Construir un data center más grande ya no es la única salida. A veces, el problema no es cuánta electricidad entra, sino cómo se usa la que ya está disponible. Niv-AI, una startup israelí fundada hace menos de un año, salió del modo stealth hoy con $12 millones en capital semilla para demostrar que la ineficiencia energética de las GPUs es, ante todo, un problema de datos.
El contexto: los centros de datos que entrenan y corren modelos de IA enfrentan picos de consumo eléctrico que ocurren en milisegundos. Cuando miles de GPUs sincronizan sus ciclos de cómputo y comunicación, generan fluctuaciones bruscas que los operadores de red simplemente no pueden predecir ni absorber bien. La solución estándar hasta ahora ha sido sobredimensionar la infraestructura de almacenamiento energético —baterías y capacitores— y reducir el uso de las GPUs hasta en un 30% para no desestabilizar la red. Resultado: chips caros que no trabajan a pleno.
¿Cuál es la idea de Niv-AI exactamente?
La empresa desarrolló sensores de alta frecuencia que capturan el consumo eléctrico de las GPUs en tiempo real, con resolución de milisegundos. Con esa data, entrena modelos que predicen las fluctuaciones y ajustan los workloads dinámicamente, antes de que el pico ocurra.
Aprende IA con nosotros
Únete gratis a mi comunidad en Skool, donde compartimos noticias, tutoriales y recursos para seguir aprendiendo juntos.
👥 Únete gratis 🚀El CEO Tomer Timor lo explicó de forma directa: “Cada procesador se comporta como una pava eléctrica. Cuando miles de ellos operan en sincronía apretada, la presión sobre la red es enorme”. La solución no es más hardware —es mejor inteligencia sobre lo que ya existe.
Niv-AI lo llama la “huella eléctrica” del workload de IA: un perfil de consumo que permite gestionar cuándo y cómo las GPUs consumen energía sin reducir su utilización efectiva. Según la empresa, esto elimina la necesidad de almacenamiento energético excesivo y libera capacidad que hoy está técnicamente disponible pero operativamente bloqueada.
El problema más grande que nadie quiere admitir
Jensen Huang lo dijo directamente en el GTC de esta semana: “Cada vatio no utilizado es ingreso perdido”. Pero el problema va más allá de los balances de los hyperscalers. Los data centers que intentan expandirse enfrentan dos cuellos de botella simultáneos: escasez de terreno y restricciones en el suministro eléctrico. Cualquier tecnología que libere capacidad existente tiene un valor estratégico enorme.
Según Niv-AI, el problema no es la falta de energía total, sino la falta de optimización en tiempo real. La diferencia es importante: construir más capacidad tarda años y requiere negociaciones con operadoras de red; optimizar lo que ya existe puede escalar en meses.
El inversor Lior Handelsman de Grove Ventures, que forma parte del directorio, fue contundente: “Simplemente no podemos seguir construyendo data centers como los construíamos antes”.
¿Cuándo llega al mercado?
Niv-AI proyecta tener un sistema operativo en un puñado de centros de datos en EE. UU. dentro de los próximos seis a ocho meses. La empresa planea construir un laboratorio propio que replica un data center para pruebas, y está acelerando contrataciones con el capital recién levantado. El equipo actual es de diez personas.
La ronda fue liderada por Glilot Capital Partners, con participación de Grove Ventures, Arc VC, Encoded VC, Leap Forward Ventures y Aurora Capital Partners.
Por qué importa
El crecimiento de la IA tiene un límite físico que no aparece en los benchmarks: la red eléctrica. Los costos de electricidad ya subieron un 10% o más para la mayoría de las empresas que usan IA intensivamente, y eso es apenas el principio. Si los grandes proveedores no pueden conectar más capacidad a la red, la única salida es exprimir mejor lo que ya tienen.
Ahí es donde Niv-AI apunta: no es una apuesta a más infraestructura, sino a inteligencia sobre la infraestructura existente. Es una distinción sutil pero que define si el modelo de negocio escala con el mercado o contra él.
Para entender el ecosistema más amplio de hardware de IA, vale revisar qué está haciendo NVIDIA en el frente del hardware con su CPU Vera, diseñada específicamente para la era de los agentes. La capa de software de optimización energética que Niv-AI propone es complementaria a esas apuestas de hardware.
