- La startup Satlyt recaudó una ronda semilla de USD 8 millones liderada por inversores aeroespaciales.
- Fundada por Rama Afullo, exingeniero de Google y SpaceX, la firma busca procesar IA en órbita.
- La tecnología evita transmitir terabytes a la Tierra procesando imágenes satelitales en tiempo real.
- Esta semana despegará su primera misión comercial para validar el software en órbita terrestre baja.
La prometedora compañía emergente Satlyt completó con éxito una ronda de financiamiento semilla por un monto de 8 millones de dólares con el propósito de perfeccionar y desplegar una arquitectura de software diseñada específicamente para ejecutar modelos avanzados de inteligencia artificial directamente a bordo de satélites en órbita terrestre baja.
La firma, fundada y conducida por el ingeniero keniata-estadounidense Rama Afullo —quien cuenta con una destacada trayectoria profesional previa en divisiones clave de Google y SpaceX—, apunta a resolver de manera definitiva uno de los cuellos de botella más críticos de la exploración espacial: la saturación de las bandas de comunicación necesarias para descargar archivos gigantescos de imágenes hacia las estaciones terrenas receptoras.
Procesamiento autónomo de datos visuales en el espacio
En el modelo tradicional de operación espacial, los satélites de observación terrestre capturan inmensos volúmenes de datos fotográficos que deben ser retransmitidos de forma íntegra y sin depurar a estaciones terrestres para su procesamiento computacional. Dicho procedimiento puede tardar varias horas o incluso días enteros debido a las limitadas ventanas de paso orbital, mermando severamente la capacidad de respuesta oportuna ante emergencias humanitarias repentinas o catástrofes ambientales de rápida evolución.
Frente a este obstáculo, el software pionero concebido por Satlyt traslada el poder de cómputo a la propia plataforma orbital mediante redes neuronales compactas optimizadas para procesadores embebidos resistentes a la radiación cósmica. El algoritmo evalúa las tomas en milisegundos, descarta de manera automática aquellas imágenes obstruidas por nubosidad densa y envía a los analistas en la Tierra únicamente metadatos críticos y alertas sintetizadas sobre incendios forestales, derrames de hidrocarburos o movimientos de buques en zonas de reserva protegida.
Portales de referencia tecnológica como TechCrunch y publicaciones del sector astronáutico como SpaceNews informaron que Satlyt tiene programado el despegue de su primera misión de validación en órbita para este mismo fin de semana a bordo de un vuelo compartido de un cohete espacial comercial.
Este salto innovador hacia la autonomía analítica desde el espacio exterior coincide con la evolución vertiginosa de las herramientas computacionales en el planeta, como cuando DeepMind presenta Gemini 4 Argon con 1 millón de tokens de salida para impulsar arquitecturas analíticas de alta exigencia.
Perspectivas y escalabilidad de la computación en órbita
El capital obtenido en esta ronda de financiamiento permitirá a la empresa ampliar de inmediato su plantilla de programadores y especialistas en sistemas espaciales, además de consolidar alianzas comerciales con consorcios operadores de constelaciones satelitales. La visión estratégica de Rama Afullo apunta a convertir a Satlyt en una plataforma universal donde científicos y organizaciones puedan desplegar algoritmos de visión artificial en órbita con la misma sencillez operativa que caracteriza a los servicios modernos de computación en la nube.
Especialistas del sector coinciden en señalar que descentralizar el análisis y procesar la información en el propio punto de origen transformará la gestión de riesgos y la preservación ecológica en el planeta Tierra.
El desarrollo de algoritmos embarcados en satélites abre nuevas fronteras para la observación de la Tierra y la gestión de riesgos globales. Con la validación técnica de la arquitectura de Satlyt en órbita baja, se espera que organismos internacionales, centros de investigación y empresas privadas puedan acceder a datos climáticos y geográficos procesados con una latencia significativamente menor, optimizando la toma de decisiones en momentos de emergencia y preservando recursos estratégicos esenciales.
