Las acciones de Nebius (NBIS) aumentan un 8,5% tras el acuerdo de adquisición de Eigen AI por 643 millones de dólares

El 1 de mayo de 2026, Nebius (NBIS) reveló su intención de comprar Eigen AI en una transacción por valor de aproximadamente 643 millones de dólares. La adquisición se financiará mediante una combinación de efectivo y acciones de Nebius Clase A, calculadas utilizando el precio promedio ponderado por volumen de las acciones de 30 días de la compañía en el momento de la firma. La respuesta del mercado fue inmediata: el NBIS subió un 8,51 % hasta 150 dólares. $NBIS COMPRAR EIGEN AI POR $643 M Nebius dice que el acuerdo agregará la tecnología de optimización de modelos e inferencia de Eigen AI a su plataforma Token Factory, con el objetivo de mejorar el rendimiento del modelo y la economía unitaria a escala. Se espera que el acuerdo se cierre en las próximas semanas. pic.twitter.com/nxyRrI6L8t — Wall St Engine (@wallstengine) 1 de mayo de 2026 Se prevé que el acuerdo finalice en las próximas semanas, sujeto a la aprobación regulatoria por cuestiones antimonopolio y los requisitos de finalización habituales. Eigen AI se especializa en optimización de inferencias y mejora del rendimiento del modelo. Las soluciones de la empresa permiten a los equipos de desarrollo de IA implementar modelos de código abierto de manera más eficiente y rentable en entornos reales, eliminando la necesidad de una infraestructura de optimización personalizada. Nebius Group N.V., NBIS Nebius tiene la intención de integrar perfectamente la tecnología de Eigen AI en Token Factory, su oferta de inferencia gestionada. Token Factory ofrece puntos finales API de escalado automático y capacidades de ajuste para modelos destacados de código abierto como Llama, DeepSeek, Qwen, Gemma y arquitecturas adicionales. La asociación entre las dos organizaciones es anterior a esta adquisición. Antes del anuncio, colaboraron en implementaciones de modelos optimizados que alcanzaron posiciones de liderazgo en Análisis Artificial, una destacada plataforma de evaluación del desempeño de la IA. Eigen AI surgió del grupo de investigación HAN Lab del MIT. Los cofundadores de la empresa, Ryan Hanrui Wang y Wei-Chen Wang, desarrollaron dos metodologías muy influyentes en la infraestructura de producción de IA. La investigación de Ryan sobre Sparse Attention (SpAtten) se ha convertido en la publicación HPCA más referenciada desde 2020. El desarrollo de Wei-Chen de la cuantificación de peso con reconocimiento de activación (AWQ) obtuvo el premio MLSys 2024 Best Paper Award y se ha establecido como el estándar de la industria para la implementación de modelos de 4 bits. El tercer cofundador, Di Jin, obtuvo su doctorado en MIT CSAIL y desempeñó un papel directo en el desarrollo de los procesos posteriores a la capacitación de Llama 3 y Llama 4 de Meta. Su trabajo incluye la coautoría del aprendizaje por refuerzo del CGPO a partir de la metodología de retroalimentación humana. Una vez completada la transacción, el equipo de Eigen AI establecerá operaciones en el Área de la Bahía de San Francisco, creando el primer centro estadounidense de ingeniería e investigación de Nebius. La inferencia se ha convertido en el segmento de más rápida expansión dentro del panorama informático de la IA. Las proyecciones actuales indican que representará aproximadamente dos tercios de los requisitos computacionales generales de la IA a lo largo de 2026. El despliegue eficiente de la inferencia presenta importantes desafíos técnicos. El proceso abarca la representación de modelos, la optimización del kernel de GPU y la gestión dinámica de cargas de trabajo, capacidades de las que la mayoría de las organizaciones carecen internamente. Los modelos de código abierto agravan estas dificultades, ya que generalmente se publican sin optimización. Las arquitecturas contemporáneas, incluida la combinación de expertos y la atención dispersa comprimida, presentan obstáculos adicionales relacionados con la utilización de la memoria y la eficiencia computacional que exigen experiencia especializada. La metodología de optimización integral de Eigen AI abarca el refinamiento posterior al entrenamiento, procedimientos de ajuste e inferencia de grado de producción en todas las principales familias de modelos de código abierto. Las técnicas específicas de modelo y a nivel de kernel de la empresa están diseñadas para maximizar el rendimiento de la infraestructura de hardware actual sin requerir recursos de desarrollo adicionales.