El mundo funciona con electricidad, pero nadie construye su propia planta de energía. Anjney Midha cree que el cómputo de IA debería funcionar de la misma manera. Su empresa, AMP PBC, está construyendo lo que equivale a una red eléctrica para GPUs, agrupando chips subutilizados de laboratorios independientes y centros de datos en una red compartida que los laboratorios de IA miembros pueden utilizar bajo demanda.
Es una idea sencilla con una ejecución complicada. Y Midha tiene compromisos de financiamiento por $1.3 mil millones de patrocinadores como Andreessen Horowitz y Y Combinator para resolverlo.
La escasez de GPU es real y está empeorando
Aquí está la cuestión sobre las GPU en este momento: no hay suficientes para todos, y las disponibles no son baratas. Los precios de alquiler de GPU en la nube han aumentado, con tarifas por hora para unidades B200 que alcanzan los $4.89. Esas tarifas se han duplicado aproximadamente desde enero de 2026, presionando a equipos de IA más pequeños que no pueden igualar el poder de compra de las grandes tecnológicas.
Este es el cuello de botella que Midha identificó tras dejar su cargo en Andreessen Horowitz. El mundo del capital de riesgo le dio un asiento en primera fila para observar el problema. Las startups con investigaciones prometedoras en IA continuaban chocando contra el mismo muro: no podían obtener suficiente capacidad de cómputo a un precio razonable. Mientras tanto, los centros de datos y los operadores independientes tenían GPUs que no estaban funcionando a plena capacidad.
Cómo funciona la cuadrícula
AMP PBC opera como una corporación de beneficio público, una estructura legal que permite a la empresa perseguir objetivos sociales junto con ganancias. La empresa tiene dos divisiones: una cuadrícula de cómputo y una operación de capital de riesgo.
La cuadrícula es el producto principal. Los operadores de centros de datos con GPU ociosas aportan capacidad a la red. Los laboratorios de IA que necesitan cómputo pueden acceder al pool a tarifas que AMP busca mantener por debajo del mercado al contado volátil. Los operadores que aportan capacidad excedente pueden venderla a través de la cuadrícula para obtener ganancias, creando un mercado de dos caras.
La rama de capital de riesgo, por su parte, brinda a AMP un canal directo hacia el ecosistema de startups. Al invertir en empresas de inteligencia artificial en etapas iniciales, la firma crea una demanda integrada para su propia infraestructura.
Midha ha estado recorriendo diversos medios para explicar esta visión, incluyendo una aparición el 5 de mayo en el podcast TBPN y un segmento el 2 de junio en CNBC centrado en las oportunidades en infraestructura de IA.
Qué significa esto para los inversores y el mercado de la IA en general
Los $1.3 mil millones en compromisos de financiamiento indican que capital institucional serio considera esta tesis creíble. Cuando Andreessen Horowitz respalda una empresa fundada por uno de sus antiguos socios, no se trata de una apuesta casual.
Para equipos de IA más pequeños, la economía actual del acceso a GPUs crea una ventaja estructural para empresas como Google, Microsoft y Meta, organizaciones que pueden permitirse construir y llenar sus propios centros de datos. Una cuadrícula de cómputo funcional podría reducir esa brecha, brindando a startups e investigadores independientes acceso a hardware que de otro modo no podrían costear.
El panorama competitivo también importa. CoreWeave ha construido un enorme negocio de nube GPU. Lambda Labs ofrece clústeres GPU bajo demanda. Together AI se enfoca en inferencia distribuida. El modelo de cuadrícula de AMP se diferencia por su enfoque en utilidad y estructura de beneficio público, pero el espacio se está volviendo más concurrido.
Para inversores relacionados con criptomonedas, la superposición merece ser mencionada. Render Network, Akash e io.net persiguen variaciones de esta idea utilizando capas de coordinación basadas en cadena de bloques. AMP adopta un enfoque centralizado, lo que podría sacrificar la pureza ideológica de la descentralización, pero podría obtener ventajas en rendimiento y confiabilidad.