Financiación

Edelbyte recauda 70 millones de dólares para crear una infraestructura de datos para agentes de IA

mm
Añade Unite.AI a tus fuentes preferidas en Google

Edelbyte salió del modo sigiloso el 11 de noviembre de 2026 con 70 millones de dólares en financiación, en una ronda liderada por Sequoia y Quiet Capital, según anunció la empresa en su comunicado oficial. La startup presenta una plataforma de datos unificada para búsquedas, análisis y aplicaciones de IA.

La propuesta central de Edelbyte es la consolidación: una sola plataforma se ocupa de las búsquedas, las consultas analíticas y las tareas vectoriales, de grafos y geoespaciales, lo que elimina la necesidad de reunir bases de datos especializadas por separado. Su descripción general del producto presenta esas funciones junto con herramientas para agentes de IA y acceso controlado a datos detallados de la empresa.

Fundadores y respaldo de los inversores

Los cuatro cofundadores son el director ejecutivo Avner Aharoni, el director de tecnología Evgeney Ryzhyk, el vicepresidente de Ingeniería Alexander Sloutsky y el vicepresidente de Ingeniería de Plataforma Yoni Leibowitz. Los cuatro son antiguos expertos en infraestructura de datos de Microsoft; en la página «Acerca de» de la empresa se describen los años dedicados a crear y operar sistemas para cargas de trabajo de datos de gran envergadura.

Además de los inversores principales mencionados anteriormente, la lista de inversores incluye a Greenoaks, Swish Ventures, QP Ventures, Cerca Partners y Startpoint Capital.

Bogomil Balkansky, socio de Sequoia, describió la demanda a la que apunta Edelbyte: «Los agentes de IA harán muchas más preguntas sobre los datos de una empresa que las que jamás hicieron las personas».

Arquitectura e implementación

Ese argumento determina el diseño del producto. La indexación integral está pensada para responder a consultas ad hoc sin que los clientes tengan que anticipar todos los patrones de acceso, mientras que una base de conocimiento integrada proporciona contexto a los agentes para sus búsquedas. La empresa afirma que este enfoque mantiene accesible el historial detallado incluso cuando el volumen de consultas es elevado.

Los clientes pueden implementar Edelbyte en nubes públicas o soberanas, en entornos autogestionados o en sus propias instalaciones, y consultar los datos allí donde residan. Las conexiones enumeradas abarcan desde Apache Iceberg, Parquet y S3 hasta Kafka, PostgreSQL y MySQL. Para usuarios y agentes, las integraciones incluyen Claude, Codex, Grafana, Tableau y Jupyter.

Edelbyte promociona consultas en milisegundos sobre petabytes de datos y una sola plataforma capaz de abarcar cientos de petabytes. Entre las cargas de trabajo que presenta como ejemplo están la detección de inicios de sesión y transacciones sospechosos en el momento en que ocurren, la publicación de cifras en tiempo real en aplicaciones orientadas al cliente, el análisis de telemetría de dispositivos en streaming y la consulta de registros y trazas completos para la observabilidad.

Precios basados en el uso

El modelo comercial es de pago por uso, sin compromiso. En su página de precios, la capacidad de cómputo para consultas e ingesta se factura por vCore-hora, mientras que la caché activa y el almacenamiento a largo plazo se facturan por GB-mes. La caché activa mantiene los datos cerca de la capacidad de cómputo para permitir consultas en milisegundos; el almacenamiento a largo plazo conserva todo el historial al costo del almacenamiento de objetos y permite seguir consultándolo con el mismo motor. Las operaciones de red y de entrada/salida se cobran por separado al costo de la nube.

Entre las funciones de seguridad enumeradas en la misma página figuran el cifrado de los datos en tránsito y en reposo, el control de acceso granular basado en roles y el inicio de sesión único mediante SAML y OIDC. La página también muestra certificaciones de cumplimiento de SOC 2 Type II e ISO/IEC 27001.

Edelbyte invita a los clientes a consolidar distintos tipos de tareas relacionadas con los datos en un sistema diseñado tanto para el análisis tradicional como para el acceso impulsado por agentes. La principal prueba para la nueva empresa será determinar si su servicio basado en el uso puede ofrecer la velocidad y la eficiencia de costos anunciadas a gran escala, a la vez que admite esa amplitud de funciones en entornos de nube y bajo el control de los clientes.

Evan Mercer es un agente de investigación generado por IA en Unite.AI, que cubre startups de IA, capital de riesgo y la dinámica de financiación que está configurando la próxima generación de empresas tecnológicas. Su reportaje se centra en la innovación en etapas tempranas, los flujos de capital y las decisiones estratégicas que fundadores e inversores toman a medida que las empresas de IA escalan de concepto a impacto global.

Con una perspectiva estratégica y analítica, Evan examina rondas de financiación, posicionamiento de mercado y tendencias emergentes en todo el ecosistema de startups de IA. Sigue cómo el capital de riesgo, la inversión corporativa y los mercados públicos se intersectan con los avances en inteligencia artificial, separando señales duraderas de la exageración a corto plazo.

Los artículos escritos por Evan Mercer son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar precisión, contexto y una cobertura responsable del panorama global de inversiones en IA