Vinci recauda 250 M$ para acelerar la simulación física de chips

Vinci, una empresa de Palo Alto que usa IA para simular la física de chips y hardware, recaudó 250 millones de dólares con una valoración de 1.500 millones de dólares el 6 de octubre de 2026. Advent, Temasek y Xora Innovation lideraron la Serie B, según informa The Next Web. La apuesta es que las comprobaciones físicas, que hoy tardan horas o días, puedan ejecutarse mientras los ingenieros aún dibujan el diseño. Para los equipos que fabrican chips de IA que se calientan mucho, eso podría recortar semanas de cada ciclo de diseño.

Qué construye Vinci

Antes de fabricar un chip, los ingenieros simulan cómo se comportará. ¿Se sobrecalentará? ¿Se doblará o se agrietará al calentarse? Las herramientas convencionales responden a estas preguntas con lentitud. Por eso los equipos las ejecutan en puntos de control fijos en lugar de hacerlo todo el tiempo.

Vinci empezó por el calor, porque el calor se ha convertido en un problema creciente a medida que los chips de IA se hacen más grandes y complejos. Según The Next Web, la empresa quiere ahora simular sistemas completos. Planea añadir a continuación pruebas de vibración y electromagnetismo.

Converge Digest enumera cuatro partes de la plataforma:

• preparación automatizada de los archivos de diseño
• «orquestación agéntica», es decir, agentes de IA que configuran y ejecutan los trabajos
• modelos fundacionales de física, que son grandes modelos de IA entrenados con comportamiento físico
• núcleos nativos de GPU, código escrito para ejecutarse directamente en procesadores gráficos

Según Pulse 2.0, la plataforma funciona en «zero-shot» con el comportamiento térmico, termomecánico y de fluidos convectivos. Zero-shot significa que resuelve un caso nuevo sin haber sido entrenada antes con ese caso exacto.

Las afirmaciones de velocidad

La afirmación principal de Vinci es la velocidad. The Next Web y RuntimeWire informan de simulaciones hasta 1.000 veces más rápidas que las herramientas convencionales. The Next Web añade que Vinci dice que esto se logra sin pérdida de precisión.

Converge Digest y Pulse 2.0 afirman que la plataforma puede evaluar en minutos diseños con más de 15.000 millones de grados de libertad. Los grados de libertad son los valores desconocidos que una simulación debe resolver, como la temperatura en cada diminuto punto de un chip. Quince mil millones de ellos describen un modelo muy detallado.

Son cifras de la propia empresa. Ninguno de los cuatro informes cita una prueba independiente.

Quién invirtió y para qué es el dinero

Detalle	Cifra
Ronda	Serie B
Importe	250 millones de dólares
Valoración	1.500 millones de dólares
Inversores principales	Advent, Temasek, Xora Innovation
También invierten	Eclipse, Khosla Ventures, Madrona; AMD Ventures, según Converge Digest
Financiación anterior	46 millones de dólares, anunciados en diciembre de 2025, según The Next Web
Empleados	70

RuntimeWire sitúa el total recaudado en 296 millones de dólares y dice que el dinero anterior incluía una Serie A de 36 millones de dólares.

El CEO Hardik Kabaria dijo a The Next Web que el dinero pagará capacidad de cómputo, nuevo personal y más productos de simulación. El siguiente paso es pasar de dos despliegues piloto con clientes a 20. «Es un modelo fundacional que ha demostrado funcionar en el campo», dijo Kabaria.

La participación de AMD es notable, porque AMD diseña justo el tipo de chips que necesitan este trabajo. Brian Amick es vicepresidente sénior de tecnología e ingeniería de AMD. «Diseñar sistemas avanzados exige que los ingenieros entiendan cómo interactúan el comportamiento térmico, físico y eléctrico en el chip, el encapsulado y la placa», dijo a Converge Digest.

Converge Digest afirma que la ronda también financia el paso a la dinámica de fluidos y a nuevas áreas de hardware: memoria, vehículos, aviones y satélites.

La IA para el diseño de chips atrae dinero desde varias direcciones. Dos días antes, OpenAI y Synopsys anunciaron GPT-Synopsys, un modelo para el diseño de chips.

Qué significa para los desarrolladores

La mayoría de los equipos no tocará Vinci directamente. Importa a los ingenieros de hardware, encapsulado y térmica, y a los equipos de software que construyen sus herramientas.

• Trate la afirmación de velocidad como una hipótesis. «Hasta 1.000 veces» es el mejor caso. Si evalúa Vinci, ejecútelo sobre un diseño anterior cuyos resultados reales ya conozca. Después compare sus respuestas con su solver actual y con el chip medido.
• Espere pilotos, no un producto terminado. Dos despliegues con clientes son una etapa temprana. Pregunte qué soporte, garantías de precisión y opciones de exportación incluye un piloto antes de planificar un tape-out sobre esa base.
• Presupueste GPU. La plataforma funciona con código nativo de GPU, así que el coste pasa de las licencias de software al tiempo de cómputo. Pregunte si se ejecuta en la nube de Vinci o en su propio hardware.
• Vigile la expansión. El calor es el primer dominio. Que los mismos modelos aguanten en vibración y electromagnetismo mostrará si esto es un solver rápido o una plataforma de física general.

La señal más clara será la próxima cifra de clientes. Vinci fijó 20 despliegues como objetivo, y ese número es fácil de comprobar.