Financiación

Efficient Computer recauda $97M+ en una Serie B con valoración de $650M para escalar procesadores

mm
Añade Unite.AI a tus fuentes preferidas en Google

Efficient Computer anunció el 29 de septiembre de 2026 que había firmado acuerdos para más de $97 millones en financiación Serie B con una valoración de $650 millones, liderada por TQ Ventures. La empresa dijo que utilizará el capital para enviar su procesador Electron E1 en volumen a clientes líderes y para escalar su arquitectura Fabric a un rendimiento de clase datacenter.

Términos de financiación e inversores

Según el anuncio, la ronda eleva el total de fondos recaudados por Efficient Computer a $173 millones y describe a la empresa como la constructora de los procesadores más eficientes energéticamente del mundo. Los participantes junto a TQ Ventures incluyen a Eclipse, Union Square Ventures, Giant Ventures, Triatomic Capital, TO Capital, TF Capital, Mana Ventures, Toyota Ventures, Overmatch y Borderless. Efficient dijo que el esfuerzo de escalado está dirigido a un rendimiento de clase datacenter con una mejora de más de 10 veces en el consumo de energía respecto a los sistemas construidos hoy.

En una publicación del blog complementaria publicada el mismo día, el CEO y cofundador Brandon Lucia reiteró la Serie B de $97 millones, la recaudación total de $173 millones y la valoración de $650 millones. Lucia escribió que él, Nathan y Graham fundaron Efficient Computer hace aproximadamente 10 años para replantear fundamentalmente la arquitectura de computadoras, buscando eficiencia sin comprometer la generalidad.

La página de la Serie B de la empresa identifica al equipo de liderazgo como Lucia, director ejecutivo; Graham Gobieski, director de tecnología; y Nathan Beckmann, arquitecto jefe.

Arquitectura Fabric y el Electron E1

Efficient describe su arquitectura Fabric como un rediseño desde cero de la computación y afirma una mejora de 10 a 100 veces en el consumo energético para el cómputo de propósito general, incluida la IA. La empresa contrasta ese enfoque de propósito general con lo que denomina alternativas especializadas de “chip solo IA”, que, según afirma, no soportan la mayoría del software y corren el riesgo de quedar obsoletas instantáneamente a medida que la IA evoluciona.

Según el anuncio, la arquitectura soporta los marcos de software más populares a través de una interfaz frontal que maneja C, C++ y muchas otras abstracciones comunes. La página de la Serie B agrega que los desarrolladores pueden usar C, C++, LiteRT y ONNX para ejecutar IA junto con código de detección, control y aplicación en un único procesador programable, y pueden recompilar y actualizar dispositivos ya en el campo a medida que los modelos cambian.

En su página principal, Efficient afirma que el Electron E1 es hasta 100 veces más eficiente, medido en aplicaciones completas que se ejecutan en silicio real, en lugar de potencia en reposo o un único kernel ajustado manualmente para hardware de función fija. La página describe el compilador effcc como un reemplazo directo para GCC o Clang que extrae paralelismo, coloca y enruta un programa en la arquitectura Fabric, y compila en minutos.

Efficient dijo que el Electron E1 está en producción a gran escala y que los clientes lo están adoptando para IA física y autonomía, observabilidad de infraestructuras críticas, espacio y defensa, y dispositivos portátiles. Los destacados de aplicaciones en la página principal describen el E1 ejecutando toda la cadena de autonomía de un dron en una sola pieza, proporcionando procesamiento en tiempo real y mantenimiento predictivo a sensores de infraestructura remota, y procesando más datos a bordo de naves espaciales de modo que solo los hallazgos críticos para la misión se transmitan en C y C++ estándar.

El anuncio también indica que la arquitectura Fabric puede reemplazar GPUs integrados que consumen mucha energía en una pila de autonomía de robot, permitiendo que el sistema opere con 10 veces menos energía, y que en el extremo superior del rango de rendimiento acelera cargas de trabajo de datacenter variadas e irregulares que no se adaptan bien a chips aceleradores de IA y GPUs.

“Cada cliente que conocemos tiene una versión de su producto que no pueden construir, porque el presupuesto de potencia de cálculo hace que las nuevas capacidades que desean sean inviables,” dijo Lucia en el anuncio. Añadió que la ronda amplía ese esfuerzo a muchos más casos de uso y dominios a medida que Efficient escala la arquitectura Fabric desde dispositivos ya en producción hacia la escala de datacenter.

Historia fundacional y justificación técnica

En su publicación del blog, Lucia argumentó que, con el escalado del proceso CMOS desacelerándose junto al fin de la Ley de Moore y el escalado de Dennard, la mayor parte de las mejoras de rendimiento de cómputo provienen de compromisos arquitectónicos que priorizan el rendimiento a costa de la eficiencia, incluidos estructuras de memoria masivas que consumen mucha energía, interconexiones y front-ends que intentan extraer paralelismo de flujos de instrucciones secuenciales. Invocó la Ley de Amdahl contra los aceleradores de función fija: en su ejemplo, incluso si el 90 % de una computación encaja en un acelerador y el tiempo y consumo de energía de esa porción se reducen a cero, el beneficio máximo sería de 10 veces porque el 10 % restante sigue siendo ineficiente.

Lucia escribió que la tecnología de Efficient aporta una mejora de 10 a 100 veces en la eficiencia energética en comparación con las arquitecturas tradicionales de CPU, y que la empresa ya ha comenzado a trabajar para escalarla a dominios con requisitos de mayor rendimiento: autonomía humanoide, conducción autónoma e IA agente en el edge y en la nube.

Declaraciones de inversores y próximos pasos

Andrew Marks, cofundador de TQ Ventures, dijo que la arquitectura de Efficient difiere fundamentalmente de los diseños existentes y aporta lo que él llamó una función escalón en la eficiencia para la computación de propósito general, añadiendo que la capacidad de los fundadores para construir tanto el hardware como el software convenció a la firma. “No solo han realizado la fotolitografía cuatro veces, sino que ya están enviando chips a los clientes en volumen”, afirmó Marks.

Rebecca Kaden, socia general de USV, dijo que la capacidad de la empresa para ofrecer esas mejoras en todo el espectro de rendimiento cambiará la forma en que se construye y despliega la computación, desde la IA física hasta el centro de datos. Zenetta Burger, socia principal de EE. UU. en Giant Ventures, comentó que los fundadores pasaron años en Carnegie Mellon abordando los problemas arquitectónicos detrás de la computación energéticamente eficiente. Greg Reichow, socio de Eclipse, señaló que la firma respaldó a Efficient desde el principio y que la misma arquitectura está escalando de la IA física al centro de datos con una demanda de clientes que se acelera.

Las declaraciones de otros inversores aparecen en la página de la Serie B de la empresa. Chris Abshire, socio de Toyota Ventures, dijo que combinar la eficiencia de clase aceleradora con la programabilidad de propósito general permite sistemas más capaces en entornos donde la energía ha limitado durante mucho tiempo lo que se puede construir. Patrick O’Kain, socio de Borderless Capital, afirmó que la energía es la verdadera limitación de dónde puede ubicarse una capacidad de computación seria, tanto en usos comerciales como de seguridad nacional, y señaló que el E1 ya se está enviando en volumen.

Efficient declaró que ha ampliado la producción del Electron E1 para satisfacer lo que describió como un interés abrumador de los clientes y continuará aumentando el volumen hasta 2027 para atender a su base de clientes global. La página de la Serie B presenta la ronda como la transición de la tecnología de la empresa desde su primer procesador a una gama más amplia de productos, con chips en desarrollo para aplicaciones que se ejecutan en GPU integradas y la arquitectura Fabric extendiéndose hacia la computación a escala de centro de datos.

Theo Nash es un especialista generado por IA en Unite.AI, cubriendo la infraestructura de IA, el cómputo y los sistemas de hardware que impulsan la inteligencia artificial moderna. Su trabajo se centra en los fundamentos técnicos detrás de cargas de trabajo de IA a gran escala, incluidos los centros de datos, los aceleradores, la conectividad y las pilas de software que los integran.

Con una perspectiva analítica y orientada a la ingeniería, Theo examina cómo los avances en GPUs, silicio personalizado, arquitecturas de memoria y sistemas distribuidos permiten nuevas generaciones de modelos de IA. Presta especial atención a los compromisos de rendimiento, la eficiencia energética, la escalabilidad y las limitaciones prácticas que moldean el despliegue real de la infraestructura de IA.

Los artículos escritos por Theo Nash son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la precisión técnica, la claridad y una cobertura responsable del panorama de cómputo de IA, que evoluciona rápidamente.