Ricursive Intelligence cierra una Serie A de US$300 millones para que la IA diseñe chips
Ricursive Intelligence levantó una Serie A de US$300 millones liderada por Lightspeed Venture Partners que llevó su valuación a US$4.000 millones, con Nvidia participando a través de su brazo de capital de riesgo. La ronda llegó meses después de una semilla de US$35 millones liderada por Sequoia Capital.
El dato que importa para cualquier founder que hoy paga facturas de cómputo: TechCrunch reportó que la compañía reunió US$335 millones en cuatro meses desde su lanzamiento, a fines de 2025. Los inversores no compraron un producto terminado: compraron una tesis sobre el cuello de botella más caro de la industria.
¿Qué hace exactamente Ricursive Intelligence?
La startup desarrolla inteligencia artificial que diseña chips de forma autónoma: coloca componentes, verifica el diseño y aprende de cada iteración para mejorar la siguiente. El objetivo declarado es aliviar la escasez de capacidad de cómputo que enfrenta toda la industria de IA.
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 díasLa diferencia con el método tradicional está en el alcance de la optimización. Los equipos humanos suelen dividir un chip en decenas de bloques y optimizar cada uno por separado. Ricursive optimiza el chip completo de una sola vez, lo que le permite generar patrones que un ingeniero no imaginaría.
El ejemplo que citan las fundadoras viene de su etapa anterior: AlphaChip produjo un arreglo circular de componentes, con forma de rosquilla, que sorprendió a los ingenieros antes de demostrar que funcionaba mejor que el diseño convencional.
De AlphaChip a una startup de US$4.000 millones
Anna Goldie y Azalia Mirhoseini no llegaron a este problema desde cero. Antes de fundar Ricursive, codesarrollaron AlphaChip en Google DeepMind, un sistema capaz de generar diseños de chips en horas en lugar de los meses o años que demandan los equipos humanos. La tecnología se usó en el diseño de cuatro generaciones de las unidades de procesamiento tensorial (TPU) de Google y fue adoptada por empresas externas del sector de semiconductores.
Según TechCrunch, ambas fueron empleadas tempranas de Anthropic y científicas de investigación senior en Google DeepMind, y cofundaron el equipo ML for Systems de Google. Goldie, hoy CEO de Ricursive, tiene un doctorado en ciencias de la computación por Stanford y fue incluida en la lista 35 Innovators Under 35 de MIT Technology Review. Mirhoseini, CTO, es profesora asistente de ciencias de la computación en Stanford y fundó su Scaling Intelligence Lab.
Ese currículum explica por qué los inversores reaccionaron rápido. También explica por qué el equipo que armaron incluye investigadores e ingenieros que pasaron por Google DeepMind, Anthropic, Apple y Cadence.
¿Por qué el diseño de chips es el verdadero cuello de botella de la IA?
Goldie lo planteó con una cifra sobre el escenario de TechCrunch Disrupt: hay un entendimiento de que en los próximos cinco años la demanda de cómputo será al menos 10.000 veces mayor, y eso podría ser conservador.
Su argumento es que la respuesta no puede ser solo más infraestructura. Construir más centros de datos no cubre ese salto, dijo, y agregó que incluso construir centros de datos en el espacio no resolvería el problema de fondo. La apuesta es hacer chips más eficientes, que aprovechen mejor el ancho de banda de los centros de datos y las obleas de las fábricas.
El segundo argumento es económico. Diseñar un chip hoy puede tomar entre dos y tres años, según TechCrunch. Con esos tiempos, solo se justifica diseñar chips para mercados enormes. Goldie lo explicó así: si tardas seis meses, un año o dos en diseñar un chip, tienes que ser extremadamente selectivo; si puedes diseñarlo en una semana, puedes crear chips a medida para espacio, realidad aumentada y virtual o computación biológica.
¿Contra quién compite Ricursive Intelligence?
El terreno no está vacío. Synopsys y Cadence Design Systems ya aplican herramientas de IA al diseño electrónico automatizado, y son los jugadores dominantes del sector. Un informe de ResearchAndMarkets difundido por GlobeNewswire proyecta que el mercado de automatización de diseño electrónico con IA pase de US$4.270 millones en 2026 a US$15.850 millones en 2032, con una tasa de crecimiento anual compuesta de 24,4%, y ubica a Synopsys, Cadence, Siemens y Zuken entre los principales actores.
La diferencia que Ricursive intenta construir es un ciclo cerrado entre IA y hardware: chips más avanzados permiten entrenar modelos más capaces, que a su vez diseñan mejores procesadores. Para Goldie, los ingenieros deberían aportar las ideas y dejar la ejecución a la inteligencia artificial.
Hay que ser claros con lo que todavía no existe: la compañía no informó nuevos contratos con fabricantes ni fechas para llevar sus diseños a producción masiva. Antes de fabricarse en plantas como las de TSMC o Samsung, los diseños deben superar verificaciones físicas rigurosas. La ronda es una apuesta a varios años, no un producto listo para comprar.
¿Qué significa esto para tu startup?
Tres lecturas concretas para founders:
- Si tu producto depende de cómputo, deja de tratar el costo de inferencia como un supuesto fijo. La tesis de Ricursive es que la eficiencia del hardware se va a mover rápido. Modela escenarios donde el costo por token cae y otros donde no: tu estructura de precios debería sobrevivir a ambos.
- Revisa tu dependencia de un solo proveedor de cómputo. Cuando la capacidad es escasa, el poder de negociación está del lado del proveedor. Documenta cuánto de tu margen depende de una única fuente y qué alternativas tienes antes de que la renovación de contrato te obligue a decidir con prisa.
- Si construyes hardware o deep tech desde LATAM o España, el ciclo de diseño es tu variable más cara. Los tiempos de dos a tres años que describe TechCrunch son el motivo por el que muchos proyectos no llegan a producción. Cualquier herramienta que comprima ese ciclo cambia el cálculo de viabilidad, y vale la pena seguir su disponibilidad comercial.
Conclusión
Ricursive Intelligence no vendió un chip: vendió la promesa de comprimir el ciclo que hoy limita cuánta IA se puede entrenar. Con US$335 millones levantados en cuatro meses, Nvidia en la mesa y un equipo que ya probó la tecnología en las TPU de Google, tiene los recursos para intentarlo.
El riesgo está en el tramo que falta. Pasar de un diseño generado por IA a un chip fabricado y verificado en una planta de TSMC o Samsung es un proceso que la compañía todavía no recorrió públicamente. Para los founders, la señal útil no es la valuación: es que el cuello de botella de la IA se está moviendo del software al silicio, y quien dependa de cómputo debería estar mirando ese movimiento.
Fuentes
- Infobae: Startup de exGoogle recaudó 300 millones de dólares para que la IA diseñe chips (fuente original)
- TechCrunch: Ricursive Intelligence's Anna Goldie and Azalia Mirhoseini on when AI starts designing its own hardware
- Yahoo Finance / GlobeNewswire: AI EDA Market to Reach USD 15.85 Billion by 2032
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días
