La PC con IA ha llegado, con hardware local que desafía un modelo de 120 mil millones de parámetros! Nvidia redefine la base de la "computadora personal de IA" con RTX Spark

En los últimos dos años, los fabricantes de PC han mencionado repetidamente un parámetro al promocionar las “PC con IA”: la potencia de NPU. Pero ya sea los 45 TOPS del Lunar Lake de Intel, o los 50 TOPS del Strix Point de AMD, estos números permanecen en un nivel relativamente moderado. Pueden realizar desenfoque de fondo, reducción de ruido en voz, ejecutar algunos modelos pequeños en el extremo, pero solo eso.

El 31 de mayo, Nvidia presentó en la conferencia GTC 2026 el chip super RTX Spark, llevando ese número a 1 petaflop, es decir, 1000 TOPS. No un aumento del 30% o 50%, sino cruzando directamente un nivel de magnitud.

También se lanzaron otras noticias en el mismo evento: Microsoft, en colaboración con RTX Spark, actualizó el mecanismo de seguridad nativo de Windows, e introdujo el sandbox de código abierto OpenShell en la plataforma Windows; Adobe anunció una reconstrucción desde cero de Photoshop y Premiere, adaptándolos específicamente a la arquitectura de memoria unificada de RTX Spark; y los primeros seis fabricantes de OEM confirmaron que lanzarán en otoño laptops ligeras y desktops compactos equipados con este chip.

Lo que Nvidia hizo en esta GTC no fue simplemente lanzar un nuevo chip. Está intentando establecer un nuevo estándar de hardware para la categoría de “PCs personales con IA”.

Cuando la GPU se convierte en protagonista del PC

Primero, veamos el propio chip. Según los datos publicados por Nvidia en GTC, RTX Spark integra una GPU basada en la arquitectura Blackwell, con 6144 núcleos CUDA, junto con una CPU Grace de 20 núcleos Arm diseñada en colaboración con MediaTek, fabricada en proceso TSMC de 3 nm. El cambio clave está en la arquitectura de memoria: una memoria unificada de hasta 128GB, compartida entre CPU y GPU, eliminando la necesidad de mover datos de un lado a otro.

Esto va en contra de la lógica arquitectónica tradicional del PC.

La estructura básica de un PC convencional es “CPU x86 como procesador principal, GPU independiente como opción adicional”. Incluso en el concepto de PC con IA que ha surgido en años recientes, Intel y AMD también incorporan en sus CPU un NPU, como módulo adicional para aceleración de IA, con potencia de cálculo generalmente en torno a 40-50 TOPS. La GPU sigue siendo un “componente externo”.

RTX Spark redistribuye el poder de la palabra. Este SoC convierte a la GPU en protagonista, relegando a la CPU a un papel secundario. La potencia de cálculo de IA que Nvidia proporciona es de 1 petaflop FP4, equivalente a 1000 TOPS, más de 20 veces la potencia de NPU integrada en la generación anterior de PCs con IA. Esto no es una simple mejora en la misma categoría, sino el inicio de una carrera en una categoría diferente.

La velocidad de seguimiento de los OEM confirma esta evaluación. Según anuncios oficiales de Nvidia y reportes posteriores de DIGITIMES, Asus, Dell, HP, Lenovo, Surface de Microsoft y MSI lanzarán en otoño laptops ligeras y desktops compactos con RTX Spark, con modelos de Acer y GIGABYTE que seguirán. Prácticamente todas las principales marcas de PC con Windows están entrando en juego.

RTX Spark no es un producto nacido de cero. A principios de 2025, un chip con núcleo Blackwell y Grace apareció en forma de Project DIGITS y DGX Spark, pero entonces se orientaba a supercomputadoras Linux para desarrolladores, con tamaño similar a una pequeña desktop. Un año después, esa arquitectura fue comprimida en un portátil delgado y con mejor disipación, cambiando el sistema operativo de Linux a Windows, y ampliando el público objetivo desde desarrolladores de IA a consumidores y empresas. La mayor novedad en la publicación de consumo en GTC 2026 es que Nvidia no lanza solo un juguete para desarrolladores, sino que abre la puerta al mercado de consumo masivo.

¿Un modelo de 120B en local, es suficiente?

La potencia y memoria finalmente responden a una pregunta: ¿qué se puede hacer con ello?

En la presentación, Nvidia afirmó que RTX Spark soporta ejecutar modelos de hasta 120B de parámetros localmente, con una ventana de contexto que puede alcanzar millones de tokens. ¿Qué significa 120B? Como referencia, la práctica principal en hardware de consumo para modelos locales es que una RTX 4090 con 24GB de VRAM, mediante compresión cuantitativa, puede ejecutar modelos de 30B a 40B parámetros. Algunos modelos pequeños, en tarjetas de consumo, pueden correr rápidamente modelos de 9B. La diferencia de salto de 9B a 120B redefine el estándar de “suficiente” para IA en el extremo del dispositivo.

La memoria unificada de 128GB es la base de todo esto. En arquitecturas tradicionales, la CPU tiene su propia memoria del sistema, la GPU su propia VRAM, y entre ambas hay una frontera física. Un modelo que exceda la capacidad de VRAM no puede correr, o requiere dividirse y hacer intercambios de memoria complejos, con una caída drástica en velocidad. La arquitectura de memoria unificada elimina ese cuello de botella, permitiendo que los datos del modelo se coloquen en un pool compartido de 128GB, accesible tanto para CPU como para GPU. Apple Silicon fue pionero en demostrar la viabilidad de esta ruta en consumo, y ahora Nvidia la lleva al ecosistema Windows.

Además de inferencia de modelos grandes, los casos de uso listados por Nvidia incluyen edición de video 12K, renderizado de escenas 3D de más de 90GB, y juegos con trazado de rayos a más de 100 fps en resolución 1440p. Todos estos escenarios comparten un dato: la cantidad de datos procesados en una sola operación es enorme, y los PCs tradicionales deben esperar varias veces más en tiempo, o simplemente no pueden correr.

Entre “soporte para ejecutar” y “funcionamiento fluido y usable” hay todavía un trecho. Nvidia no ha publicado la velocidad de inferencia real del modelo de 120B en RTX Spark, ni datos de latencia para escenarios con millones de tokens. La clave para la velocidad en inferencia con contexto largo es el ancho de banda de memoria. Como referencia, DGX Spark, que también usa núcleos GB10, tiene un ancho de banda de memoria de aproximadamente 301GB/s en pruebas reales. Con ese ancho de banda, correr un modelo de 120B es posible, pero al trabajar con ventanas de millones de tokens, el usuario puede tener que esperar varios segundos para ver el primer token de salida. La versión portátil de RTX Spark, por limitaciones de consumo, probablemente tenga un ancho de banda aún menor.

Añadir una barrera de seguridad para agentes de IA

Otra de las novedades clave, además de la potencia, es la colaboración entre Nvidia y Microsoft a nivel de sistema. Esta parte puede ser la más fácil de pasar por alto en la publicación de consumo de GTC 2026, pero tendrá un impacto profundo en la industria.

Una computadora capaz de correr un modelo de 120B, si se entrega a un agente de IA que pueda operar en el escritorio, hacer clic, leer y escribir archivos, el riesgo de seguridad ya no es solo “¿se perderá datos?”, sino “¿el agente hará cosas que no quieres?”. Sin resolver esto, las empresas no podrán desplegar estos dispositivos a sus empleados.

La solución de Nvidia y Microsoft consiste en dos barreras. La primera, Microsoft ha actualizado el mecanismo de seguridad nativo de Windows, para monitorear y restringir el comportamiento del agente de IA desde el nivel del sistema operativo. La segunda, Nvidia ha integrado oficialmente OpenShell, un entorno sandbox de código abierto, en la plataforma Windows. Según la documentación oficial, OpenShell es un entorno de ejecución aislado a nivel núcleo, que delimita un rango controlado de operaciones para el agente. El agente puede ejecutar tareas dentro de ese rango, pero con permisos estrictamente limitados, sin poder acceder a archivos críticos del sistema, conexiones de red o datos sensibles del usuario.

Esta combinación tiene un significado claro para la adquisición empresarial. Antes, el concepto de “agente de IA local” permanecía en la etapa de demostración técnica. El hardware podía correrlo, pero el marco de seguridad era inexistente. Ningún departamento de TI se atrevía a incluir estos dispositivos en la lista de compras. Nvidia y Microsoft, insertando una capa de aislamiento estandarizada entre hardware y aplicaciones, convierten “que funcione” en “que sea gestionable”.

El rendimiento de OpenShell en sí mismo es una variable a observar. La隔离 en sandbox suele implicar cierta pérdida de rendimiento, y cuánto afectará a la velocidad de inferencia o respuesta del sistema aún no se ha divulgado. La complejidad de desplegarlo en TI empresarial, y su compatibilidad con las políticas de seguridad existentes, son cuestiones que solo se podrán verificar cuando los dispositivos OEM lleguen al mercado.

¿Por qué Adobe está dispuesta a “reconstruir desde abajo”?

El grado de colaboración de los fabricantes de software suele ser un indicador clave para determinar si una nueva plataforma hardware logrará consolidarse.

En el GTC, la acción de Adobe fue la señal más fuerte en el lado del software. Según el blog oficial de Nvidia y confirmaciones de altos ejecutivos de Adobe, la compañía ha iniciado una reconstrucción profunda de Photoshop y Premiere, adaptándolos específicamente a la arquitectura de memoria unificada de RTX Spark, y afirma que el rendimiento en IA y gráficos puede duplicarse.

“Reconstrucción profunda” no significa solo añadir plugins o capas de adaptación. En PCs tradicionales, la CPU y la GPU tienen sus propios espacios de memoria, y al procesar archivos grandes o líneas de tiempo en 8K, los datos se mueven repetidamente entre esas memorias, desperdiciando rendimiento. La memoria unificada de RTX Spark permite que CPU y GPU compartan directamente un mismo espacio de 128GB, y ese cambio estructural tiene un valor real para los flujos de trabajo profesionales. Adobe ha modificado código base, lo que indica que reconoce que esta arquitectura no es solo una estrategia de marketing pasajera.

Pero, ¿contra qué se mide ese “doble de velocidad”? Nvidia y Adobe no han divulgado aún la referencia comparativa. ¿Es frente a procesadores x86 con tarjeta gráfica independiente, o frente a la generación anterior de PCs con NPU? Sin datos claros, ese número solo puede ser una promesa con interrogantes.

También se anunciaron en conjunto Blackmagic Design, ComfyUI, llama.cpp, OTOY y varias compañías de juegos. La atención a ComfyUI y llama.cpp es especialmente relevante, porque son las herramientas open source más activas en los flujos de trabajo de IA local actuales. El apoyo temprano de la comunidad de desarrolladores suele reflejar más fielmente el potencial ecológico de una plataforma que las promesas de las grandes empresas.

Nvidia está intentando construir en Windows una experiencia similar a la integración de hardware y software que Apple logra con su ecosistema. La diferencia es que, en el caso de Apple, la muralla la construyen ellos mismos; en el de Nvidia, necesitan convencer a Microsoft y a los ISV de que también la construyan. La voluntad de Adobe de intervenir desde abajo al menos indica que esa primera piedra ya está colocada en esa muralla.

Más allá de los parámetros en papel

Volviendo a una cuestión muy práctica: ¿realmente se podrán comprar estos dispositivos, y qué experiencia ofrecerán al tenerlos en mano?

Según Nvidia, los primeros dispositivos con RTX Spark llegarán en otoño, de la mano de Asus, Dell, HP, Lenovo, Surface de Microsoft y MSI, en laptops ligeras y desktops compactos. Acer y GIGABYTE seguirán con modelos propios. Pero no se han divulgado precios ni fechas exactas de lanzamiento.

Más importante que el precio, hay varias incógnitas físicas. ¿Cómo equilibrar el consumo y la disipación de calor en un portátil delgado con un chip de 1 petaflop? ¿Qué rendimiento y autonomía tendrá el uso cotidiano en tareas no IA? ¿La memoria unificada de 128GB en un portátil tendrá un ancho de banda real suficiente, o se verá limitada por el consumo?

Estas son las verdaderas pruebas de la industrialización. La diferencia entre el rendimiento máximo en prototipo y el comportamiento real en manos del consumidor, que suele ser 8 horas diarias, es enorme. Nvidia destacó la eficiencia energética de RTX Spark, pero no divulgó TDP ni datos de autonomía.

Desde la perspectiva del mercado de PC, la aparición de RTX Spark marca la formación de un nuevo modelo de división del trabajo. Durante los últimos 30 años, el poder de decisión en los chips centrales del PC estuvo en manos de los fabricantes de procesadores x86. Los GPU, aunque cada vez más importantes, siempre fueron “complementos en la placa base”. Ahora, Nvidia presenta un SoC completo, con CPU, GPU y controlador de memoria integrados, con CPU Arm diseñada por MediaTek. La estructura de poder en la cadena de valor del PC está cambiando de “x86 CPU + GPU opcional” a “plataforma SoC centrada en GPU”.

Este cambio no se completará en un día. La estrategia de precios de los OEM, el rendimiento real en eficiencia energética, la compatibilidad del software ISV, y los ciclos de validación de compra empresarial, cada uno de estos aspectos determinará si RTX Spark será una nueva referencia en la industria o solo otra demostración tecnológica de alto vuelo. La respuesta, al menos, tendrá que esperar hasta otoño.