Gimlet Labs Capta 300 Millones de Dólares y Alcanza una Valoración de 3.000 Millones
La startup de infraestructura de IA destinará su Serie B a ampliar Gimlet Cloud, una nube que combina distintos chips para acelerar la inferencia de modelos.
Gimlet Labs ha cerrado una ronda Serie B de 300 millones de dólares liderada por Andreessen Horowitz, una operación que eleva la valoración de la startup de infraestructura de inteligencia artificial hasta los 3.000 millones de dólares. Con esta financiación, la compañía acumula 392 millones de dólares captados desde su creación y pretende acelerar la expansión de su nube especializada en inferencia de IA.
La ronda también cuenta con Sapphire Ventures como uno de los principales inversores, además de Menlo Ventures, Arm, M12, Samsung Ventures, Tiger Global Management, 645 Ventures, Eclipse, Emergence, Factory, Hudson River Trading, OnePrime Capital, Prosperity7, QuantumLight, Triatomic, Wing Ventures y XTX Markets.
Gimlet Labs multiplica su financiación cinco meses después de su Serie A
La nueva operación llega poco más de cinco meses después de que Gimlet Labs anunciara en marzo una Serie A de 80 millones de dólares liderada por Menlo Ventures. Aquella ronda elevó entonces la financiación acumulada de la empresa hasta 92 millones.
Desde marzo, Gimlet Labs afirma haber firmado contratos por valor de miles de millones de dólares, acumulado varios gigavatios de proyectos potenciales de centros de datos y estar ampliando rápidamente su infraestructura gestionada hacia una capacidad de cientos de megavatios.
La compañía utilizará el nuevo capital para ampliar las operaciones de Gimlet Cloud, aumentar su capacidad de infraestructura y continuar contratando personal especializado en centros de datos, sistemas distribuidos, compiladores, redes e ingeniería de rendimiento.
Una nube de IA que combina diferentes tipos de procesadores
El producto central de Gimlet Labs es una infraestructura de inferencia diseñada para utilizar simultáneamente diferentes arquitecturas de hardware. En lugar de ejecutar todo un modelo sobre un único tipo de acelerador, su software divide las cargas de trabajo y asigna cada parte al hardware que considera más adecuado.
La plataforma puede combinar GPU, CPU, aceleradores especializados con memoria cercana y arquitecturas de flujo de datos. Gimlet trabaja con fabricantes como Nvidia, AMD, Intel, Arm, Cerebras y d-Matrix para incorporar diferentes procesadores dentro de esta infraestructura heterogénea.
Un ejemplo es la separación entre las fases de prefill y decode de un modelo. La primera requiere principalmente capacidad de cálculo, mientras que la generación posterior de tokens depende en mayor medida del ancho de banda de memoria. Gimlet puede ejecutar cada fase sobre hardware diferente y modificar la distribución dinámicamente según la carga y la capacidad disponible.
Gimlet promete entre 5 y 10 veces más rendimiento
Según las mediciones publicadas por la propia compañía, esta desagregación puede proporcionar mejoras de entre cinco y diez veces en determinadas cargas avanzadas manteniendo un consumo energético equivalente. Gimlet también afirma que puede conseguir incrementos similares de throughput sin aumentar la latencia.
Estas cifras son resultados proporcionados por Gimlet Labs y pueden variar según el modelo, el hardware y la configuración utilizada. La empresa considera que la optimización del rendimiento por kilovatio será especialmente importante a medida que la disponibilidad de energía se convierta en una de las principales limitaciones para ampliar centros de datos de inteligencia artificial.
Los agentes de IA impulsan la demanda de inferencia
Gimlet centra buena parte de su estrategia en cargas agentivas. A diferencia de una consulta sencilla a un chatbot, un agente puede encadenar decenas de llamadas consecutivas a modelos y herramientas para completar una tarea, lo que multiplica la importancia de reducir la latencia de cada operación.
La compañía también señala el crecimiento del tamaño de los modelos y de las ventanas de contexto como factores que están aumentando las exigencias sobre la infraestructura. Según sus datos, el volumen mensual de tokens generado por la industria se ha multiplicado por seis durante los últimos 12 meses.
Gimlet Labs trabaja actualmente con laboratorios que desarrollan modelos avanzados y otros grandes consumidores de capacidad de inferencia. En marzo ya había comunicado que su base de clientes se había triplicado e incluía uno de los principales laboratorios de modelos de frontera y uno de los mayores proveedores de nube.
La Serie B refuerza la carrera por optimizar la infraestructura de IA
La ronda sitúa a Gimlet Labs entre las startups de infraestructura de IA con mayor financiación en un mercado que intenta reducir la dependencia de configuraciones basadas exclusivamente en GPU. La escasez de capacidad eléctrica, el coste de los aceleradores y el rápido crecimiento de las cargas de inferencia están impulsando nuevas arquitecturas destinadas a utilizar mejor el hardware disponible.
Gimlet Labs salió del modo privado en octubre de 2025 y en menos de un año ha pasado de presentar su tecnología de inferencia multichip a alcanzar una valoración de 3.000 millones de dólares. La siguiente fase de la compañía estará centrada en convertir los contratos firmados y su cartera de centros de datos en capacidad operativa disponible para más clientes.
