La società spagnola raggiunge una valutazione pre-money di 1,7 miliardi di dollari. Al centro della strategia c’è CompactifAI, una tecnologia che promette di ridurre drasticamente le dimensioni dei modelli di intelligenza artificiale.
Multiverse Computing punta a raccogliere fino a 570 milioni di dollari, circa 500 milioni di euro, con un round di Serie C destinato a finanziare lo sviluppo di un’intelligenza artificiale più efficiente e distribuibile su smartphone, computer, veicoli, impianti industriali e data center.
L’operazione attribuisce alla società di San Sebastián una valutazione pre-money di 1,7 miliardi di dollari, equivalenti a circa 1,5 miliardi di euro: un valore cinque volte superiore a quello registrato in occasione della Serie B.
Il round è co-guidato da Forgepoint Capital International, BNPP Solar Impulse Venture Fund e Bullhound Capital. Al consorzio partecipano anche investitori finanziari e industriali come Santander Alternative Investments, Tikehau Capital, HP, Orange Ventures, Scania Invest, NAventures, Qatar Development Bank, Zouk Capital, SETT, EIC Fund, il fondo Hazten Scale-Up del Governo basco e Kutxa Fundazioa.
J.P. Morgan e Santander CIB operano come advisor. Secondo il comunicato della società, l’operazione potrebbe portare la raccolta complessiva di Multiverse Computing a 800 milioni di dollari, includendo le tranche precedenti. Il round potrebbe inoltre restare aperto a ulteriori investitori strategici.
È importante, tuttavia, distinguere tra il valore massimo annunciato e il capitale già effettivamente raccolto: Multiverse afferma che la Serie C punta a raggiungere 570 milioni di dollari, ma l’ammontare definitivo dipenderà dalla chiusura delle diverse tranche.
CompactifAI e la compressione dei modelli
Al centro della strategia di Multiverse Computing si trova CompactifAI, una tecnologia che utilizza le reti tensoriali, strumenti matematici derivati dalla fisica quantistica, per comprimere i modelli di intelligenza artificiale.
Secondo quanto dichiarato dall’azienda, CompactifAI sarebbe in grado di ridurre le dimensioni dei grandi modelli linguistici fino all’80-95%, mantenendo una perdita di accuratezza considerata trascurabile.
La compressione permette, almeno in teoria, di diminuire la quantità di memoria necessaria, limitare l’impiego delle GPU e ridurre il consumo energetico associato all’esecuzione dei modelli. Un modello più piccolo può inoltre rispondere più rapidamente ed essere distribuito in ambienti nei quali il collegamento continuo con il cloud sarebbe troppo costoso, lento o incompatibile con i requisiti di sicurezza.
È questa la tesi industriale su cui Multiverse sta costruendo la propria crescita: l’intelligenza artificiale non deve necessariamente dipendere da infrastrutture sempre più grandi e costose. Una parte crescente dei carichi di lavoro potrebbe essere elaborata direttamente sui dispositivi o sulle infrastrutture locali delle aziende.
Enrique Lizaso, cofondatore e CEO della società, sostiene che l’industria abbia accettato per anni un falso vincolo: l’idea che i modelli più potenti richiedano inevitabilmente infrastrutture enormi. Per Multiverse, quel vincolo può essere superato attraverso una combinazione di compressione, orchestrazione e distribuzione intelligente dei carichi di lavoro.
Dallo smartphone alle AI factory
La piattaforma di Multiverse Computing non si limita alla compressione degli LLM. L’obiettivo è coprire l’intero ciclo di distribuzione dell’intelligenza artificiale, dagli ambienti cloud alle infrastrutture on-premise, fino all’elaborazione direttamente sui dispositivi.
Il CompactifAI Router è progettato per decidere in tempo reale se un determinato carico di lavoro debba essere eseguito localmente oppure trasferito verso il cloud. Questa scelta può dipendere da diversi fattori, come la potenza disponibile, la latenza, i costi, la sensibilità dei dati e i requisiti normativi.
La società sta inoltre sviluppando un livello software destinato alle AI factory e ai data center di nuova generazione, integrando compressione dei modelli, orchestrazione delle GPU, servizi di intelligenza artificiale e controlli sulla sovranità dei dati.
Per le aziende, la promessa è quella di ottenere maggiore efficienza senza sostituire completamente l’infrastruttura esistente. Ogni attività potrebbe essere associata al modello e al sistema di calcolo più adeguati, evitando di inviare indiscriminatamente tutti i carichi di lavoro a un hyperscaler.
Le due tesi alla base dell’investimento
Il round si fonda su due direttrici convergenti.
La prima è quella dell’edge AI. Produttori di dispositivi, aziende industriali e operatori infrastrutturali prevedono che una quota crescente dell’intelligenza artificiale sarà eseguita direttamente su smartphone, AI PC, droni, telecamere, satelliti, veicoli e macchinari.
Questo approccio può ridurre i tempi di risposta, contenere i costi di trasmissione e permettere ai sistemi di continuare a funzionare anche senza una connessione stabile. L’elaborazione locale può inoltre offrire maggiore controllo sui dati personali, industriali o strategici.
La seconda direttrice è rappresentata dall’IA sovrana, efficiente e su larga scala. Governi, fondi sovrani e operatori di data center cercano soluzioni capaci di aumentare la capacità di elaborazione senza far crescere nella stessa misura i consumi energetici, i costi e la dipendenza da infrastrutture controllate da operatori stranieri.
Per Multiverse, la sovranità digitale non dipende soltanto dal luogo in cui si trovano i server. Dipende anche dalla possibilità di gestire modelli, dati e risorse di calcolo attraverso uno stack software controllabile localmente.
Una crescita sostenuta, secondo la società
Multiverse Computing dichiara di aver registrato, dalla chiusura della Serie B nel giugno 2025, una crescita del fatturato annualizzato superiore a dieci volte. Nel primo trimestre del 2026, le vendite su base annua sarebbero aumentate di 96 volte.
Si tratta di dati comunicati dall’azienda e non accompagnati, nel documento, da valori assoluti di fatturato. Descrivono comunque la traiettoria di una società che cerca di passare dalla fase di specialista nella compressione degli LLM a quella di piattaforma infrastrutturale per l’intelligenza artificiale.
I modelli di Multiverse sarebbero già presenti su milioni di dispositivi e sistemi, tra cui droni, telecamere, satelliti, veicoli e infrastrutture di telecomunicazione. La società indica inoltre più di 100 clienti a livello mondiale, con organizzazioni come Allianz, Bank of Canada, Bosch, Iberdrola, Indra, PwC e Telefónica.
I capitali della Serie C saranno utilizzati per ampliare la libreria di modelli efficienti, proseguire la ricerca sugli algoritmi proprietari, sviluppare lo stack software e sostenere investimenti nelle infrastrutture per le AI factory. Una parte delle risorse finanzierà anche l’espansione in Asia orientale, Sud-est asiatico, Medio Oriente, Canada e Stati Uniti.
Perché l’efficienza è il nuovo campo di battaglia dell’IA
La competizione nel mercato dell’intelligenza artificiale non riguarda più soltanto la capacità di costruire modelli con un numero crescente di parametri. Con l’aumento dell’utilizzo dell’IA, il costo dell’inferenza sta diventando importante quanto quello dell’addestramento.
Le imprese devono affrontare la disponibilità limitata delle GPU più avanzate, l’aumento della domanda energetica dei data center e la necessità di integrare i modelli nei processi aziendali senza perdere il controllo dei dati.
In questo scenario, la compressione può trasformarsi in un livello strategico dello stack tecnologico. Un modello più piccolo può consentire a un’azienda di utilizzare hardware meno costoso, servire più utenti con la stessa infrastruttura o mantenere l’elaborazione all’interno dei propri sistemi.
Multiverse si posiziona quindi tra i laboratori che sviluppano i modelli, i produttori di chip, gli hyperscaler e le aziende che utilizzano l’intelligenza artificiale. È una posizione potenzialmente redditizia, ma anche molto competitiva.
Le tecniche di quantizzazione, pruning, distillazione e ottimizzazione dei modelli sono già oggetto di investimenti da parte di laboratori di IA, produttori di semiconduttori e piattaforme cloud. Il vantaggio di Multiverse dipenderà dalla capacità di dimostrare che l’impiego delle reti tensoriali offre risultati migliori o più facilmente applicabili su modelli, hardware e contesti differenti.
L’impatto: più IA sui dispositivi e meno dipendenza dal cloud
Se le prestazioni dichiarate venissero confermate su larga scala, la tecnologia potrebbe accelerare la diffusione dell’intelligenza artificiale direttamente sui dispositivi.
Smartphone, computer, veicoli e apparecchiature industriali potrebbero eseguire modelli più avanzati senza inviare continuamente i dati a un’infrastruttura remota. Questo significherebbe minore latenza, maggiore riservatezza, continuità operativa e costi di inferenza più contenuti.
Per l’Europa, la possibilità di eseguire modelli potenti su infrastrutture locali assume anche un valore strategico. Potrebbe contribuire a ridurre la dipendenza esclusiva dagli hyperscaler e sostenere la realizzazione di piattaforme di IA sovrana.
La compressione, tuttavia, non elimina automaticamente i problemi economici e ambientali dell’intelligenza artificiale. I risultati possono variare in base al modello e al caso d’uso, mentre una riduzione eccessiva delle dimensioni potrebbe incidere sulla qualità, sull’affidabilità o sulla sicurezza delle risposte.
Anche la costruzione di AI factory sovrane rimane un’attività costosa, che richiede energia, chip, competenze specializzate e una domanda commerciale sufficiente a giustificare gli investimenti.
Il vero banco di prova sarà quindi la capacità di Multiverse Computing di trasformare una promettente tecnologia di compressione in una piattaforma affidabile e semplice da integrare. La scommessa della società è che il futuro dell’IA non dipenderà soltanto da modelli più potenti, ma da modelli più piccoli, economici e distribuibili.
Resta aperta una domanda: CompactifAI diventerà un livello software di riferimento per l’industria oppure l’ottimizzazione sarà progressivamente incorporata nei modelli, nei chip e nelle piattaforme cloud dei grandi operatori?
