aún no revelada, que espera cerrar antes de fin de año y que ya cuenta con Cooler Master entre los inversores. La ronda llega después de una inversión inicial de US$4 millones en enero de 2025, que según la fuente fue la primera de Nvidia en una startup taiwanesa, con Kenmec Mechanical Engineering, Solomon Technology y SparkLabs Taiwan entre los inversores locales.

Edgar Chiu, cofundador y socio gerente de SparkLabs Taiwan, resume por qué la empresa se ganó ese lugar: destaca su capacidad de crear rápidamente gemelos digitales que incorporan los requisitos técnicos específicos de cada cliente, incluidas las normas de espaciado de equipos en las fábricas de semiconductores. «Realmente no vimos a otros actores que pudieran acercarse tanto a satisfacer las necesidades de los clientes», dice.

El plan declarado es abrir una oficina de ventas en Estados Unidos a principios del próximo año, mantener la I+D en Taiwán, completar un prototipo estandarizado para clientes seleccionados en el cuarto trimestre y lanzar una versión para centros de datos de IA a principios de 2027. La lección para el resto del ecosistema es que la especialización vertical extrema, combinada con el respaldo de un gigante de infraestructura, sigue siendo una de las rutas más cortas para que una startup pequeña entre en cuentas que parecen inalcanzables.