Tres exinvestigadores de OpenAI crean Applied Compute para impulsar el código abierto corporativo
Tres jóvenes investigadores procedentes de OpenAI y la Universidad de Stanford abandonaron la compañía para fundar Applied Compute, una startup especializada en adaptar modelos de IA de código abierto para el sector corporativo.
El irrupción del modelo de código abierto R1 de la firma china DeepSeek a principios de 2025 generó un giro tectónico en la industria tecnológica global. La demostración de que una estructura con recursos acotados podía competir contra los gigantes del sector impulsó a Yash Patil, Rhythm Garg y Linden Li —tres investigadores de veintitantos años de OpenAI— a replantearse el paradigma dominante del desarrollo propietario. Convencidos de que las grandes corporaciones preferirían adaptar sistemas abiertos antes que entregar sus datos privados a terceros, los fundadores decidieron abandonar la compañía para crear su propia infraestructura.
Cinco meses después de aquel catalizador, el equipo constituyó Applied Compute, una startup enfocada en el entrenamiento de modelos de código abierto personalizados para clientes corporativos, ejecutando los procesos directamente en su propia nube de supercomputación. La propuesta de valor responde a la reticencia de entidades financieras y grandes firmas industriales a compartir información confidencial con plataformas cerradas como OpenAI o Anthropic.
Crecimiento acelerado e infraestructura en la nube
La tracción comercial de la empresa se consolidó a un ritmo inusual en el ecosistema de la inteligencia artificial. Tras levantar una ronda semilla de 20 millones de dólares en junio de 2025, la compañía sumó a su cartera de clientes a corporaciones como DoorDash, Nvidia y Microsoft. El propio director ejecutivo de Microsoft, Satya Nadella, participó en una reunión pública con Patil para analizar el impacto operativo del código abierto en las estrategias de IA empresarial.
La metodología técnica de la firma emplea sistemas como Qwen o Kimi como base, aplicando aprendizaje por refuerzo (reinforcement learning) para ajustar las capacidades de los modelos a los requerimientos específicos de cada cliente. Este enfoque reduce drásticamente los costos recurrentes de desarrollo y procesamiento para las empresas en comparación con los esquemas de licenciamiento propietario tradicional.
Negociaciones de capital y proyección del mercado
Quince meses después de su fundación, Applied Compute mantiene conversaciones para cerrar una ronda de inversión de 350 millones de dólares, liderada por el inversor ángel Elad Gil y con el respaldo de fondos como Lux Capital y Kleiner Perkins. El nuevo volumen de capital llevaría la valoración de la compañía a los 3.250 millones de dólares, duplicando su valor en un periodo de solo cuatro meses y marcando una velocidad de crecimiento superior a la de los principales unicornios de la aceleradora Y Combinator.
De concretarse la operación, la mayor parte de los fondos se destinará a la adquisición masiva de procesadores gráficos para expandir la capacidad de cómputo de su red. El rápido ascenso de la firma pone de relieve una transformación estructural en la demanda corporativa, donde la privacidad de los datos, el control del software y la reducción de costos operativos están posicionando al código abierto como un pilar fundamental en la adopción de inteligencia artificial a gran escala.