Cursor busca levantar hasta 2,000 millones de dólares —y quizás triplicar su valuación a 60,000 millones

Piild – Boletín Diario

En menos de cuatro años, Cursor pasó de ser una herramienta de nicho para desarrolladores a convertirse en uno de los startups de mayor crecimiento en la historia del software empresarial. Ahora está en conversaciones para levantar una nueva ronda de financiamiento que podría valorar a la empresa —formalmente llamada Anysphere— en alrededor de 60,000 millones de dólares, según reportes de medios especializados del 17 de abril de 2026. Para tener perspectiva: en noviembre de 2025 ya había cerrado una ronda de 2,300 millones de dólares a una valuación de 29,300 millones —en ese momento ya triplicaba su valor frente a la ronda de junio del mismo año.

Los números que sustentan esas conversaciones son igual de llamativos. En febrero de 2026, la plataforma superó los 2,000 millones de dólares en ingresos anualizados —una cifra que se duplicó en apenas 90 días—. Los clientes empresariales, que hace un año eran una fracción del negocio, ahora representan aproximadamente el 60% de los ingresos. La mitad de las empresas del Fortune 500 ya utilizan Cursor, una herramienta construida como un editor de código para VS Code que integra IA de modelos como Claude, GPT y Gemini para ayudar a escribir, revisar y depurar código.

El ascenso de Cursor también revela la magnitud del mercado de herramientas de codificación asistida por IA, que se estima entre 6,000 y 9,500 millones de dólares en 2026 con una tasa de crecimiento compuesto proyectada del 22%. En este ecosistema compiten actores como GitHub Copilot (Microsoft), Claude Code (Anthropic) y Codex (OpenAI). El CEO de Cursor, Michael Truell, ha descartado por el momento una oferta pública inicial: el foco inmediato, dijo, es seguir construyendo el producto y el equipo.

Fuente: Bloomberg

Zoom + World ID: ahora podrás saber si tu interlocutor en videollamada es humano

El riesgo parecía ciencia ficción hasta que ocurrió en la realidad: en 2024, un empleado de la firma de ingeniería Arup en Hong Kong autorizó transferencias por 25 millones de dólares durante una videollamada con lo que parecía ser el director financiero de la empresa y varios colegas. Todos, excepto la víctima, eran deepfakes generados por inteligencia artificial. Un año después, un ataque similar impactó a una multinacional en Singapur. Y en el primer trimestre de 2024, las pérdidas financieras derivadas de fraudes con deepfakes superaron los 200 millones de dólares, con un costo promedio por incidente corporativo que supera los 500,000 dólares.

Ante este panorama, Zoom anunció una alianza con World, la empresa de verificación de identidad humana fundada por Sam Altman, para integrar un sistema que permita confirmar durante una videollamada que los participantes son personas reales y no simulaciones generadas por IA. La tecnología, llamada World ID Deep Face, combina tres elementos: una imagen firmada del usuario tomada durante su registro mediante el dispositivo Orb de World, un escaneo facial en tiempo real desde su dispositivo, y el fotograma de video visible para otros participantes. Solo cuando las tres capas coinciden aparece el distintivo “Humano Verificado” en la pantalla.

Los anfitriones de una reunión podrán habilitar una sala de espera que exija verificación a todos los participantes, y cualquier integrante de la llamada podrá solicitar que otro se verifique en tiempo real. World ya tiene alianzas similares con Tinder y Visa para autenticación humana. La integración con Zoom marca un paso hacia la institucionalización de la verificación de humanidad como capa estándar en las comunicaciones digitales, un concepto que hasta hace poco sonaba más a distopía que a producto.

Fuente: TechCrunch

Intel renueva sus chips de gama media con silicio nuevo por primera vez en años

Durante los últimos dos años, Intel ha vendido sus procesadores de gama no-Ultra con el mismo silicio del pasado: la arquitectura Raptor Lake, presentada en 2022, y esencialmente los mismos chips que usaban sus líneas 12ª y 13ª generación. La renovación era necesaria y llegó: los nuevos procesadores Core Series 3 no-Ultra —con nombre en clave “Wildcat Lake”— están fabricados con silicio fresco, lo que los alinea de forma más coherente con los Core Ultra Series 3 (Panther Lake) en términos de arquitectura, aunque con un diseño más simplificado y menor capacidad de cómputo.

Cada chip Wildcat Lake se construye sobre dos piezas de silicio: un tile de cómputo con hasta dos núcleos de rendimiento Cougar Cove y cuatro núcleos de eficiencia Darkmont, una GPU integrada con una o dos unidades Xe3 de última generación, y una NPU capaz de hasta 17 billones de operaciones por segundo (TOPS). Un segundo tile de plataforma —fabricado en un proceso externo a Intel— gestiona la conectividad: hasta dos puertos Thunderbolt 4, Wi-Fi 7, Bluetooth 6.0 y seis carriles PCIe 4.0. Los chips soportan hasta 48 GB de memoria LPDDR5X-7467 o hasta 64 GB de DDR5-6400, con un consumo base de 15 W y un pico de 35 W.

El lanzamiento es relevante porque pone fin a un período en que Intel reempaquetaba silicio viejo para competir en el segmento de laptops de entrada y media gama, donde AMD ha ganado terreno con sus chips Ryzen. Aunque Wildcat Lake no iguala en potencia a los Panther Lake de gama alta, ofrece una propuesta más honesta para compradores que no necesitan las máximas prestaciones pero sí desean un equipo moderno y eficiente.

Fuente: Ars Technica

OpenProtein.AI quiere poner el diseño de proteínas con IA en manos de todos los biólogos

El diseño de proteínas con inteligencia artificial ya no es terreno exclusivo de los laboratorios con grandes equipos de cómputo y expertos en machine learning. OpenProtein.AI, una startup fundada por Tristan Bepler —egresado del MIT— y el ex profesor del MIT Tim Lu, ofrece una plataforma sin código que permite a biólogos de cualquier tamaño de laboratorio acceder a modelos fundacionales de última generación para diseñar proteínas, predecir su estructura y función, y entrenar modelos propios con datos experimentales propios. Para investigadores académicos, la plataforma está disponible de forma gratuita.

El modelo estrella de la empresa, PoET (Protein Evolutionary Transformer), fue entrenado sobre grupos de proteínas relacionadas evolutivamente y puede generalizar restricciones evolutivas sobre secuencias sin necesidad de reentrenarse con cada nuevo conjunto de datos. En 2024 publicaron PoET-2, que supera en rendimiento a modelos mucho más grandes usando solo una fracción de los recursos computacionales y datos experimentales. La gran farmacéutica Boehringer Ingelheim comenzó a usar la plataforma en 2025 y recientemente anunció una colaboración ampliada para integrar los modelos de OpenProtein en su trabajo de diseño de proteínas terapéuticas para cáncer y enfermedades autoinmunes.

El desafío que la empresa trata de resolver es conceptualmente simple pero técnicamente enorme: ¿cómo describir a una máquina exactamente qué hace una proteína para que pueda diseñar nuevas que hagan lo mismo o algo diferente? Actualmente los modelos ya permiten a los investigadores generar bibliotecas de secuencias proteicas “in silico” y filtrarlas con predictores estructurales antes de llevarlas al laboratorio, acortando ciclos de desarrollo que antes tomaban años.

Fuente: MIT News

Una inyección podría revertir la artrosis —sin cirugía, en pocas semanas

La artrosis afecta a cientos de millones de personas en el mundo. Se trata del desgaste progresivo del cartílago que protege las articulaciones, y en sus etapas avanzadas lleva casi inevitablemente a la cirugía de reemplazo. Hasta ahora no existía ningún fármaco aprobado capaz de frenar o revertir ese deterioro. Un estudio preclínico de la Universidad de Colorado Boulder —aún sin revisión por pares, enmarcado en el proyecto NITRO (Novel Innovations for Tissue Regeneration in Osteoarthritis) y financiado por el Departamento de Salud de EE.UU.— podría cambiar ese panorama.

El equipo, liderado por la ingeniera biomédica Stephanie Bryant, desarrolló un sistema basado en una inyección única que libera de forma controlada un fármaco ya aprobado directamente en la articulación dañada. En lugar de recurrir a tejidos artificiales o células madre, el enfoque “recluta” las propias células del cuerpo para reparar el cartílago. En modelos animales, el cartílago dañado mostró regeneración en pocas semanas. El objetivo declarado del proyecto es ambicioso: no solo tratar el dolor o frenar la enfermedad, sino acabar con ella. “Nuestro objetivo no es detener la progresión, sino erradicarla”, ha señalado Bryant.

El trabajo sigue en fase preclínica y requerirá validación en ensayos clínicos humanos antes de cualquier aplicación masiva. Sin embargo, el enfoque es distinto a todo lo anterior: no busca sustituir la articulación sino hacer que el propio organismo la repare. Si los resultados se confirman, podría representar el primer tratamiento capaz de revertir daños articulares en lugar de apenas administrarlos.

Fuente: Wired ES

Empresas que quebraron están vendiendo tus chats de Slack para entrenar IA

Cuando una empresa tecnológica cierra sus puertas, sus activos —incluyendo datos— entran al proceso de liquidación. Un reportaje de Gizmodo revela que compañías fallidas están vendiendo archivos completos de Slack, correos electrónicos y otras comunicaciones internas de sus empleados a terceros interesados en usarlos para entrenar modelos de inteligencia artificial. Los datos incluyen conversaciones privadas entre colegas, mensajes sobre clientes, decisiones estratégicas y potencialmente información sensible compartida en el contexto de un entorno laboral donde nadie pensó que esas palabras servirían algún día como material de entrenamiento para una IA.

El problema es que la mayoría de los trabajadores jamás consintió explícitamente que sus comunicaciones internas fueran usadas para este fin. Aunque los términos de servicio corporativos suelen otorgar a la empresa cierto dominio sobre los datos generados en sus plataformas, la venta de esos datos en un proceso de quiebra a compradores externos entra en una zona gris legal y ética que los marcos regulatorios vigentes —incluyendo el GDPR en Europa y diversas leyes estatales en EE.UU.— no estaban diseñados para contemplar con precisión.

El fenómeno ilustra una tensión que irá creciendo: los datos generados en entornos laborales cotidianos —conversaciones, decisiones, incluso errores— tienen un valor creciente en el mercado de entrenamiento de IA, mientras que las personas que los generaron tienen cada vez menos control sobre su destino. La pregunta de fondo no es solo legal sino filosófica: ¿a quién pertenecen las palabras que dijiste en el trabajo?

Fuente: Gizmodo

Tu Piildora diaria