Callosum quiere acabar con la monocultura de la infraestructura de IA

Callosum está haciendo una apuesta poco convencional por la infraestructura de inteligencia artificial. La startup, fundada en Cambridge, sostiene que la próxima generación de IA no tiene por qué construirse ampliando un único modelo gigantesco sobre enormes flotas de aceleradores idénticos. Su alternativa es la inteligencia heterogénea: combinar modelos especializados y distintos tipos de procesadores, con un software que decida qué herramienta debe encargarse de cada parte de una tarea.

La propuesta intenta resolver dos problemas a la vez: uno técnico y otro estratégico. Las aplicaciones complejas de IA suelen mezclar ejecución rutinaria, razonamiento, recuperación de información e interacción en tiempo real. Enviar cada paso al mismo modelo de frontera y a la misma infraestructura puede resultar innecesariamente lento y caro. Callosum quiere asignar cada tarea al modelo y al chip que mejor puedan resolverla.

El supuesto que Callosum quiere cuestionar

El modelo dominante de infraestructura de IA concentra cada vez más capacidad de cálculo en modelos de mayor tamaño, normalmente ejecutados sobre grandes flotas de GPU de Nvidia. Callosum cuestiona que repetir esa fórmula —un modelo generalista, un ecosistema de hardware predominante y cantidades crecientes de cómputo— sea necesariamente la vía más eficiente hacia sistemas avanzados o incluso hacia la llamada “superinteligencia”.

La formación de sus fundadores en neurociencia influye en esta comparación: la inteligencia biológica no depende de un único circuito uniforme para realizar todas las funciones. Callosum aplica una intuición parecida al diseño de sistemas de IA, combinando componentes especializados en lugar de tratar un solo modelo como la respuesta para cualquier subtarea.

Eso no significa que vaya a desaparecer un modelo concreto o un tipo de chip. La idea es que ambos se conviertan en piezas intercambiables de un sistema más amplio, elegidas según las necesidades de cada solicitud.

Cómo funciona el enrutamiento heterogéneo

Callosum describe su software como una capa de orquestación para cargas de trabajo de IA. En la práctica, el sistema está pensado para:

1. Dividir una carga compleja en subtareas. Una aplicación de varios pasos puede incluir distintos tipos de razonamiento, uso de herramientas y ejecución.
2. Elegir el modelo adecuado para cada fase. Un modelo más rápido y barato puede encargarse de las iteraciones rutinarias, mientras que uno de razonamiento más capaz se reserva para las decisiones difíciles.
3. Seleccionar el hardware apropiado. La carga puede repartirse entre distintos tipos de procesadores, en lugar de quedar atada a la infraestructura de un único fabricante.
4. Optimizar según las limitaciones operativas. Las decisiones de enrutamiento pueden tener en cuenta la latencia, el coste y las necesidades energéticas.

La empresa afirma que su plataforma está diseñada para funcionar en distintos entornos de nube y con hardware que incluye chips de Nvidia y AMD, los aceleradores AWS Trainium e Inferentia y los sistemas de Cerebras.

En un agente empresarial, por ejemplo, un acelerador de baja latencia podría gestionar las interacciones frecuentes, una GPU de propósito general otra fase y un modelo de razonamiento más potente solo cuando la tarea lo requiera. El posible beneficio no se limita a poder cambiar de hardware: consiste en diseñar un flujo de trabajo aprovechando las fortalezas de varios componentes.

Beneficios anunciados, pero con una salvedad importante

Callosum asegura que su enfoque ha conseguido hasta el doble de precisión, siete veces más rendimiento y cuatro veces menos coste en determinadas cargas de trabajo complejas. Son cifras de la propia compañía difundidas alrededor de su salida del modo sigiloso en febrero; la cobertura disponible no demuestra que hayan sido verificadas de forma independiente ni que sean aplicables a las cargas de trabajo de IA en general.

La lógica económica es sencilla. Si no todos los pasos de una aplicación necesitan el modelo más potente disponible, utilizar una opción más barata o rápida para las tareas rutinarias podría reducir el coste de inferencia. Y si tampoco todos los pasos requieren el mismo procesador, los operadores podrían aprovechar mejor la capacidad disponible y reducir su dependencia de un único proveedor de hardware.

El enfoque podría ser relevante para la automatización del uso de ordenadores, los pagos, la ciberseguridad y las aplicaciones multiagente, ámbitos que combinan varios tipos de cálculo. Sin embargo, su éxito dependerá de que la capa de enrutamiento tome decisiones fiables sin añadir tanta complejidad u holgura operativa que termine anulando esas ventajas.

La conexión con la soberanía de la IA

El argumento de Callosum va más allá de la optimización. Entrenar y ofrecer servicios basados en sistemas de IA de frontera requiere grandes cantidades de capital, electricidad y hardware especializado. Concentrar esas necesidades en un pequeño número de empresas de modelos y fabricantes de chips puede aumentar la dependencia tanto de los proveedores dominantes como de las regiones donde se concentra esa infraestructura.

Una capa de software independiente del hardware podría dar a las organizaciones más margen para decidir dónde ejecutar sus cargas y facilitar el uso de procesadores alternativos. En ese sentido, una infraestructura heterogénea forma parte de una estrategia de soberanía de la IA: empresas y países podrían utilizar una gama más amplia de chips disponibles en lugar de depender por completo de un único ecosistema tecnológico.

Por ahora, se trata de una aspiración, no de un resultado demostrado. Ser compatible con varios chips no crea por sí solo un mercado de hardware competitivo. El valor práctico dependerá del rendimiento, la disponibilidad, las herramientas para desarrolladores y la fiabilidad de las integraciones de Callosum.

Cuánto dinero ha captado y quién la respalda

Callosum anunció una ronda de 10,25 millones de dólares en febrero de 2026, cuando salió del modo sigiloso. La operación estuvo liderada por Plural y contó con la participación identificada de los inversores ángeles Charlie Songhurst, Stan Boland y John Lazar. Por separado, la agencia británica Advanced Research and Invention Agency (ARIA) aportó financiación mediante una subvención de investigación para integrar chips novedosos; no fue presentada como inversora de capital en aquella ronda.

El 20 de agosto de 2026, la compañía anunció otra ronda semilla de 100 millones de dólares, liderada por Atomico, con una participación significativa de Plural, DCVC y el UK Sovereign AI Fund, además de otros inversores y business angels.

Si ambas rondas se suman —como presenta la cobertura disponible—, Callosum ha anunciado aproximadamente 110,25 millones de dólares desde su salida del modo sigiloso. La cifra sigue la forma en que se han comunicado las operaciones, aunque el anuncio público de la empresa no ofrece un desglose completo de todos los participantes no identificados.

Qué indica el respaldo del Reino Unido

Callosum afirma que esta operación es la primera inversión del UK Sovereign AI Fund y que la empresa fue incluida en el plan británico de 1.100 millones de libras para hardware de IA. El ministro británico de IA, Kanishka Narayan, también destacó públicamente la importancia de utilizar los chips de manera eficiente a medida que crece la demanda de capacidad de cálculo para IA.

En conjunto, estas señales presentan la tecnología de Callosum como algo más que una herramienta privada para optimizar costes. El Gobierno británico está situando el acceso diversificado al hardware de IA y una orquestación más eficiente dentro de su estrategia de capacidad y soberanía tecnológica. Esto no garantiza el éxito técnico o comercial de la startup, pero ayuda a explicar por qué una capa de enrutamiento ha atraído respaldo público estratégico además de capital riesgo.

Por qué importa la alianza con Cerebras

La alianza principal de Callosum con Cerebras incorpora la capacidad de esta empresa a su capa de enrutamiento heterogéneo. El objetivo es utilizar la inferencia de baja latencia de Cerebras allí donde la velocidad sea especialmente valiosa, mientras otras fases de la carga se dirigen a modelos o procesadores diferentes.

Esto podría resultar útil en sistemas en tiempo real y multiagente, donde los retrasos se acumulan después de numerosas llamadas a modelos. Callosum y Cerebras describen la combinación como una vía para operar a escala sistemas de IA que antes habrían sido demasiado lentos, caros o poco prácticos.

Existe, no obstante, una discrepancia en la atribución de esa afirmación. Tech.eu atribuye la frase al director ejecutivo de Cerebras, Andrew Feldman, mientras que el anuncio de Callosum atribuye el mismo texto a Andy Hock, director de estrategia de Cerebras. La alianza y su objetivo declarado de reducir la latencia coinciden en las fuentes; lo que no coincide es la atribución del portavoz.

La pregunta decisiva

La tesis de Callosum es que la infraestructura de IA debería parecerse menos a una única máquina gigantesca y más a un ecosistema coordinado: varios modelos, distintos tipos de chips y un software capaz de asignar cada tarea al recurso más adecuado.

La idea responde a presiones reales del despliegue de IA: la latencia, el coste, el consumo energético y la dependencia de cadenas de suministro concentradas. Pero la prueba definitiva será operativa. Callosum tendrá que demostrar que el enrutamiento heterogéneo mejora aplicaciones completas —no solo benchmarks aislados— y que, al mismo tiempo, hace que un entorno de hardware mixto sea lo bastante sencillo para los desarrolladores y fiable para producción.

Su ronda semilla de 100 millones de dólares sugiere que los inversores consideran grande y estratégicamente relevante ese problema de coordinación. La promesa más amplia de la tecnología, sin embargo, dependerá de que la empresa convierta la diversidad de hardware en ventajas medibles y repetibles para usuarios reales.