El dominio de Nvidia en el mercado de aceleración de inteligencia artificial lleva años siendo prácticamente incuestionable, pero una pequeña startup de nombre Tensordyne acaba de lanzar un desafío que merece toda la atención del sector. La empresa, con oficinas en California y Múnich, ha presentado TDN Math, una arquitectura de computación basada en números logarítmicos diseñada específicamente para inferencia de IA. El argumento central es tan ambicioso como directo: un rendimiento muy superior al de las soluciones actuales de Nvidia con un consumo energético significativamente menor. Si las promesas se sostienen con datos reales, estaríamos ante uno de los movimientos más relevantes del sector en años.

TDN Math: repensar las matemáticas de la IA desde cero

Para entender qué propone Tensordyne, hay que dar un paso atrás y explicar cómo funcionan los chips de IA actuales. La inmensa mayoría de los aceleradores —incluyendo las GPU de Nvidia— operan con aritmética en punto flotante, ya sea en formato FP32, FP16 o sus variantes como BF16 y FP8. Este tipo de representación numérica es versátil y está enormemente optimizada tras décadas de ingeniería, pero no fue concebida específicamente para las operaciones matriciales masivas que requiere la inferencia de modelos de lenguaje o visión artificial. Tensordyne apuesta por una alternativa radicalmente diferente: la aritmética logarítmica, un sistema en el que los números se representan y operan directamente en escala logarítmica. Esto tiene una consecuencia práctica muy poderosa: las multiplicaciones —la operación dominante en redes neuronales— se convierten en simples sumas, lo que reduce de forma drástica la complejidad del circuito y, con ello, el consumo de energía.

La propuesta de Tensordyne no es solo un cambio de software ni una optimización incremental: implica hardware propio diseñado desde cero para explotar esta arquitectura matemática. La startup habla de su ecosistema como una combinación de nueva arquitectura numérica —bautizada TDN Math— y chips específicos que la implementan de forma nativa. Para el mercado de la inferencia, donde los centros de datos procesan miles de millones de consultas al día y el coste energético es un factor crítico de competitividad, un sistema que haga lo mismo gastando menos julios por operación puede suponer una ventaja económica brutal. Es el mismo argumento que llevó a ARM a conquistar el mundo móvil frente a x86: no se trata de quién es más rápido en pico absoluto, sino de quién ofrece el mejor rendimiento por vatio.

Especificaciones técnicas

La información técnica publicada hasta ahora por Tensordyne se centra en los pilares conceptuales de la solución. Estos son los puntos clave que la empresa ha comunicado:

  • Arquitectura matemática: Sistema de números logarítmicos (LNS) propio, denominado TDN Math
  • Caso de uso principal: Inferencia de inteligencia artificial (no entrenamiento)
  • Hardware: Chips diseñados internamente para implementación nativa de TDN Math
  • Promesa de rendimiento: Múltiplos de mejora sobre soluciones actuales de Nvidia (cifras exactas pendientes de validación independiente)
  • Promesa de eficiencia: Consumo energético significativamente inferior al de la competencia en cargas de inferencia
  • Sede: California (EE. UU.) y Múnich (Alemania)
Tensordyne asegura un rendimiento varias veces superior al de Nvidia en inferencia de IA con un consumo energético notablemente menor: si se confirma de forma independiente, sería el salto cualitativo más importante en aceleración de IA en años.

David contra Goliat: el contexto competitivo que lo hace tan difícil (y tan interesante)

Nvidia no es un rival cualquiera. La compañía de Jensen Huang no solo fabrica el hardware más demandado del planeta en este momento, sino que ha construido alrededor de CUDA —su plataforma de programación para GPU— un ecosistema de herramientas, librerías y talento humano que lleva casi dos décadas creciendo. Cualquier alternativa que aspire a competir seriamente no solo tiene que presentar un chip más eficiente: tiene que convencer a los equipos de ingeniería de los grandes centros de datos de que merece el esfuerzo de migrar su software. Ese foso tecnológico es, hoy por hoy, la mayor ventaja competitiva de Nvidia, incluso por encima del silicio en sí. Otras grandes empresas —Google con sus TPU, Amazon con Trainium e Inferentia, o startups como Cerebras y Graphcore— llevan años intentando erosionar esa posición con resultados desiguales.

Lo que diferencia la apuesta de Tensordyne es el enfoque matemático. Mientras que la mayoría de los competidores replican la lógica de punto flotante pero con microarquitecturas distintas, TDN Math propone cambiar las reglas del juego a nivel más fundamental. Si la aritmética logarítmica permite reducir la superficie de silicio dedicada a multiplicadores —los bloques más costosos en área y energía de cualquier acelerador de IA—, la ventaja teórica es real. El problema es que "teórica" es la palabra clave: la historia del sector está llena de startups que presentaron promesas extraordinarias en papel y no lograron traducirlas en productos competitivos a escala. La validación independiente y los primeros benchmarks reales serán el verdadero examen.

¿Qué supone para el comprador en España?

A día de hoy, Tensordyne no ha anunciado precios, fechas de disponibilidad ni acuerdos de distribución para Europa. Se trata de una empresa en fase de presentación pública de su tecnología, por lo que hablar de cuándo y a qué precio llegarán sus chips a un centro de datos español —o a través de servicios cloud accesibles desde aquí— es prematuro. Lo que sí es relevante para el mercado europeo es la presencia de la startup en Múnich, lo que sugiere una vocación de expansión en el continente y una posible sensibilidad hacia la regulación y las exigencias de soberanía tecnológica que están ganando peso en la Unión Europea. Las empresas españolas que actualmente pagan facturas millonarias por acceso a capacidad de inferencia en GPU de Nvidia —ya sea a través de Azure, AWS o Google Cloud— deberían seguir de cerca esta tecnología. Si TDN Math cumple aunque sea una fracción de lo prometido, el impacto en el coste por consulta podría ser muy significativo.

Nuestra valoración

Tensordyne es exactamente el tipo de apuesta que el sector necesita: una disrupción conceptual que no intenta copiar a Nvidia sino redefinir el problema. La aritmética logarítmica no es ciencia ficción —existe en la literatura académica desde hace décadas—, y aplicarla con hardware dedicado a la inferencia de IA tiene una lógica de ingeniería sólida. El escepticismo es sano y obligado: hemos visto demasiadas startups de chips prometedoras desvanecerse antes de llegar a producción en masa. Pero ignorar a Tensordyne por eso sería un error igual de grande.

Nuestra recomendación es clara: si eres un responsable de infraestructura o un entusiasta del hardware de IA, pon a Tensordyne en tu radar y espera los primeros benchmarks independientes. No tiene ningún sentido mover cargas de trabajo ahora mismo, pero tampoco renovar contratos a largo plazo con proveedores de GPU sin al menos conocer qué alternativas pueden estar disponibles en los próximos 18-24 meses. El mercado de aceleración de IA está en plena ebullición y, por primera vez en mucho tiempo, hay argumentos técnicos serios para pensar que Nvidia puede tener competencia real en el segmento de inferencia.