es.wedoany.com Noticia: El 25 de junio, Sail Research, empresa estadounidense de infraestructura de infraestructura para agentes de IA, anunció la finalización de rondas de financiación semilla y Serie A, recaudando un total de 80 millones de dólares, con una valoración de la empresa de 450 millones de dólares. La ronda Serie A fue liderada por Kleiner Perkins de Estados Unidos, y la ronda semilla por Sequoia Capital de Estados Unidos. Los fondos se destinarán a construir infraestructura de inferencia de alta eficiencia para agentes de IA de ciclo largo.
Sail Research se centra en el problema de costos en la operación a gran escala de agentes de IA. Las aplicaciones de IA conversacional comunes suelen diseñarse para una sola consulta o sesión corta, mientras que los agentes de IA de ciclo largo necesitan ejecutarse continuamente durante horas o incluso días, realizando análisis de código, investigación empresarial, selección de candidatos, procesamiento de documentos y planificación de tareas complejas. Cuanto más dura la tarea, mayor es el número de invocaciones del modelo, el consumo de contexto y el uso de tokens, lo que hace que el costo de inferencia se convierta fácilmente en un cuello de botella para la implementación empresarial de agentes.
Esta empresa no intenta reconstruir un solo modelo, sino el entorno de inferencia subyacente y el sandbox del que dependen los agentes al operar. La infraestructura que ofrece Sail Research incluye una pila de inferencia reconstruida para rendimiento y eficiencia, así como un entorno sandbox Sailboxes que puede funcionar de forma continua durante horas o días. La primera se utiliza para reducir el costo unitario por token en tareas largas, y la segunda permite que los agentes trabajen de forma continua en un entorno con estado, facturando según el tiempo real de trabajo, reduciendo los costos de inactividad en tareas de ciclo largo.
Los inversores de esta ronda de financiación se centran en infraestructura de IA y sistemas de software. Además de Kleiner Perkins y Sequoia Capital de Estados Unidos, también participaron Redpoint Ventures, Theory Ventures, Vine Ventures, CRV, A* y Abstract Ventures, todos de Estados Unidos. Los inversores ángeles incluyen a John Hennessy, presidente de Alphabet de Estados Unidos, Lip-Bu Tan, CEO de Intel de Estados Unidos, y Tri Dao, científico jefe de Together AI de Estados Unidos.
El equipo fundador de Sail Research tiene experiencia en hardware y sistemas a gran escala. El cofundador y CEO Neil Movva trabajó anteriormente en NVIDIA, Apple y Together AI de Estados Unidos en rendimiento de GPU, infraestructura y sistemas de IA; el cofundador y CTO Samir Menon también participó en la construcción de sistemas a gran escala en Apple de Estados Unidos. Esta experiencia determina que la empresa se centre más en la utilización de la potencia computacional, el rendimiento de inferencia, la programación de cargas de trabajo y la optimización de costos a nivel de sistema, en lugar de simplemente empaquetar productos de agentes de IA en la capa de aplicación.
Los agentes de IA de ciclo largo imponen requisitos diferentes a la infraestructura. Cuando un usuario humano espera una respuesta, le importa más la baja latencia; cuando un agente ejecuta tareas de forma continua, necesita un rendimiento estable, contexto escalable, capacidad de invocación concurrente y costos controlables. Sail Research considera que la infraestructura de inferencia existente está diseñada principalmente para interacciones cortas y no es adecuada para que los agentes consuman grandes cantidades de tokens de forma continua y mantengan una ejecución prolongada, por lo que es necesario rediseñar el sistema subyacente en torno a la forma de trabajar de los agentes.
La empresa afirma que su infraestructura de inferencia mejora la eficiencia del uso de GPU mediante la personalización de motores de inferencia de código abierto, la asignación de cargas de trabajo entre proveedores y el aprovechamiento de recursos computacionales infrautilizados, logrando en algunas evaluaciones una reducción de hasta 10 veces en el costo unitario por token. Su API es compatible con los flujos de trabajo existentes de OpenAI y admite modelos de código abierto como DeepSeek, Gemma, GLM, Kimi y Nemotron, facilitando la integración de las empresas sin necesidad de modificar significativamente la arquitectura de la aplicación.
Sail Research ya atiende a algunos clientes de flujos de trabajo de IA, incluyendo la empresa de datos web Parallel Web Systems, la plataforma de revisión de código Detail.dev y Jack and Jill. Para estos clientes, el agente no solo responde preguntas, sino que debe leer páginas web de forma continua, analizar bases de código, generar informes o procesar flujos complejos. Una vez que estos escenarios entran en producción, el costo de inferencia, la estabilidad operativa y la capacidad de recuperación de tareas afectan directamente la viabilidad comercial.
Tras completar la financiación de 80 millones de dólares, Sail Research entrará en una fase de expansión temprana en el sector de infraestructura de agentes de IA. A medida que las empresas pasen de probar chatbots a implementar agentes de IA que puedan trabajar de forma sostenida, la plataforma de inferencia subyacente, el entorno sandbox, la programación de tareas y el control de costos se convertirán en nuevos focos de competencia. Queda por ver si Sail Research puede convertir su ventaja de costos en un crecimiento estable de clientes, y si la infraestructura para agentes de IA de ciclo largo se convertirá en una capa base independiente en la implementación de aplicaciones de IA.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
