fal.ai rechazó los LLMs, apostó a la inferencia de video — y llegó a $16 mil millones en valuación

En algún momento de 2022, los fundadores de fal.ai tomaron una decisión que en ese momento parecía contraintuitiva: no construirían un modelo de lenguaje. Mientras la industria entera se reorganizaba alrededor de los LLMs, Burkay Gur y Gorkem Yurtseven eligieron el problema que nadie quería resolver — la infraestructura para correr modelos de imagen, video y audio a escala — y lo convirtieron en un negocio que hoy vale $16 mil millones.

El 3 de noviembre, fal.ai anunció $1.65 mil millones en financiamiento acumulado entre su Serie E y su Serie F. Bessemer Venture Partners lideró la F con $1.3 mil millones, con participación estratégica de Nvidia, T. Rowe Price y Sound Ventures. Sequoia había liderado la E de $350 millones en abril, cuando la valuación era de $8 mil millones. En seis meses, esa valuación se duplicó.

Qué hace fal.ai y por qué no es trivial

Cuando Adobe genera una imagen con IA, cuando Canva crea un video para uno de sus usuarios, cuando Shopify produce contenido visual para un anuncio — los modelos que ejecutan esas tareas corren sobre GPUs. Mantener esa infraestructura en casa requiere equipos especializados, contratos con fabricantes de chips, operaciones de datos en múltiples regiones y la capacidad de actualizar modelos el día en que se publican. La mayoría de las empresas no quiere hacer nada de eso.

fal.ai ofrece una API que resuelve todo eso. Detrás de esa API hay más de 600 modelos de imagen, video y audio — entre ellos Google Veo, Kling, GPT Image, FLUX 3 Max y MiniMax — corriendo sobre una infraestructura propia que incluye 35 centros de datos, un orquestador propio y un sistema de caché desarrollado internamente. Los clientes pagan por cada imagen generada y por cada segundo de video renderizado.

El problema que convierte a fal.ai en un negocio extraordinario

Generar un segundo de video con IA consume aproximadamente diez mil veces más cómputo que generar una respuesta de texto equivalente. Esa diferencia de órdenes de magnitud convierte la inferencia de video en un mercado con características muy distintas al de los LLMs: mayor concentración de demanda de GPU, mayores costos por transacción y mayor disposición a pagar por velocidad y disponibilidad.

fal.ai lo entendió antes que casi todos y construyó la infraestructura antes de que la demanda llegara. La consecuencia fue que cuando el mercado de generación de video explotó en 2026, fal.ai no tenía suficiente capacidad para servir a sus propios clientes. Durante el verano boreal, la empresa tuvo que aplicar rate limiting a cuentas activas — el problema de crecimiento más benigno que puede tener una compañía de infraestructura.

Los números del crecimiento son los más ilustrativos: $200 millones en ingresos anualizados en octubre de 2025, $400 millones en marzo de 2026, $800 millones en septiembre de 2026. Cuatro veces en once meses. La Serie F llega en ese contexto: la empresa no recauda porque necesita capital — recauda porque la demanda supera físicamente su capacidad instalada.

La capa que nadie vio venir

El ecosistema de IA tiene una estructura de capas que el mercado todavía está terminando de valorar. En la capa superior están los modelos — los LLMs, los modelos de imagen, los sistemas multimodales. En la capa inferior está el hardware — Nvidia, AMD, los fabricantes de chips. En el medio hay una capa de infraestructura de inferencia que conecta ambas: recibe las peticiones, selecciona el modelo, lo ejecuta sobre el hardware correcto y devuelve el resultado.

Esa capa del medio es donde opera fal.ai, y hasta hace relativamente poco nadie prestaba atención. Los hyperscalers la ofrecen como parte de sus plataformas de nube, pero con latencias, costos y procesos de onboarding que no están optimizados para los ciclos de lanzamiento de la industria de IA generativa. fal.ai lanzó los modelos más importantes el mismo día de su publicación pública, antes de que ningún proveedor de nube los tuviera disponibles. Esa ventana de exclusividad se convirtió en la razón por la que sus cien mayores clientes utilizan en promedio catorce modelos distintos cada uno.

Bessemer, Nvidia y Sequoia no están apostando a que fal.ai sobrevivirá en el mercado de inferencia. Están apostando a que ese mercado crecerá más rápido de lo que nadie anticipó — y a que fal.ai ya tiene la infraestructura, los clientes y la tracción para ser el referente de esa capa.