Mira Murati acaba de firmar uno de los acuerdos de infraestructura IA más grandes anunciados este año. Su startup Thinking Machines Lab se asoció con NVIDIA para desplegar al menos un gigavatio de sistemas Vera Rubin —los próximos aceleradores de IA de la compañía de Jensen Huang— en un contrato multianual que también incluye una inversión directa de NVIDIA en la empresa.
Para ponerlo en perspectiva: un gigavatio de capacidad de cómputo es el tipo de escala que hasta hace poco solo manejaban los grandes hyperscalers. Que una startup recién fundada llegue a ese nivel de compromiso desde el arranque dice mucho sobre cuánto peso tiene el nombre Murati en el ecosistema.
¿Quién es Thinking Machines Lab y qué construye?
Thinking Machines Lab fue fundada por Mira Murati, quien hasta septiembre de 2024 fue CTO de OpenAI. Con años en el centro del desarrollo de GPT-4, DALL·E y ChatGPT, Murati salió de OpenAI con una visión específica: construir IA que los usuarios puedan moldear a sus necesidades, en lugar de modelos de caja negra que imponen su criterio.
La propuesta de la compañía gira en torno a plataformas de IA personalizable y colaborativa —tanto para entrenamiento de modelos frontera como para productos que empresas, instituciones de investigación y la comunidad científica puedan adaptar a sus contextos. En palabras de Murati: “NVIDIA’s technology is the foundation on which the entire field is built. This partnership accelerates our capacity to build AI that people can shape and make their own.”
¿Qué son los sistemas Vera Rubin?
Vera Rubin es la próxima arquitectura de aceleradores de IA de NVIDIA, sucesor de Blackwell. No está en el mercado todavía —el despliegue está previsto para principios del próximo año—, pero ya hay contratos gigantescos firmados alrededor de ella. El acuerdo con Thinking Machines incluye un compromiso de un gigavatio, lo que significa que la compañía reserva una fracción significativa de la capacidad de producción futura de NVIDIA para su propio cómputo.
- Escala: 1 GW de potencia dedicada a entrenamiento e inferencia, suficiente para entrenar modelos frontera y correr productos IA a escala masiva
- Timing: Despliegue en los sistemas Vera Rubin apuntado para inicios de 2027
- Inversión: NVIDIA no solo provee los chips —también invierte directamente en Thinking Machines Lab como señal de confianza estratégica
El patrón que se repite: NVIDIA invierte, el ecosistema crece
Este tipo de deal no es nuevo para NVIDIA. La compañía ha invertido en Anthropic, CoreWeave, Mistral, y docenas de startups de infraestructura y aplicación IA. Lo que es llamativo en el caso de Thinking Machines es la escala del compromiso desde el día uno: normalmente, este nivel de infraestructura llega después de años de operación y rondas de capital.
El movimiento también confirma la consolidación de un patrón en la industria: las startups de modelos frontera no pueden competir solo con talento y algoritmos. Necesitan reservar cómputo —y necesitan hacerlo temprano, porque la demanda supera la oferta de aceleradores avanzados. Como ya cubrimos con el caso de Nscale y su Serie C de $2B, el cuello de botella hoy no es el talento ni las ideas, es el acceso a GPUs de nueva generación.
Jensen Huang lo pone en contexto
“IA es el instrumento de descubrimiento de conocimiento más poderoso en la historia humana”, dijo Huang al anunciar el acuerdo. “Thinking Machines ha reunido un equipo de clase mundial para avanzar la frontera de la IA. Estamos encantados de asociarnos con ellos para realizar su visión del futuro.”
No es solo retórica: NVIDIA tiene un interés real en que sus clientes más grandes construyan modelos que justifiquen seguir comprando Vera Rubin en los años siguientes. El éxito de Thinking Machines es el éxito de NVIDIA.
Por qué importa
Mira Murati no necesita mucha introducción para el sector. Lo interesante aquí no es solo quién está involucrado, sino qué señala este acuerdo: que hay una nueva clase de startups de IA que nacen directamente a escala hyperscaler, sin la fase de “validar producto antes de escalar infraestructura”.
Esto es posible porque hay capital suficiente, credenciales suficientes, y —crucialmente— NVIDIA tiene un interés estratégico en sembrar el ecosistema para que la demanda de chips siga creciendo. La paradoja es que cuanto más exitosa sea Thinking Machines, más cómputo necesitará, y más chips venderá NVIDIA.
Para el resto de la industria, el mensaje es claro: si tienes el equipo y la visión, la infraestructura ya no es una barrera de entrada —es un commodity que puedes contratar con años de anticipación. Lo que cambia es que ahora tienes que tomar esas decisiones desde el día uno, porque cuando llegas tarde, las filas de Vera Rubin ya están llenas.
