La startup XCENA ha recaudado 135 millones de dólares en Serie B para desarrollar chips que procesan inteligencia artificial directamente dentro de módulos de memoria DRAM. Su chip MX1 promete eliminar los costosos viajes de datos entre procesadores y memoria que actualmente disparan los gastos de infraestructura IA en miles de millones para las empresas.
Qué ha desarrollado XCENA y por qué cambia las reglas
El chip MX1 de XCENA integra capacidades de procesamiento directamente en los módulos de memoria DRAM, una arquitectura que la compañía denomina memory-centric computing. En lugar del modelo tradicional donde CPU y GPU envían constantemente datos hacia y desde la memoria RAM para cada operación, el MX1 ejecuta tareas de IA como preprocesamiento de datos y gestión de KV cache directamente dentro del módulo de memoria.
Esta aproximación ataca uno de los cuellos de botella más caros de la IA actual: el movimiento de datos. Cada vez que un modelo de lenguaje grande procesa texto, debe transferir gigabytes entre procesadores y memoria miles de veces por segundo. XCENA estima que hasta el 70% del consumo energético en inferencia de IA proviene de estos viajes de datos, no del cálculo en sí. La Serie B de 135 millones permitirá a la startup iniciar producción masiva en las fábricas de Samsung a finales de 2026, con primeros ingresos esperados en 2027.
Implicaciones técnicas para la industria del hardware
La propuesta de XCENA representa un cambio fundamental en la arquitectura de sistemas de IA. Mientras que la industria ha invertido billones en acelerar GPUs y CPUs, pocos han cuestionado si el problema real está en cómo se mueven los datos. El enfoque memory-centric podría reducir drásticamente los requisitos de ancho de banda entre componentes, uno de los factores que más encarece los sistemas de IA empresarial.
Sin embargo, integrar procesamiento en memoria DRAM presenta desafíos técnicos considerables. La memoria DRAM está optimizada para densidad y velocidad de acceso, no para cálculo. XCENA debe demostrar que puede mantener la fiabilidad y durabilidad de la memoria mientras añade circuitos de procesamiento sin disparar costes de fabricación. Además, requerirá cambios significativos en software y drivers para que los sistemas existentes puedan aprovechar esta arquitectura híbrida.
Cómo pueden aplicar esto las empresas hoy
Para empresas que gastan decenas de miles de euros mensuales en infraestructura de IA, la tecnología de XCENA podría representar ahorros sustanciales a partir de 2027. Las compañías que ejecutan modelos de lenguaje grande para chatbots, análisis de documentos o generación de contenido son las que más se beneficiarían, ya que estas tareas requieren constante transferencia de datos entre memoria y procesadores. Sin embargo, adoptar esta tecnología requerirá reescribir partes del stack de software y posiblemente rediseñar arquitecturas de aplicación.
Análisis Blixel
El timing de XCENA es inteligente pero arriesgado. Mientras la industria se obsesiona con hacer GPUs más potentes, ellos atacan el problema desde el movimiento de datos. Es una apuesta técnica sólida: si logran que funcione, podrían hacer irrelevantes muchas optimizaciones actuales de hardware. Pero llegar al mercado en 2027 significa competir contra tres años más de evolución en GPUs y arquitecturas alternativas como los chips neuromórficos. La ventana de oportunidad existe, pero se cierra rápido. Samsung como socio de fabricación es una ventaja considerable, pero XCENA necesitará convencer a desarrolladores de software para que adapten sus aplicaciones. Sin ecosistema de software, el mejor hardware del mundo es inútil. La pregunta no es si la tecnología funciona, sino si pueden construir el ecosistema lo suficientemente rápido.
¿Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido común. Hablemos.