Otro Demo Day de Y Combinator tuvo lugar el jueves, y esta camada se veía un poco diferente. Si bien cada cohorte trae una nueva ola de fundadores, las startups que se presentaron esta semana se inclinaron mucho más hacia la tecnología profunda que en años anteriores, el tipo de tecnología que un inversionista describió como "ciencia ficción". Pero más allá de las ideas descabelladas, el consenso fue que las valoraciones estaban mucho más fundamentadas que en cohortes recientes, lo cual es el desarrollo más propio de la ciencia ficción de todos.

Como lo hace cada trimestre, TechCrunch pidió a capitalistas de riesgo en etapa temprana que nombraran las startups más candentes de esta camada, tanto sus principales elecciones como los acuerdos de los que todos hablaban. Y como de costumbre, la publicación compiló una lista de startups señaladas por al menos dos inversionistas como las más comentadas de la camada. Aquí están las principales elecciones, en orden alfabético:

Atomarine

Qué está construyendo: Centros de datos de energía nuclear flotando en el mar.

Por qué es favorita: La energía escasea y las comunidades locales se oponen cada vez más a la construcción de nuevos centros de datos. Atomarine, cofundada por un ingeniero naval y de ciencias de la computación del MIT y un doctor en ingeniería nuclear del MIT, quiere resolver la escasez de cómputo colocando centros de datos en barcazas en el mar, donde el agua de mar podría proporcionar refrigeración casi gratuita. La startup planea lanzar un piloto alimentado por gas para 2028 y pasar a buques de energía nuclear flotantes en 2032. Atomarine afirma que ya ha asegurado más de $4 mil millones en interés de clientes a través de cartas de intención. Ese potencial de ingresos ha ayudado a convertirla en una de las startups mejor valoradas de la camada, según dijo un VC a TechCrunch.

Dipole Labs

Qué está construyendo: Hardware de redes ópticas de alta velocidad, efectivo y energéticamente eficiente para centros de datos de IA.

Por qué es favorita: La idea es que los clústeres de GPU desperdician mucho tiempo de cómputo simplemente esperando que los datos se muevan entre cada chip. Dentro de la capa de red, los datos se convierten de luz a electricidad y viceversa en un proceso que consume mucha energía y genera mucho calor. Pero Dipole Labs dice que construyó un conmutador óptico que evita la conversión para que los datos puedan permanecer como luz y ir directamente a donde necesitan ir. Es un problema oportuno para abordar, ya que las GPU son increíblemente caras y los centros de datos quieren aprovechar al máximo su hardware de cómputo sin perder ni un momento.

Isengard

Qué está construyendo: Drones de ataque y contramedida propulsados por chorro, producibles localmente.

Por qué es favorita: Isengard tiene como objetivo producir en masa drones de ataque y contramedida propulsados por chorro directamente dentro de países aliados, a una fracción de lo que los contratistas principales cobran por construirlos en Estados Unidos. Cofundada por un exoficial del Ejército australiano y un emprendedor de defensa que previamente escaló otra startup de drones enfocada en Ucrania a $60 millones en ingresos, Isengard ya está generando $10 millones en ingresos por sí misma. La startup ha generado un fuerte revuelo entre los VC, obteniendo una de las valoraciones más altas en esta camada de YC, según dos inversionistas.

Lamb Labs

Qué está construyendo: Chips de inferencia personalizados con pesos de modelos de IA codificados de forma rígida.

Por qué es favorita: Los chips de IA tradicionales consumen enormes cantidades de energía durante la inferencia, al buscar los pesos del modelo en la memoria. Cofundada por un doctor en IA del Imperial College London y un físico teórico de Oxford, Lamb Labs quiere construir chips ultraeficientes codificando de forma rígida los pesos de los modelos de IA directamente en el silicio. Denominados "Unidades de Procesamiento de Modelos" (MPU), estos chips personalizados eliminan los cuellos de botella de ancho de banda de memoria.

(Nombres censurados por la economía del revuelo)

Quié está construyendo: Recopilación de datos del mundo real para entrenar robots.

Por qué es favorita: Esta empresa se asocia con negocios para recopilar videos y datos de humanos trabajando, que luego convierte en material de entrenamiento para empresas que construyen robots. Dice que ya está trabajando con empresas que cotizan en bolsa y ha capturado datos de video en más de 150 entornos diferentes. Esta empresa podría volverse importante a medida que los negocios comienzan a experimentar más con qué tareas son mejores para los humanos y, a medida que la IA continúa refinándose, qué tare