Antimatter quiere hacerse un hueco en el negocio de la infraestructura para inteligencia artificial con una propuesta diferente a la de los grandes centros de datos: combinar energía, pequeños centros modulares y software de nube distribuida para ejecutar principalmente inferencia. El auge de modelos abiertos y open-weight, incluidos los desarrollados en China, puede ampliar además el número de empresas capaces de desplegar IA sin depender directamente de los modelos cerrados estadounidenses.

Las claves de Antimatter en 20 segundos

• Antimatter integra energía, centros de datos modulares y software cloud distribuido.
• Opera 10 unidades en ocho emplazamientos, con más de 3.400 GPU y 26 MW, según la compañía.
• Su objetivo para 2030 alcanza 1.000 instalaciones, más de 300.000 GPU y 1 GW.
• La apuesta coincide con el crecimiento de modelos abiertos que pueden ejecutarse sobre infraestructuras alternativas.
• CoreWeave aparece como uno de los grandes competidores del nuevo mercado de las neocloud.

La oportunidad resulta especialmente interesante porque el mercado de IA empieza a separarse en dos capas. Una cosa es quién desarrolla los modelos y otra, cada vez más importante, quién proporciona las GPU, la energía y el software necesarios para ejecutarlos.

Durante los últimos años ambas capas han estado muy vinculadas a Estados Unidos. OpenAI, Anthropic, Google y Meta dominaban buena parte de la conversación sobre modelos, mientras AWS, Microsoft Azure, Google Cloud y compañías especializadas como CoreWeave concentraban una parte creciente de la infraestructura.

La aparición de modelos open-weight competitivos procedentes de China está introduciendo otra variable.

DeepSeek, Alibaba con Qwen o Moonshot AI con Kimi han demostrado que una empresa puede disponer de modelos avanzados cuyos pesos pueden descargarse y desplegarse sobre infraestructura elegida por el cliente, dependiendo de las condiciones concretas de sus licencias.

Eso convierte la infraestructura en un mercado potencialmente independiente del modelo.

De comprar una API a elegir dónde ejecutar el modelo

El cambio parece pequeño, pero modifica bastante la arquitectura de una aplicación de IA.

Cuando una empresa utiliza directamente la API de un proveedor cerrado, buena parte de las decisiones sobre infraestructura desaparecen. El proveedor ejecuta el modelo y el cliente paga por su utilización.

Con un modelo de pesos disponibles aparece otra posibilidad: descargarlo y contratar capacidad de cómputo en otro proveedor.

Ahí entran las neocloud.

CoreWeave es probablemente el ejemplo más conocido de esta nueva categoría. La compañía construyó su negocio alrededor de grandes cantidades de GPU destinadas a cargas de inteligencia artificial y ha cerrado contratos multimillonarios con algunas de las mayores empresas tecnológicas.

Antimatter plantea una arquitectura distinta.

La compañía se presenta como una neocloud verticalmente integrada que combina tres negocios: Data Factory, dedicado a energía; Policloud, responsable de centros de datos modulares; y Hivenet, que aporta la capa de software distribuido.

La idea consiste en llevar el cómputo hacia lugares donde ya existe electricidad disponible, en vez de construir necesariamente enormes centros de datos y esperar posteriormente a conseguir la capacidad eléctrica necesaria.

Según sus propios datos, Antimatter arrancó en abril de 2026 con 10 unidades Policloud distribuidas entre ocho emplazamientos, más de 3.400 GPU y más de 26 MW operativos. También asegura disponer de más de 1 GW entre potencia contratada y proyectos en desarrollo.

Son cifras proporcionadas por la propia compañía y, por tanto, conviene diferenciarlas de capacidad verificada independientemente.

Centros de datos más pequeños cerca de la energía

La arquitectura de Antimatter rompe parcialmente con la tendencia hacia campus de IA cada vez mayores.

Policloud utiliza centros de datos modulares y contenerizados que pueden instalarse en ubicaciones donde ya existe capacidad energética.

Cada unidad puede albergar hasta unas 400 GPU, según la compañía.

Posteriormente Hivenet conecta esos recursos mediante una capa de software que intenta hacer que instalaciones físicamente separadas funcionen como una única infraestructura cloud.

El sistema incluye orquestación basada en Kubernetes, máquinas virtuales, bare metal, almacenamiento distribuido, redes superpuestas cifradas, GPU passthrough y observabilidad centralizada.

El planteamiento resulta especialmente adecuado para inferencia.

Entrenar algunos de los mayores modelos del mundo requiere enormes cantidades de GPU comunicándose entre sí con redes de muy baja latencia. Esa necesidad favorece grandes clústeres concentrados físicamente.

La inferencia tiene características diferentes.

Una vez entrenado el modelo, las peticiones pueden repartirse geográficamente en determinados escenarios. La proximidad al usuario, el precio de la electricidad y la disponibilidad de GPU empiezan entonces a pesar más en la ecuación.

Antimatter está construyendo su estrategia precisamente alrededor de ese mercado.

Los modelos chinos añaden otra pieza

La expansión internacional de los modelos chinos de pesos abiertos puede favorecer indirectamente a este tipo de proveedores.

Una empresa europea no necesita necesariamente contratar una plataforma cloud china para utilizar un modelo desarrollado en China.

Puede descargar los pesos cuando su licencia lo permita y ejecutarlos sobre servidores situados en Europa.

Lo mismo ocurre en sentido contrario con modelos abiertos estadounidenses o europeos.

Esta separación entre modelo e infraestructura introduce más competencia.

El proveedor de IA deja de ser necesariamente quien proporciona el modelo. Puede competir simplemente por ofrecer GPU, memoria, almacenamiento, redes, energía y una capa de inferencia suficientemente eficiente.

Es precisamente el terreno donde CoreWeave, Nebius, Nscale y otros proveedores especializados están intentando crecer frente a los hiperescalares tradicionales.

Hay incluso una paradoja interesante: CoreWeave también está aprovechando los modelos chinos.

La compañía ha promocionado recientemente su infraestructura para ejecutar Kimi K2.6, de Moonshot AI, y afirma haber obtenido el mejor resultado entre 11 proveedores analizados por Artificial Analysis para la inferencia de ese modelo.

Por tanto, la batalla no es necesariamente «nube occidental contra modelos chinos».

Puede terminar siendo una competición mundial para ejecutar los mismos modelos sobre infraestructuras diferentes.

Antimatter apunta a 300.000 GPU en 2030

Los planes publicados por Antimatter son ambiciosos.

Para 2027 pretende alcanzar 100 unidades Policloud, más de 20 ubicaciones, 30.000 GPU y más de 160 MW operativos.

El objetivo anunciado para 2030 aumenta hasta 1.000 unidades, más de 100 emplazamientos, 300.000 GPU y más de 1 GW.

Son objetivos empresariales, no capacidad ya construida.

La distancia entre ambas cosas importa especialmente en centros de datos. Conseguir financiación, transformadores, conexiones eléctricas, GPU, refrigeración, permisos y clientes suficientes puede determinar cuánto de esa planificación termina convirtiéndose en infraestructura operativa.

Antimatter sostiene además que su arquitectura puede reducir aproximadamente a la mitad los precios para el cliente y desplegar nueva capacidad unas cinco veces más rápido que un centro de datos de hiperescala. También calcula unos cinco meses desde la selección del emplazamiento hasta la entrada en producción. De nuevo, son estimaciones de la propia compañía que deberán comprobarse a medida que aumente el número de instalaciones.

La electricidad empieza a decidir dónde vive la IA

La parte más interesante del proyecto quizá no esté en las GPU.

Está en la energía.

El crecimiento de la IA está obligando a los operadores a buscar emplazamientos donde sea posible conseguir decenas o cientos de megavatios. En algunos mercados, el problema ya no consiste simplemente en construir un edificio, sino en encontrar una red eléctrica capaz de alimentarlo y obtener una conexión en un plazo razonable.

Antimatter intenta invertir el problema.

En vez de preguntar dónde construir un gran centro de datos y después llevar hasta allí la electricidad, busca capacidad energética disponible y despliega módulos de cómputo junto a ella.

La compañía asegura tener infraestructura en Estados Unidos, Europa y los países del Consejo de Cooperación del Golfo (GCC), además de acuerdos tecnológicos con AMD y Seagate.

Este planteamiento tampoco elimina los problemas técnicos. Distribuir GPU entre numerosos emplazamientos añade complejidad en redes, almacenamiento, seguridad, mantenimiento y orquestación. Tampoco todas las cargas de IA pueden fragmentarse eficazmente entre centros independientes.

Por eso Antimatter está poniendo el foco inicialmente en inferencia, donde una arquitectura geográficamente distribuida tiene más posibilidades de resultar competitiva que en el entrenamiento sincronizado de modelos gigantes.

Si los modelos open-weight continúan ganando calidad, la consecuencia puede ser una infraestructura de IA bastante más diversa.

El cliente podría elegir un modelo de una empresa china, estadounidense o europea, ejecutarlo sobre GPU de NVIDIA o AMD y alojarlo en una neocloud regional sin que esas decisiones tengan que pertenecer al mismo proveedor.

La competencia dejaría entonces de decidirse únicamente por quién tiene el mejor modelo.

También dependerá de quién puede conseguir electricidad, desplegar GPU rápidamente y ejecutar esos modelos al menor coste posible.

Preguntas frecuentes

¿Qué es Antimatter?

Antimatter es una compañía de infraestructura para IA formada a partir de Data Factory, Policloud y Hivenet. Combina energía, centros de datos modulares y software de nube distribuida, con especial atención a cargas de inferencia.

¿Compite Antimatter directamente con CoreWeave?

Ambas participan en el mercado de infraestructura especializada para IA, aunque utilizan arquitecturas diferentes. Antimatter apuesta especialmente por instalaciones modulares distribuidas próximas a fuentes de energía.

¿Puede una empresa europea ejecutar un modelo chino sin utilizar una nube china?

Sí, cuando el modelo ofrece pesos descargables y su licencia permite ese uso. El modelo puede alojarse sobre infraestructura propia o de terceros situada en Europa.

¿Cuántas GPU quiere tener Antimatter?

La compañía afirma disponer actualmente de más de 3.400 GPU y plantea superar las 30.000 en 2027 y alcanzar más de 300.000 en 2030. Las cifras de 2027 y 2030 son objetivos anunciados, no capacidad actualmente disponible.