SiMa.ai ha cerrado una ronda Serie C de 150 millones de dólares, unos 133,3 millones de euros al cambio de referencia disponible del 2 de octubre de 2026, para acelerar su plataforma de IA física. La operación eleva la financiación acumulada de la compañía a 500 millones de dólares y su valoración a 1.450 millones de dólares. La empresa quiere utilizar el capital para ampliar Palette Neat y desarrollar una nueva generación de silicio orientada a robots humanoides, drones, sistemas ADAS y vehículos definidos por software.
La noticia es interesante porque representa una parte menos visible de la carrera por la inteligencia artificial: no todos los modelos necesitan vivir en un centro de datos. Cuando una cámara, un robot o un dron tiene que reaccionar en milisegundos, enviar continuamente los datos a la nube puede ser demasiado lento, caro o poco conveniente. Ahí aparece la IA en el borde.
Qué ha anunciado SiMa.ai
SiMa.ai comunicó el 28 de septiembre de 2026 una Serie C de 150 millones de dólares, liderada por Fidelity Management & Research Company y Amplify. La ronda incluye nuevos inversores como AllianceBernstein, Baron Capital, J.P. Morgan y el Estado de Michigan, además de varios accionistas anteriores. Según la compañía, la financiación total alcanza ahora los 500 millones de dólares.
La empresa está construyendo una plataforma completa para Physical AI: silicio especializado, herramientas de software y sistemas destinados a ejecutar modelos de aprendizaje automático directamente en dispositivos físicos. Su propuesta no consiste simplemente en colocar una GPU más pequeña en un robot. El objetivo es controlar el flujo completo entre modelo, memoria, aceleradores, software y consumo eléctrico.
La compañía afirma que su siguiente generación de hardware, prevista para el primer semestre de 2028, llegará hasta 1.000 TOPS de cómputo denso e incorporará IP de aprendizaje automático, chiplets y SoC. Son objetivos de producto, no prestaciones que podamos considerar disponibles hoy, y conviene mantener esa distinción.
Por qué el edge AI necesita otro tipo de chip
Un centro de datos puede permitirse refrigeración, fuentes de alimentación de gran tamaño y redes de alta velocidad. Un robot móvil, un dron o una cámara industrial no. En esos dispositivos cada vatio tiene consecuencias sobre temperatura, autonomía, tamaño y coste.
La diferencia fundamental es que la inferencia en el borde intenta mantener los datos cerca de donde se generan. Una cámara que detecta defectos de fabricación puede procesar la imagen localmente y enviar solo el resultado. Un dron puede identificar obstáculos sin depender de una conexión permanente. Un sistema ADAS puede ejecutar parte de la percepción y decisión con latencias mucho menores que una arquitectura que dependa de ida y vuelta con la nube.
También existe una cuestión de privacidad. En una fábrica, por ejemplo, no siempre interesa subir imágenes de líneas de producción a un servicio externo. El procesamiento local reduce el volumen de información que sale del perímetro.
El reto real: rendimiento por vatio
El número de TOPS es útil, pero insuficiente. Dos aceleradores con la misma cifra pueden ofrecer resultados muy diferentes si uno necesita mucha más energía o si su software no aprovecha bien el hardware.
Por eso la competición en Physical AI se parece más a una carrera de sistemas completos que a una guerra de cifras. Importan la memoria, el movimiento de datos, la precisión numérica, la latencia, los compiladores, los controladores y la capacidad de actualizar modelos sin rediseñar el dispositivo.
SiMa.ai afirma que su plataforma permite reducir el tiempo de despliegue de meses a días u horas y que sus clientes pueden migrar aplicaciones hacia las próximas arquitecturas. Son afirmaciones de la compañía y deben entenderse como parte de su posicionamiento comercial, no como una medición independiente.
Qué cambia para robots y drones
La robótica es probablemente el escenario donde más se aprecia el valor del cómputo local. Un robot industrial no puede detener una operación porque una conexión con un servidor remoto tenga 200 milisegundos adicionales de latencia. Un dron tampoco puede depender de una red para cada decisión de navegación.
Además, los modelos utilizados en máquinas físicas suelen combinar percepción, detección de objetos, estimación de posición, planificación y control. La carga no es exactamente la misma que ejecutar un chatbot. El hardware debe responder a flujos continuos y previsibles, con restricciones energéticas mucho más estrictas.
Implicaciones para España y Europa
Europa tiene una oportunidad concreta en esta capa de la IA. Aunque no domine la fabricación de aceleradores de centros de datos, sí dispone de fabricantes de automóviles, proveedores industriales, robótica, automatización y electrónica de potencia. La IA física puede convertirse en una vía para capturar valor más cerca del producto final.
Para España, el interés está especialmente en automoción, logística, industria 4.0, agricultura de precisión y drones. El modelo más atractivo no tiene por qué ser fabricar el chip: también puede consistir en integrar aceleradores, desarrollar software de percepción, diseñar sistemas de control o crear aplicaciones industriales que funcionen localmente.
El reto europeo será evitar que la autonomía tecnológica se reduzca a tener modelos propios mientras el hardware y la cadena de suministro continúan dependiendo casi por completo de terceros. La IA física hace visible esa dependencia porque necesita semiconductores, sensores, memoria, conectividad y software al mismo tiempo.
Mi opinión
La ronda de SiMa.ai me parece más relevante por la dirección estratégica que por la cifra de financiación. El mercado está pasando de preguntar cuánto puede razonar un modelo a preguntar cuánto puede hacer una máquina en el mundo real con un presupuesto energético limitado.
Mi duda está en la ejecución. Llegar a 1.000 TOPS es técnicamente llamativo, pero el verdadero indicador será la combinación de rendimiento por vatio, disponibilidad, coste del sistema y facilidad para desarrollar modelos. Si SiMa.ai consigue que los ingenieros traten su plataforma como una herramienta normal de producción y no como un ecosistema experimental, tendrá una oportunidad real.
Fuentes
Comunicado oficial de SiMa.ai, 28 de septiembre de 2026. TechCrunch sobre la ronda y la estrategia de edge AI. Referencia de tipo de cambio utilizada para la conversión aproximada.
Para contexto relacionado en Bitzeta, consulta también nuestro análisis sobre agentes de IA y ciberseguridad.
Imagen destacada: placa de circuito ilustrativa. Imagen de Jon Sullivan, dominio público, vía USGS/Wikimedia Commons.
Deja una respuesta