Positron ataca a Nvidia donde las GPU desperdician memoria y recauda 230 millones de dólares antes de que su ASIC salga al mercado

Positron AI fabrica hardware y software energéticamente eficientes para ejecutar modelos de IA, y vende un dispositivo de inferencia llamado Atlas que se conecta a centros de datos en la nube o locales.

La apuesta es que el hardware de inferencia ganador proviene de explotar el ancho de banda y la capacidad de memoria, no de superar a Nvidia en FLOPS, y que las FPGA podrían demostrarlo antes que un ASIC.

23,5 millones de dólares en una ronda semilla a principios de 2025, luego una Serie A de 75 millones de dólares en junio de 2025 y después una Serie B de 230 millones de dólares con una valoración posterior al dinero superior a 1000 millones de dólares en febrero de 2026 — poco más de 300 millones de dólares en total (TechCrunch; Business Wire).

Thomas Sohmers y Edward Kmett, ambos exalumnos de la startup de inferencia Groq, fundaron Positron en abril de 2023 a partir de una observación: la inferencia de transformers está limitada por el ancho de banda y la capacidad de memoria, no por la capacidad de cómputo, y las arquitecturas de GPU desperdician la mayor parte de ambos. Eligieron FPGA para poder iterar con clientes que pagaban antes de comprometerse con un ASIC.

Atlas comenzó a enviarse en el verano de 2024, y EE Times informó de las primeras entregas de un pedido de varios millones de dólares en febrero de 2025. Positron recaudó una Serie A de 75 millones de dólares en junio de 2025 y comenzó a diseñar Asimov, su propio silicio personalizado. El 4 de febrero de 2026 anunció una Serie B de 230 millones de dólares con una valoración superior a 1000 millones de dólares, coliderada por ARENA Private Wealth, Jump Trading y Unless, con la participación de QIA, Arm y Helena, y con los inversores existentes Valor Equity Partners, Atreides Management y DFJ Growth.

A febrero de 2026, Positron vende sistemas Atlas fabricados en Estados Unidos mientras se apresura a tape out de Asimov para finales de 2026 y a alcanzar la producción a principios de 2027 — una apuesta a que un chip con la memoria como prioridad puede superar al Rubin de Nvidia en tokens por vatio y en rendimiento por dólar.

La inferencia de transformers está limitada por la memoria: las GPU sostienen menos del 30 % de su ancho de banda de memoria teórico en ella, mientras que el diseño FPGA de Positron sostiene el 93 % en distintos casos de uso (EE Times).

Las FPGA permiten a la startup demostrar la demanda a bajo costo — Atlas se envió a clientes de nube que pagaban antes de que Positron comprometiera los años y el capital que requiere un ASIC (EE Times).

Un cliente se convirtió en la prueba: Jump Trading midió una latencia de extremo a extremo aproximadamente 3 veces menor que la de un sistema H100 en sus cargas de trabajo, y luego pasó a coliderar la ronda (Business Wire).

La energía es el siguiente cuello de botella en el despliegue de IA, y Atlas afirma tener un rendimiento de clase H100 con menos de un tercio de la potencia, por lo que los compradores de inferencia tienen motivos para cambiar (TechCrunch).

Atacar a los actores establecidos donde son débiles: Positron se centró en el ancho de banda de memoria, donde las GPU desperdician la mayor parte de su capacidad, y consiguió clientes que pagaban antes de que existiera su propio ASIC.

Tras el anuncio del 4 de febrero de 2026, Positron dijo que Atlas se estaba enviando a clientes de vanguardia en la nube y la computación avanzada y que esperaba una tracción comercial a gran escala en aproximadamente 2,5 años desde el lanzamiento. La siguiente prueba es Asimov: tape out previsto para finales de 2026 y producción a principios de 2027, con 2 TB de memoria por acelerador y 8 TB por sistema Titan, con una capacidad de memoria a escala de rack superior a 100 TB. A principios de febrero de 2026 no se había hecho ningún tape out — la valoración de 1000 millones de dólares se basa en la tracción de ventas de Atlas y en el benchmark del lado del cliente de Jump Trading, no en silicio Asimov ya disponible.