Un spin-off de Databricks acaba de demostrar que puede construir un modelo generativo de imágenes que funciona con una arquitectura de hardware radicalmente distinta a todo lo que mueve la industria hoy. La empresa es Unconventional AI, fundada por Naveen Rao, ex jefe de IA de Databricks. El modelo se llama Un-0 y fue lanzado el 25 de junio de 2026. Lo cuenta Ana Maria Constantin en The Next Web y lo amplía TechCrunch. El detalle que lo hace relevante no es la calidad de las imágenes, que según las demostraciones es comparable a Stable Diffusion o GPT Image 1. Es que corre sobre una simulación de chip oscilador que, según la empresa, podría reducir el consumo energético de la IA en un factor de 1.000 cuando el hardware físico exista.El hardware físico todavía no existe. Los schematics se publicarán pronto.Qué es un chip oscilador y por qué importaTodos los aceleradores de IA que conocemos hoy —las GPU de Nvidia, los TPU de Google, el Jalapeño de OpenAI anunciado ayer— son variantes de la misma idea: chips digitales que ejecutan operaciones matriciales discretas. La arquitectura Von Neumann, el esquema que define prácticamente toda la computación desde 1945, opera con pasos: obtén instrucción, decodifica, ejecuta, escribe resultado.Unconventional AI propone algo diferente. En lugar de simular la dinámica de un sistema físico paso a paso, su arquitectura osciladora usa la propia física del sustrato como computación. Los osciladores acoplados evolucionan hacia estados que codifican la solución al problema. «Usamos el eje temporal de la física para computar», explica Rao. «Los sistemas computacionales existentes no hacen eso.»El argumento energético es directo. Los centros de datos que alimentan los modelos de IA ya consumen varios gigavatios por despliegue a gran escala. La capacidad eléctrica total del planeta es de aproximadamente 9.000 gigavatios. Los 8.000 millones de cerebros humanos, cada uno funcionando a unos 20 vatios, consumen en conjunto unos 160 gigavatios. Si la IA sigue escalando con la arquitectura digital actual, la brecha energética es matemáticamente insostenible. Rao fija ese límite en 2-4 años.La apuesta de Unconventional AI es que modelos como los de flujo, difusión y energía —exactamente los tipos que generan imágenes— son matemáticamente compatibles con la dinámica de osciladores acoplados. Por eso Un-0 es un generador de imágenes y no, por ejemplo, un LLM: la física encaja mejor.El equipo, la financiación y lo que faltaRao no llega como primer emprendedor en hardware de IA. Fundó Nervana Systems, vendida a Intel por unos 400 millones de dólares en 2016, y Mosaic ML (precursora de lo que se convirtió en parte de Databricks tras ser adquirida por 1.300 millones de dólares en 2023). Tiene un doctorado en neurociencia por la Universidad de Brown, lo que explica la influencia biológica de la arquitectura.Los co-fundadores añaden credibilidad académica: Michael Carbin, profesor asociado del MIT; Sara Achour, profesora asistente de Stanford; y MeeLan Lee, ex Google. La empresa levantó 475 millones de dólares (≈ 418 millones de euros) en una ronda seed liderada por Lightspeed y Andreessen Horowitz, con participación de Sequoia, Lux Capital, DCVC, Future Ventures y Jeff Bezos personalmente. La valoración es de 4.500 millones de dólares (≈ 3.960 millones de euros).El chip actual no es un chip: es una simulación software del comportamiento del hardware oscilador, ejecutada en GPU convencional. Un-0 genera imágenes porque la simulación funciona, no porque haya silicio nuevo. El siguiente paso es publicar schematics y, eventualmente, fabricar el chip real. Rao habla de 6 meses para llegar al tape-out (el punto en que el diseño se envía a fabricación) gracias al uso de herramientas de diseño aceleradas por IA, un ritmo extraordinariamente rápido para hardware de este nivel.El contexto energético amplio que hace urgente este tipo de investigación lo desarrollamos en detalle en nuestro análisis de centros de datos hiperescalados para IA y su factura energética. No es el único camino alternativo: también cubrimos los avances en chips fotónicos que procesan IA con luz en lugar de electricidad, otra vía de eficiencia radical. Y la Universidad de Florida ya publicó resultados de un chip fotónico específicamente diseñado para transformar la eficiencia energética de operaciones de IA, con reducciones drásticas en el consumo de las operaciones de convolución.Mi valoraciónDespués de seguir el sector de hardware de IA desde los primeros anuncios de chips propios de Google en 2016, he aprendido a distinguir entre demos técnicas y hardware real. Unconventional AI está en la primera categoría.Lo que más me convence es la coherencia del argumento físico. La brecha entre la eficiencia de los circuitos digitales modernos y el límite termodinámico de lo que es posible computable es, efectivamente, de varios órdenes de magnitud. Que exista ese margen no significa que esta arquitectura concreta vaya a capturarlo, pero la dirección de la apuesta es lógica.Lo que más me preocupa es la distancia entre la demo actual y el producto. Un-0 genera imágenes comparables a Stable Diffusion en una simulación software sobre GPU. Eso es interesante. Un chip físico que genere imágenes comparables a Stable Diffusion usando 1/1.000 de la energía sería una revolución. Entre esos dos puntos hay años de ingeniería, fabricación y depuración, con probabilidades de fallo elevadas. El presupuesto de 475 millones cubre bastante terreno, pero el historial de hardware de IA no convencional es mayoritariamente de promesas no cumplidas.Lo más estructuralmente significativo es la señal de que las restricciones de energía ya forman parte del cálculo estratégico de inversión en IA. El hecho de que Andreessen Horowitz, Lightspeed y Jeff Bezos pongan 475 millones en una tesis que parte del problema energético dice más sobre dónde ven el cuello de botella que cualquier presentación en conferencia.La pregunta a 12 meses: ¿publica Unconventional AI los schematics del chip y consigue un primer prototipo físico funcional? Si sí, el debate sobre eficiencia energética en IA cambia de tono. Si no, este será otro caso de hardware alternativo que vivió en simulación.Preguntas frecuentes¿Cuándo estará disponible el chip oscilador de Unconventional AI?El chip físico no existe todavía. Un-0 corre en una simulación software del hardware sobre GPU convencionales. La empresa planea publicar schematics pronto y aspira a llegar al tape-out (envío del diseño a fabricación) en unos 6 meses. El despliegue comercial está, en el mejor caso, a 2-3 años vista.¿Por qué los modelos de difusión son más compatibles con esta arquitectura?Los modelos de difusión e imagen generativa están basados en sistemas dinámicos que evolucionan iterativamente hacia un estado final. Esa dinámica se asemeja matemáticamente al comportamiento natural de los osciladores acoplados, que también convergen hacia estados estables. En cambio, los LLMs usan operaciones matriciales secuenciales que no encajan tan bien con la física de los osciladores, según el equipo de Unconventional AI.¿Qué diferencia a Unconventional AI del campo de chips neuromórficos?Los chips neuromórficos —como los que han desarrollado IBM (TrueNorth) o Intel (Loihi)— buscan imitar la arquitectura del cerebro. Unconventional AI no parte de la biología sino de la física: la clave es usar sistemas dinámicos no lineales para computación, sin que necesariamente tengan que parecerse a una neurona. Rao lo explica con claridad: «El problema con los neuromórficos es que tienen que funcionar como el cerebro. ¿Por qué tienen que funcionar como el cerebro?»La noticia Un chip para generar imágenes mil veces más eficiente: Unconventional AI estrena su primer modelo mientras el silicio de la IA sigue quemando la red eléctrica fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.