Hogar
Antiguos ingenieros de SpaceX llevan el software de lanzamiento de cohetes a la planta de producción con Sift Stack

La semana pasada, el lema «¡átomos, no bits!» —una frase que refleja el creciente interés de Silicon Valley por la fabricación física frente a los productos digitales— alcanzó su punto álgido cuando se supo que Jeff Bezos está creando un fondo de 100 000 millones de dólares para consolidar y automatizar fábricas.
Sin embargo, la automatización de las fábricas no es únicamente un reto de hardware. Depende cada vez más de software avanzado y herramientas de inteligencia artificial, y este cambio está transformando a las empresas que construyen la infraestructura para la fabricación física.
Karthik Gollapudi, director ejecutivo de Sift Stack —una empresa con sede en El Segundo (California) cuyas herramientas ayudan a diseñar y fabricar máquinas complejas, como naves espaciales y coches— percibe cómo el terreno se mueve bajo sus pies. Afirma que estos cambios han reorientado las prioridades de su empresa en los últimos seis meses.
Gollapudi y su cofundador y director técnico, Austin Spiegel, fundaron la empresa en 2022 tras trabajar en SpaceX en herramientas de software que gestionaban enormes volúmenes de datos de telemetría —datos de rendimiento en tiempo real transmitidos desde sensores situados en componentes físicos— durante las pruebas, la fabricación y el lanzamiento.
La mayoría de las empresas que construyen máquinas avanzadas recurren a herramientas de bases de datos estándar o a scripts personalizados en Python, pero Sift identificó la oportunidad de ofrecer la mejor solución de su clase. Entre sus clientes se encuentran United Launch Alliance, uno de los principales fabricantes de cohetes de EE. UU., otros contratistas del sector de la defensa, así como startups dedicadas a la robótica y a la gestión de redes eléctricas.
Sin embargo, Gollapudi afirma que la aparición de herramientas de IA para el análisis de datos obligó a un cambio en su negocio. Los flujos de trabajo personalizados que en su día definieron la oferta distintiva de la empresa se han convertido en algo básico en la era de la IA y el aprendizaje profundo. Mientras tanto, la capacidad de la empresa para gestionar la infraestructura de datos cobró de repente mucho más valor.
«Nuestra visión a largo plazo de cómo se desarrollaría esto a lo largo de cinco años se está haciendo realidad este mismo año», explicó Gollapudi a TechCrunch.
Esto implica gestionar el enorme flujo de datos procedente de las máquinas actuales, que hacen un uso intensivo del software. Algunos vehículos con los que trabaja la empresa cuentan con más de 1,5 millones de sensores que transmiten datos simultáneamente, en múltiples formatos y escalas temporales.
El objetivo de la empresa es organizar y almacenar esos datos para aplicaciones de IA —«gran parte del valor reside en hacer que sean legibles para las máquinas»—, señaló Gollapudi. Si los agentes de IA han de tomar decisiones sobre la fabricación o analizar datos de pruebas para detectar posibles problemas, Sift pretende poner esos datos a su disposición.
Jeff Dexter, vicepresidente de software de Astranis —una empresa de satélites que utiliza Sift para gestionar las pruebas, la fabricación y las operaciones—, señaló que una infraestructura de datos sólida es fundamental para empresas como la suya, que pueden ejecutar 10 millones de pruebas de software automatizadas en un solo día.
«Inevitablemente, llegamos a un punto en el que solo almacenar datos nos cuesta millones de dólares al mes», señaló Dexter. «Realmente se convierte en una cuestión de si ese millón de dólares está bien invertido. Con una tecnología como Sift, no me preocupa la cantidad de datos que haya».
Gollapudi explicó a TechCrunch que Sift recaudó 42 millones de dólares en una ronda de financiación de Serie B en 2025, con una valoración post-money de 274 millones de dólares, liderada por StepStone y con la participación de GV (la división de capital riesgo de Google), Riot Ventures, Fika Ventures y CIV.
Artículo relacionado
La startup francesa ZML presenta una herramienta gratuita para acelerar la inferencia de IA en múltiples chips
La era de supremacía de mercado sin restricciones de Nvidia podría estar llegando a su fin, pero los competidores y alternativas están surgiendo desde todos los ángulos.ZML, una destacada startup francesa de inteligencia artificial respaldada por el
Anthropic desvela Opus 4.6, un generador de contenido controvertido
Los estándares universales de uso de Anthropic para Claude prohíben al modelo generar contenido sexualmente explícito, incluyendo representar o solicitar relaciones sexuales o actos sexuales, generar contenido relacionado con fetiches o fantasías sex
La startup respaldada por Marc Benioff tiene como objetivo resolver los desafíos del despliegue de IA
Las grandes empresas enfrentan desafíos tan elevados al implementar herramientas de IA confiables que han surgido equipos enteros de ingenieros desplegados en el campo—especialistas incrustados dentro de las empresas cliente para operacionalizar sist
Recomendaciones de temas especiales relacionados
comentario (0)
0/500

La semana pasada, el lema «¡átomos, no bits!» —una frase que refleja el creciente interés de Silicon Valley por la fabricación física frente a los productos digitales— alcanzó su punto álgido cuando se supo que Jeff Bezos está creando un fondo de 100 000 millones de dólares para consolidar y automatizar fábricas.
Sin embargo, la automatización de las fábricas no es únicamente un reto de hardware. Depende cada vez más de software avanzado y herramientas de inteligencia artificial, y este cambio está transformando a las empresas que construyen la infraestructura para la fabricación física.
Karthik Gollapudi, director ejecutivo de Sift Stack —una empresa con sede en El Segundo (California) cuyas herramientas ayudan a diseñar y fabricar máquinas complejas, como naves espaciales y coches— percibe cómo el terreno se mueve bajo sus pies. Afirma que estos cambios han reorientado las prioridades de su empresa en los últimos seis meses.
Gollapudi y su cofundador y director técnico, Austin Spiegel, fundaron la empresa en 2022 tras trabajar en SpaceX en herramientas de software que gestionaban enormes volúmenes de datos de telemetría —datos de rendimiento en tiempo real transmitidos desde sensores situados en componentes físicos— durante las pruebas, la fabricación y el lanzamiento.
La mayoría de las empresas que construyen máquinas avanzadas recurren a herramientas de bases de datos estándar o a scripts personalizados en Python, pero Sift identificó la oportunidad de ofrecer la mejor solución de su clase. Entre sus clientes se encuentran United Launch Alliance, uno de los principales fabricantes de cohetes de EE. UU., otros contratistas del sector de la defensa, así como startups dedicadas a la robótica y a la gestión de redes eléctricas.
Sin embargo, Gollapudi afirma que la aparición de herramientas de IA para el análisis de datos obligó a un cambio en su negocio. Los flujos de trabajo personalizados que en su día definieron la oferta distintiva de la empresa se han convertido en algo básico en la era de la IA y el aprendizaje profundo. Mientras tanto, la capacidad de la empresa para gestionar la infraestructura de datos cobró de repente mucho más valor.
«Nuestra visión a largo plazo de cómo se desarrollaría esto a lo largo de cinco años se está haciendo realidad este mismo año», explicó Gollapudi a TechCrunch.
Esto implica gestionar el enorme flujo de datos procedente de las máquinas actuales, que hacen un uso intensivo del software. Algunos vehículos con los que trabaja la empresa cuentan con más de 1,5 millones de sensores que transmiten datos simultáneamente, en múltiples formatos y escalas temporales.
El objetivo de la empresa es organizar y almacenar esos datos para aplicaciones de IA —«gran parte del valor reside en hacer que sean legibles para las máquinas»—, señaló Gollapudi. Si los agentes de IA han de tomar decisiones sobre la fabricación o analizar datos de pruebas para detectar posibles problemas, Sift pretende poner esos datos a su disposición.
Jeff Dexter, vicepresidente de software de Astranis —una empresa de satélites que utiliza Sift para gestionar las pruebas, la fabricación y las operaciones—, señaló que una infraestructura de datos sólida es fundamental para empresas como la suya, que pueden ejecutar 10 millones de pruebas de software automatizadas en un solo día.
«Inevitablemente, llegamos a un punto en el que solo almacenar datos nos cuesta millones de dólares al mes», señaló Dexter. «Realmente se convierte en una cuestión de si ese millón de dólares está bien invertido. Con una tecnología como Sift, no me preocupa la cantidad de datos que haya».
Gollapudi explicó a TechCrunch que Sift recaudó 42 millones de dólares en una ronda de financiación de Serie B en 2025, con una valoración post-money de 274 millones de dólares, liderada por StepStone y con la participación de GV (la división de capital riesgo de Google), Riot Ventures, Fika Ventures y CIV.
La startup francesa ZML presenta una herramienta gratuita para acelerar la inferencia de IA en múltiples chips
La era de supremacía de mercado sin restricciones de Nvidia podría estar llegando a su fin, pero los competidores y alternativas están surgiendo desde todos los ángulos.ZML, una destacada startup francesa de inteligencia artificial respaldada por el
Anthropic desvela Opus 4.6, un generador de contenido controvertido
Los estándares universales de uso de Anthropic para Claude prohíben al modelo generar contenido sexualmente explícito, incluyendo representar o solicitar relaciones sexuales o actos sexuales, generar contenido relacionado con fetiches o fantasías sex
La startup respaldada por Marc Benioff tiene como objetivo resolver los desafíos del despliegue de IA
Las grandes empresas enfrentan desafíos tan elevados al implementar herramientas de IA confiables que han surgido equipos enteros de ingenieros desplegados en el campo—especialistas incrustados dentro de las empresas cliente para operacionalizar sist











