Multiverse Computing ha iniciado una colaboración con Qualcomm Technologies para optimizar el despliegue de modelos de inteligencia artificial en centros de datos. El acuerdo busca combinar la tecnología de aceleración de IA de Qualcomm con las soluciones de compresión y optimización de modelos desarrolladas por Multiverse Computing. La colaboración permitirá adaptar las soluciones de la compañía española a las plataformas Qualcomm Dragonfly AI200 y AI250. El objetivo es aumentar la capacidad de procesamiento de los centros de datos sin necesidad de ampliar su infraestructura. Para ello, los modelos se optimizarán antes de ejecutarse en los aceleradores de Qualcomm.
La tecnología de Multiverse Computing reduce la huella de cómputo y memoria necesaria para ejecutar los modelos de IA. Esto permite liberar capacidad en las infraestructuras existentes y aumentar el número de solicitudes de inferencia que pueden procesarse simultáneamente. Según la compañía, este enfoque también puede facilitar que los operadores ejecuten más modelos a la vez. De esta forma, pueden ampliar sus servicios de inteligencia artificial sin incorporar nuevos aceleradores ni construir nuevos centros de datos. La colaboración aborda uno de los principales retos que plantea la expansión de la IA generativa. El crecimiento de las cargas de trabajo de inteligencia artificial está incrementando la demanda de capacidad de cálculo y, con ella, las necesidades de energía y memoria de los centros de datos.
El tiempo de respuesta es un 93% menor
Las capacidades de optimización de Multiverse Computing ya fueron demostradas junto a Qualcomm Technologies durante el Mobile World Congress (MWC) Barcelona 2026. En una de las demostraciones se utilizó un modelo de lenguaje de gran tamaño (LLM) de código abierto previamente comprimido. El modelo funcionó sobre el acelerador Qualcomm Cloud AI100 Ultra en un escenario de generación de informes médicos de emergencia en tiempo real. Según los resultados comunicados por Multiverse Computing, la versión comprimida consiguió reducir hasta un 93% los tiempos de respuesta frente al modelo original. El rendimiento aumentó hasta un 44%, mientras que el uso de memoria se redujo hasta un 45%. El consumo energético también cayó hasta un 21%. La compañía señala que estas mejoras se consiguieron sin pérdida de precisión.
IA para información financiera confidencial
La colaboración también se probó con un sistema RAG (generación aumentada por recuperación) desplegado on-premise. El escenario estaba orientado a la consulta de documentación financiera confidencial, un ámbito en el que el control sobre los datos resulta especialmente relevante. En esta prueba, el sistema llegó a funcionar un 35% más rápido y obtuvo hasta un 54% más de rendimiento. Al mismo tiempo, redujo hasta un 45% el uso de memoria y hasta un 14% el consumo energético, también sin pérdida de precisión. Este tipo de despliegues puede resultar especialmente interesante para organizaciones que necesitan ejecutar modelos de IA sobre información sensible sin trasladar sus datos a infraestructuras externas.
Una alianza entre optimización y aceleración
La colaboración entre Multiverse Computing y Qualcomm combina dos capas diferentes de la infraestructura necesaria para ejecutar inteligencia artificial. Qualcomm aporta los aceleradores destinados al procesamiento de estas cargas de trabajo, mientras que la compañía española trabaja en reducir los recursos necesarios para ejecutar los modelos. El resultado que buscan ambas compañías es aumentar la eficiencia de los centros de datos. Con modelos que ocupen menos memoria y requieran menos capacidad de cálculo, los mismos recursos físicos pueden atender un volumen mayor de trabajo.
Multiverse Computing sostiene que las aplicaciones ejecutadas sobre los nuevos aceleradores Qualcomm Dragonfly AI200 y AI250 podrán alcanzar resultados de referencia todavía mejores. La compañía donostiarra refuerza así su posicionamiento en un mercado en el que reducir el coste computacional y energético de la inteligencia artificial se ha convertido en uno de los principales retos tecnológicos.
