El desarrollo de inteligencia artificial empieza a ganar un nuevo lugar entre el PC convencional y el centro de datos. NVIDIA y AMD están construyendo sistemas específicamente pensados para que desarrolladores y equipos técnicos puedan ejecutar modelos, crear agentes y probar aplicaciones de IA localmente, una categoría que traslada al escritorio capacidades que hasta hace poco obligaban a recurrir a servidores especializados o infraestructura cloud.
El último movimiento llega de NVIDIA. La compañía lanzará el 23 de octubre una versión de 64 GB de DGX Spark, con un precio inicial de 4.999 dólares y equipos fabricados por Acer, ASUS, Dell, Gigabyte, HP y MSI. Mantiene el entorno DGX OS y la pila de software de NVIDIA e incorpora herramientas para unir dos sistemas cuando una carga supera la capacidad de una sola máquina.
Más que las especificaciones concretas, la ampliación de la gama resulta significativa por el tipo de uso que NVIDIA intenta normalizar. DGX Spark se plantea como una infraestructura personal en la que ejecutar inferencia, ajustar modelos, trabajar con agentes o desarrollar aplicaciones sin provisionar una instancia remota para cada experimento.
AMD persigue prácticamente el mismo objetivo desde otro punto de partida. Su plataforma Ryzen AI Halo está concebida para desarrollar y ejecutar modelos generativos y aplicaciones agénticas localmente, con Windows o Linux, ROCm y herramientas de desarrollo preparadas para funcionar desde el propio equipo.
Ambas propuestas empiezan a dibujar una categoría todavía incipiente: una capa de infraestructura local de IA situada entre el ordenador personal y el centro de datos.
De ejecutar aplicaciones de IA a construirlas
La distinción respecto al denominado AI PC es relevante. Buena parte de los ordenadores comercializados durante los últimos años bajo esa etiqueta han incorporado NPU y otros aceleradores destinados a ejecutar funciones de IA dentro de aplicaciones convencionales. El usuario consume esas capacidades mediante asistentes, edición multimedia, traducción, generación de contenidos o funciones integradas en el sistema operativo.
DGX Spark y Ryzen AI Halo se dirigen principalmente a quien construye esas aplicaciones.
El cambio afecta también a la forma de utilizar la infraestructura. Un desarrollador puede mantener modelos disponibles durante horas, experimentar con diferentes configuraciones, crear servicios locales, probar agentes o trabajar con documentación y código corporativo sin enviar necesariamente cada operación a un proveedor externo.
La nube continúa siendo imprescindible para entrenar grandes modelos, escalar servicios o atender picos de demanda. La diferencia es que deja de ser el único lugar razonable donde realizar una parte cada vez mayor del trabajo previo.
La propia AMD presenta Ryzen AI Halo como una plataforma para «desarrollar, probar e implementar» modelos generativos y agénticos completamente en local. NVIDIA utiliza DGX Spark para un planteamiento similar y destaca usos como agentes persistentes, inferencia, ajuste de modelos y ciencia de datos.
El resultado recuerda a la función que durante décadas desempeñaron las workstations en ingeniería, diseño o producción audiovisual: máquinas profesionales colocadas entre el ordenador de propósito general y la infraestructura centralizada.
Los agentes cambian la economía de la IA local
La expansión de los agentes puede hacer más relevante ese escalón intermedio. Una consulta ocasional a un modelo apenas justifica infraestructura dedicada. Un agente que analiza documentos, revisa código, recupera información y ejecuta tareas continuamente presenta un patrón de consumo distinto.
En esos escenarios, disponer de capacidad permanente convierte una parte del gasto variable en infraestructura en una inversión de hardware. También elimina la necesidad de enviar cada inferencia a un servicio remoto y permite mantener determinados procesos activos independientemente de la conexión con un proveedor cloud.
AMD utiliza precisamente el coste por flujo de trabajo como argumento para Ryzen AI Halo y ha publicado comparaciones propias frente a DGX Spark y servicios en la nube. Esos resultados deben interpretarse como pruebas realizadas por el fabricante, con configuraciones y supuestos concretos, y no como una ventaja económica universal.
Para las empresas aparece además otra variable: los datos. Ejecutar un modelo dentro de una máquina controlada por la organización permite diseñar flujos en los que código, documentos internos o información sensible no necesitan abandonar el entorno local durante la inferencia. Eso no elimina los requisitos de seguridad y gobierno del dato, pero amplía las arquitecturas disponibles para cumplirlos.
El software empieza a importar tanto como el hardware
La formación de esta categoría se aprecia mejor al observar qué acompaña a las máquinas.
NVIDIA entrega DGX Spark con su entorno de software de IA y está extendiendo NVIDIA Sync para automatizar la configuración de varias unidades. Su nuevo Sync Cluster Assistant detecta los equipos conectados y configura la red entre ellos, mientras que Sync Model Launcher permitirá descargar y desplegar modelos sobre uno o varios sistemas sin preparar manualmente toda la infraestructura.
AMD está siguiendo una dirección equivalente. Ryzen AI Halo incluye soporte preconfigurado para ROCm y un centro para desarrolladores desde el que acceder a herramientas, actualizaciones y guías. La compañía está creando además playbooks para cargas locales y prepara AMD Sync para administrar el sistema desde otros dispositivos. ROCm actúa como la capa común entre estas máquinas y los aceleradores AMD utilizados en infraestructura de mayor escala.
La consecuencia es que NVIDIA y AMD no compiten únicamente por colocar un procesador sobre la mesa del desarrollador. Intentan construir un entorno completo en torno a él.
Ese movimiento ayuda también a explicar una operación aparentemente alejada del negocio tradicional de AMD. El 28 de septiembre, la compañía alcanzó un acuerdo para adquirir World Labs, el laboratorio de modelos fundado y dirigido por Fei-Fei Li, por 8.200 millones de dólares en acciones. La transacción todavía debe completarse y AMD espera cerrarla antes de finales de 2026.
World Labs trabaja en modelos capaces de representar y generar entornos tridimensionales y en tecnologías de inteligencia espacial. Ambas compañías ya colaboraban en entrenamiento y optimización de inferencia sobre GPU de AMD. Al anunciar la operación, World Labs describió el objetivo conjunto como un ecosistema abierto que abarque «hardware, software, plataformas y modelos», mientras AMD destacó que incorporar investigadores de modelos le permitirá diseñar su futura infraestructura alrededor de las cargas que están apareciendo.
La adquisición no convierte automáticamente Ryzen AI Halo en una plataforma para ejecutar modelos propios de World Labs, ni AMD ha anunciado esa integración. Su relevancia es estratégica: muestra que el fabricante considera insuficiente competir únicamente en la capa de silicio.
Una infraestructura que empieza en el escritorio
NVIDIA tiene una ventaja estructural en esta carrera. CUDA, sus bibliotecas y su ecosistema de herramientas conectan DGX Spark con la misma plataforma utilizada en buena parte de la infraestructura de IA desplegada en centros de datos. Para un desarrollador, eso permite concebir el equipo local como el primer escalón de un entorno que puede crecer posteriormente.
AMD intenta construir una continuidad equivalente alrededor de ROCm. Su estrategia combina aceleradores Instinct en centros de datos, GPU Radeon, Ryzen AI y ahora sistemas dedicados como Halo. El software se convierte así en el elemento que puede permitir mover cargas entre diferentes niveles de infraestructura sin reconstruir completamente el proyecto.
Todavía es pronto para saber qué tamaño alcanzará este segmento. Son máquinas caras para un desarrollador individual, los modelos más exigentes seguirán necesitando centros de datos y muchas empresas encontrarán más eficiente alquilar capacidad que comprar hardware con una utilización irregular.
Pero la coincidencia entre NVIDIA y AMD resulta difícil de ignorar. Ambas están construyendo equipos específicos, simplificando su software, preparando herramientas para agentes y ofreciendo caminos para escalar desde una máquina local hacia infraestructuras mayores.
Si esa estrategia prospera, el desarrollo de IA dejará de dividirse únicamente entre el portátil y la nube. Entre ambos está apareciendo un nuevo nivel de infraestructura, suficientemente pequeño para instalarse junto al desarrollador y suficientemente capaz para asumir una parte creciente de la experimentación, la inferencia y la ejecución continua de agentes.
