Simplismart, startup india de IA, levanta US$14M con Nvidia

Simplismart: una Serie B de US$14 millones con Nvidia en la mesa

Nvidia invirtió en una startup cuyo negocio consiste, en parte, en que sus clientes necesiten menos GPU. Simplismart, con sede en Bengaluru, cerró una ronda Serie B de US$14 millones liderada por Dallas Venture Capital, con la participación del fabricante de chips, Accel, Shastra VC y Micromax. La operación, totalmente primaria, valora a la compañía en torno a US$100 millones incluida la nueva financiación.

Para un founder que hoy firma facturas de cómputo crecientes, la señal es concreta: el capital ya no se mueve solo hacia quien tiene más GPU, sino hacia quien logra que las GPU existentes rindan más. Ese es el negocio que Simplismart dice haber construido.

¿Qué hace Simplismart y por qué le importa a tu factura de cómputo?

La compañía no compra ni reserva capacidad de cómputo. Construye la capa de software que va entre los modelos de IA y la infraestructura donde corren, y ajusta cómo se despliegan y operan según lo que cada carga de trabajo necesita.

Su motor de inferencia modular permite configurar el equilibrio entre latencia, volumen de solicitudes, calidad y costo. Su plataforma de orquestación se encarga del despliegue y el escalado automático, tanto en la nube como en instalaciones propias del cliente. La empresa también ofrece herramientas para ajustar modelos y monitorear el rendimiento en producción.

Hay un segundo negocio dentro del mismo producto: proveedores de nube que quieren vender inferencia gestionada bajo su propia marca sin construir la pila de software desde cero. En India, Yotta usa la tecnología de Simplismart para sostener la capa de inferencia sin servidor de su plataforma Shakti Studio.

Los números: 14 veces más ingresos y hasta 57% menos costo

Simplismart afirma que su tasa de ingresos anualizados creció 14 veces en seis meses y llegó a una cifra de ocho dígitos. La propia compañía aclara que esa métrica se calcula sobre el uso reciente de los clientes, no sobre ingresos recurrentes contratados, y que excluye el dinero que transfiere a proveedores de infraestructura.

Los casos que la empresa hace públicos son más elocuentes que el titular de crecimiento:

• InVideo, plataforma de generación de video con IA, redujo 56% sus costos de servicio con GPU.
• Exotel, de comunicaciones para clientes, había encontrado inviable la economía de las APIs de modelos cerrados para sus agentes de voz. Entrenó un modelo abierto con sus propios datos y movió la inferencia a Simplismart: la compañía reporta una reducción de hasta 57% en el costo por minuto frente a esas APIs, por debajo incluso del autoalojamiento del mismo modelo, y tiempos de respuesta que bajaron de 1,1 segundos a menos de 300 milisegundos.
• Ema, de IA empresarial, buscaba unos 200 ms de latencia a 9 centavos por millón de tokens. La búsqueda de configuraciones de Simplismart encontró opciones de 5 centavos a 350 ms y de 12 centavos a 100 ms, y terminó entregando una configuración en producción de 7 centavos por millón de tokens a 180 ms.

Otros clientes que corren cargas productivas en la plataforma son HeyGen, Higgsfield, Shiprocket y Apna, según la compañía.

¿Por qué Nvidia invierte en software que reduce el uso de GPU?

La pregunta es legítima y la respuesta está en cómo se comporta el mercado. Nvidia no solo puso capital: según el cofundador y CEO Amritanshu Jain, trabaja con Simplismart en integraciones técnicas, incluidas algunas vinculadas a Dynamo, su software de inferencia, con ingenieros de la startup y arquitectos de soluciones del fabricante. La compañía también habría presentado a Simplismart ante posibles clientes y socios.

Para Nvidia, que una empresa pueda extraer más valor de cada GPU es parte de defender el ecosistema: si el costo por interacción no baja, los proyectos de IA se frenan y con ellos la demanda de cómputo. Para Simplismart, la relación con el fabricante es una puerta de entrada comercial difícil de replicar.

La letra chica: lo que se dijo y lo que no

Antes del anuncio, The Economic Times informó que Simplismart conversaba para levantar entre US$40 millones y US$50 millones con una valoración de entre US$300 millones y US$400 millones. Consultado sobre ese reporte, Jain declinó hacer comentarios y afirmó que la empresa no estaba recaudando activamente: la Serie B ya estaba cerrada y no se ampliaría.

La diferencia entre ese reporte y la ronda finalmente confirmada es una lección útil. Los rumores de fundraising circulan con cifras que no siempre se materializan, y el número que importa es el que aparece en el comunicado. Lo mismo aplica a las métricas de crecimiento: un ARR calculado sobre uso reciente no es lo mismo que ingresos recurrentes contratados, y confundir ambos es una de las formas más rápidas de perder credibilidad ante un inversor.

Un segmento cada vez más concurrido

Simplismart compite contra las herramientas propias de Nvidia y los servicios de inferencia de Amazon Web Services, Google Cloud y Microsoft Azure, además de un número creciente de startups que buscan acelerar la ejecución de modelos y bajar su costo.

Jain sostiene que su ventaja aparece cuando las empresas deben cumplir acuerdos de nivel de servicio exigentes y controlar el costo total de propiedad. Su argumento: mientras otros ofrecen opciones predefinidas para priorizar velocidad o ahorro, Simplismart busca el punto exacto que cada carga de trabajo necesita.

La compañía, fundada en 2022 por Jain y Devansh Ghatak —que se conocieron estudiando en BITS Pilani y trabajaron en Oracle y Google, respectivamente— tiene hoy 58 empleados. Planea usar el capital para crecer en Estados Unidos, ampliar el equipo y desarrollar su software, incluida una capa de programación dinámica de GPU que permita mover cargas entre regiones y husos horarios según la capacidad disponible.

Más de la mitad de sus ingresos ya proviene de Estados Unidos, aunque tiene más clientes en India.

¿Qué significa esto para tu startup?

Tres movimientos concretos, sin importar si tu producto es de IA o si solo la usa por dentro:

• Mide antes de comprar más GPU. Separa tu costo por interacción, tu latencia p95 y tu volumen de solicitudes por caso de uso. Sin esa línea base no puedes negociar con un proveedor ni saber si el problema es de hardware o de configuración.
• Define el SLA real, no el ideal. El caso de Ema muestra que el objetivo no es la latencia mínima, sino el punto que cumple el requisito al menor costo. Pedir siempre la opción más rápida suele ser la forma más cara de resolver un problema que no lo exigía.
• Prueba la capa de software antes de ampliar la flota. Si ya tienes GPU propias o reservadas, la optimización del despliegue puede entregar ahorros sin inversión adicional. Si eres proveedor de nube regional, ofrecer inferencia gestionada bajo tu marca es una línea de negocio que otros ya están abriendo.

Y si vendes desde LATAM o España hacia el mercado estadounidense, el patrón de Simplismart merece atención: base de clientes amplia en el mercado de origen y concentración de ingresos en Estados Unidos. Es una ruta replicable para startups con producto técnico y precios en dólares.

Conclusión

La ronda de US$14 millones de Simplismart no es una apuesta a más cómputo, sino a que el cómputo se use mejor. Que Nvidia haya entrado en esa tesis dice bastante sobre hacia dónde se mueve la economía de la IA: el cuello de botella se está corriendo del entrenamiento a la operación diaria de los modelos, y ahí el software que ajusta costo, latencia y confiabilidad vale tanto como el hardware.

Para un founder, la lectura práctica es simple: revisa tu factura de inferencia antes de tu próxima compra de GPU. Puede que el ahorro ya esté dentro de tu propia infraestructura.

Fuentes

• DiarioBitcoin (fuente original)
• Business Standard
• AiThority
• UA.News / TechCrunch