Lola Vision construye chips y software para acelerar la IA en dispositivos

Tayo Adesanya pasó casi 12 años trabajando con microchips y procesadores de IA, principalmente ayudando a grandes fabricantes a decidir qué chips usar en su hardware, una etapa que —según él— le dio una visión temprana de hacia dónde se dirigía la demanda en el mercado de la computación de IA. En 2024 lanzó Lola Vision Systems, una empresa de infraestructura de IA que desarrolla software y chips para ejecutar modelos de IA en dispositivos.

El producto principal de la empresa es un “conjunto de herramientas compilador” (compiler toolchain), un software que traduce un modelo de IA en instrucciones que un chip específico puede ejecutar. Adesanya dice que ese cuello de botella es enorme: configurar manualmente un modelo de IA en hardware nuevo puede tomar alrededor de 200 horas solo para empezar a hacer pruebas. Lola Vision afirma haber reconstruido esa capa de software y también está desarrollando sus propios chips semiconductores, con el objetivo de automatizar más el proceso. Un cliente aporta su código y el modelo de IA que quiere usar —propio o de código abierto— y el software traduce ambos en instrucciones que el chip del cliente puede ejecutar.

Adesanya sostiene que la velocidad es solo una parte del beneficio: una configuración más rápida le da a empresas aeroespaciales y a otras compañías de misión crítica más tiempo para ejecutar modelos más precisos sobre sus propios datos, con menor consumo de energía. “Para estos clientes”, dijo, “la precisión y la confiabilidad no son un lujo. Determinan si un producto pasa la revisión regulatoria y si funciona de manera confiable en el campo”.

Lola Vision, con sede en Washington D.C., es una de varias startups que ofrecen una alternativa a la tecnología de Nvidia para ejecutar IA en dispositivos. Adesanya dice que muchas empresas en cambio empiezan con los módulos Jetson de Nvidia o con modelos de IA de código abierto, que a menudo fallan o funcionan mal desde el primer momento, lo que obliga a los equipos a pasar días o semanas solo para ponerlos en marcha y más semanas depurándolos. Aun así, según él, el consumo de energía suele exceder los presupuestos de computación en el borde (edge computing), o la placa no puede ofrecer suficiente capacidad de cómputo para los modelos que el producto realmente necesita, lo que deja a los modelos de reconocimiento por debajo de los objetivos o interpretando mal los objetos.

Una docena de clientes corporativos han firmado cartas expresando interés en comprar los chips de Lola Vision una vez que estén disponibles, y la empresa ya tiene un cliente firmado. También se asoció con SCALE, un programa de desarrollo de la fuerza laboral en microelectrónica, para trabajar con más laboratorios de semiconductores. Para generar ingresos antes, dijo Adesanya, la empresa ahora licenciará su software en hardware existente en lugar de esperar a tener sus propios chips. Lola Vision ha recaudado poco más de USD 1 millón en financiamiento total hasta la fecha, y fue seleccionada para el TechCrunch Battlefield 200 de este año, un programa para 200 startups.

Por qué importa

La apuesta de Lola Vision es que, a medida que más industrias llevan modelos de IA a cámaras, drones y otros dispositivos de borde, la capa de software que logra que un modelo funcione en un chip determinado —y no solo el chip en sí— se convierta en el problema más difícil y más valioso por resolver.