Ricursive: IA que diseña chips en horas

Los orígenes de Ricursive Intelligence

Los cofundadores de la startup Ricursive Intelligence, Anna Goldie (CEO) y Azalia Mirhoseini (CTO), llevan una trayectoria conjunta en la comunidad de inteligencia artificial que las convirtió en figuras reconocidas dentro del sector. Ambas trabajaron en Google Brain y fueron empleadas tempranas en Anthropic, lo que cimentó su experiencia en diseño asistido por IA.

Del Alpha Chip a una startup valorada en miles de millones

En Google desarrollaron el Alpha Chip, una herramienta basada en IA capaz de generar diseños de chips de alta calidad en horas —un proceso que normalmente toma a los equipos humanos un año o más. Ese trabajo contribuyó a diseñar varias generaciones de las Tensor Processing Units (TPU) de Google y les dio visibilidad en la industria.

Solo cuatro meses después de lanzar Ricursive, la compañía anunció una ronda de Serie A de 300 millones de dólares con una valoración de 4.000 millones, liderada por Lightspeed, tras haber levantado previamente 35 millones en una ronda semilla liderada por Sequoia.

Qué hace Ricursive Intelligence

Ricursive no fabrica chips físicos: construye herramientas de inteligencia artificial para automatizar y acelerar el diseño de chips. Esta propuesta los diferencia de la mayoría de startups de hardware que intentan competir con fabricantes de GPUs como Nvidia. De hecho, Nvidia es uno de los inversores, y su mercado objetivo incluye a fabricantes tradicionales como AMD e Intel.

"Queremos habilitar cualquier chip... para que se construya de una manera automatizada y muy acelerada. Estamos usando IA para hacer eso." — Azalia Mirhoseini

Tecnología y enfoque

• La plataforma utiliza aprendizaje por refuerzo y señales de recompensa para evaluar y mejorar diseños de chips.
• Al completar miles de diseños, los agentes basados en redes neuronales aprenden y aceleran su rendimiento, mejorando la calidad y la velocidad del diseño.
• Ricursive incorpora modelos de lenguaje (LLMs) para coordinar tareas como la colocación de componentes, la verificación del diseño y la gestión del flujo de trabajo.
• El sistema está diseñado para "aprender a través de diferentes chips": cada diseño alimenta mejoras que benefician al siguiente proyecto.

Por qué el diseño de chips es tan complejo

Los chips contienen millones a miles de millones de puertas lógicas cuya colocación en una oblea de silicio afecta rendimiento, consumo energético y cumplimiento de requisitos físicos. Optimizar esos diseños digitalmente con precisión es un reto que exige iteraciones extensas y conocimientos multidisciplinares.

Alpha Chip demostró que la IA puede producir diseños de alta calidad en horas, aprendiendo de la experiencia para mejorar tanto la eficiencia como la velocidad.

Impacto potencial en IA y eficiencia del hardware

Si la plataforma de Ricursive demuestra su eficacia a escala, podría acelerar la coevolución entre modelos de IA y el hardware que los ejecuta, permitiendo avances más rápidos en investigación y desarrollo de IA. Las fundadoras sostienen que diseñar chips más adecuados para modelos específicos podría mejorar el rendimiento por costo total de propiedad notablemente.

"Los chips son el combustible de la IA. Creo que al construir chips más potentes, esa es la mejor manera de avanzar en esa frontera." — Anna Goldie

Además de la mejora en rendimiento, otro beneficio inmediato y realista sería la eficiencia energética: chips optimizados permitirían crecimiento de modelos sin consumir recursos globales de forma tan intensiva.

Clientes y futuro

Ricursive no ha revelado públicamente sus primeros clientes, pero las fundadoras aseguran que han recibido interés de los principales fabricantes de semiconductores. La empresa tiene la opción de elegir entre varios socios de desarrollo para desplegar su plataforma.

Resumen

Ricursive Intelligence aplica IA avanzada, aprendizaje por refuerzo y modelos de lenguaje para automatizar el diseño de chips, acelerando drásticamente un proceso tradicionalmente largo y costoso. Su tecnología podría transformar tanto la eficiencia del hardware como la velocidad del progreso en inteligencia artificial.