Lola Vision Systems, startup estadounidense, ha reconstruido su capa de software como una cadena de herramientas que traduce modelos de inteligencia artificial y el código del cliente en instrucciones específicas para cada chip, según se describió el 5 de octubre de 2026 en TechCrunch. En paralelo, la compañía afirma que desarrolla semiconductores propios para ejecutar IA directamente en dispositivos como cámaras y drones, y que planea licenciar su software para chips ya disponibles mientras avanza su hardware.
Qué cambia en el uso: menos nube, más IA en el dispositivo
La promesa es tangible: una cámara o un dron ejecutando el modelo sin enviar datos a la nube, con menos espera y más control local. Si este enfoque funciona, más productos físicos podrían correr IA donde se generan los datos.
El mecanismo es una “cadena de herramientas de compilación” que actúa como traductor. Según Lola, acepta modelos (propietarios o de código abierto) y el código del cliente, y los convierte en instrucciones compatibles con el chip objetivo. Hoy, esa adaptación suele hacerse a mano: el fundador Tayo Adesanya sostiene que portar un modelo a un hardware nuevo puede requerir unas 200 horas antes de iniciar pruebas. Automatizar parte de ese trabajo podría recortar tiempo y coste de integración.
Señales concretas del movimiento
- Según la empresa, su nueva capa de software traduce modelos y código del cliente en instrucciones específicas de cada chip.
- Lola afirma que combina compilación con diseño de chips propios para facilitar la IA en dispositivos y reducir el consumo energético.
- Mientras avanza su hardware, planea licenciar el software para chips existentes.
- De acuerdo con TechCrunch, Lola se suma a startups que buscan alternativas a la tecnología de Nvidia para la inferencia en el borde.
Mapa más amplio: desacoplar el modelo del chip
La señal apunta a un cambio de equilibrio: no basta con tener un chip potente; importa una capa que haga portables los modelos entre arquitecturas. Si la traducción logra rendimiento y compatibilidad amplios, más tareas de IA podrían ejecutarse en el propio dispositivo, con posibles mejoras en coste, latencia y menor dependencia de proveedores dominantes. La clave estará en cómo se compara, en la práctica, frente a soluciones ya consolidadas.
Fricciones y qué vigilar
- Rendimiento real y consumo energético en chips diversos.
- Compatibilidad amplia con múltiples arquitecturas.
- Adopción por fabricantes que integran IA en productos físicos.
Radar de Innovación — una señal tecnológica al día.
Cerramos aquí por hoy. Volvemos mañana con otra lectura nítida del mapa tecnológico, en Unveiling the ñus.
https://mezha.net/eng/news/40cf754d_lola_vision_systems/
Referencias
- https://techcrunch.com/2026/10/05/lola-vision-systems-is-trying-to-make-it-easier-to-run-ai-models-on-chips/
- https://mezha.net/eng/news/40cf754d_lola_vision_systems/
- https://www.diariobitcoin.com/startups-verticales/lola-vision-quiere-reducir-el-tiempo-y-la-energia-que-exige-ejecutar-ia-en-chips/
¿Quieres entender la tecnología que está cambiando el mundo?
Elige Tecnología e innovación y los demás bloques que te interesan para recibir unas Nyusletters hechas a tu medida.