Netris obtiene $15M para acelerar el despliegue de infraestructura en nubes de IA

Contexto: El cuello de botella de la red en infraestructura de IA

La proliferación de centros de datos dedicados a cargas de trabajo de inteligencia artificial ha expuesto un problema persistente: la complejidad de configurar y orquestar la infraestructura de red subyacente. Mientras que los operadores pueden desplegar servidores GPU y software de aprendizaje profundo con relativa rapidez, la integración de switches de red, la segmentación y la optimización del tráfico de datos entre nodos siguen siendo tareas manuales, tediosas y propensas a errores.

El financiamiento y la propuesta de Netris

Netris, una compañía enfocada en resolver este problema específico, anunció haber levantado 15 millones de dólares en su ronda Serie A, con Andreessen Horowitz (a16z) como inversor principal. Estos fondos refuerzan la visión de la empresa: democratizar la operación de redes en centros de datos de alto rendimiento mediante software inteligente.

La plataforma de Netris se ejecuta directamente en switches de red — hardware que representa un punto crítico en cualquier infraestructura de datos. Al proporcionar una capa de abstracción y automatización, la solución elimina la necesidad de configuración manual línea por línea, similar a cómo un controlador de dominio simplifica la administración de sistemas en entornos empresariales tradicionales.

Cómo funciona: Automatización de red para GPUs y IA

La plataforma opera bajo un modelo de orquestación declarativa: los operadores especifican qué resultados desean (topología lógica, políticas de ancho de banda, aislamiento de tráfico), y el software de Netris traduce esas intenciones en configuraciones específicas para cada switch en la red. Esto reduce drásticamente el tiempo entre la puesta en marcha del hardware y la disponibilidad del sistema para servir cargas de trabajo de IA.

La importancia de esto radica en que los centros de datos modernos de IA requieren comunicación de ultra-baja latencia y altísima capacidad entre GPUs y nodos de procesamiento. Cualquier configuración subóptima degrada el rendimiento de entrenamientos de modelos grandes o inferencia en paralelo.

Implicaciones para Latinoamérica

En México, Brasil, Colombia y otros mercados, la demanda por infraestructura de IA está en ascenso, pero el talento especializado en administración de redes complejas es escaso. Una solución que reduzca la fricción operativa permite que proveedores de nube regionales compitan con actores globales sin requerir equipos enormes de ingenieros de red.

Además, la reducción del time-to-market para nuevos centros de datos locales favorece iniciativas de soberanía digital y la consolidación de ecosistemas de IA regionales, factores estratégicos para gobiernos y empresas en la región.