El crecimiento de los modelos de inteligencia artificial ya no se mide solo en parámetros, sino en contexto. A medida que los sistemas evolucionan hacia agentes capaces de razonar en múltiples pasos, mantener memoria persistente y colaborar entre sí, el cuello de botella empieza a desplazarse desde el cómputo hacia la gestión de datos intermedios. En ese terreno se sitúa el anuncio de NVIDIA en el CES 2026: la llegada de una nueva clase de infraestructura de almacenamiento nativa para IA, impulsada por el procesador de datos BlueField-4.
La compañía presentó oficialmente la NVIDIA Inference Context Memory Storage Platform, una arquitectura diseñada para resolver un problema específico pero creciente: dónde y cómo almacenar el contexto de inferencia, especialmente el denominado key-value cache (KV cache), cuando los modelos dejan de ser sesiones aisladas y pasan a operar como sistemas persistentes y distribuidos. Según la empresa, la plataforma permite escalar la inferencia a “gigascala”, con mejoras de hasta cinco veces en tokens por segundo y eficiencia energética frente a soluciones de almacenamiento tradicionales.
El anuncio llega en un momento en el que los modelos de lenguaje de gran tamaño avanzan hacia contextos cada vez más extensos. Los sistemas que ejecutan razonamiento prolongado, planificación o interacción continua generan volúmenes masivos de datos temporales que resultan críticos para la coherencia y la precisión. Sin embargo, ese contexto no puede residir indefinidamente en la memoria de las GPU sin comprometer la latencia y el rendimiento global.
El límite del KV cache en la era del razonamiento largo
El KV cache, esencial para reutilizar cálculos previos durante la inferencia, se ha convertido en un activo estratégico. Mantenerlo cerca del cómputo acelera la respuesta, pero consume memoria de GPU, un recurso caro y escaso. Externalizarlo a sistemas de almacenamiento convencionales introduce latencias incompatibles con agentes que deben responder en tiempo real o coordinarse con otros agentes.
Este dilema ha empujado a NVIDIA a proponer una capa intermedia: un almacenamiento diseñado específicamente para contexto de inferencia, no para datos fríos ni para entrenamiento. La Inference Context Memory Storage Platform extiende de forma efectiva la memoria disponible para los modelos, permitiendo compartir contexto entre nodos y racks completos sin penalizar el tiempo hasta el primer token ni la fluidez de las interacciones.
En el centro de esta arquitectura se encuentra el procesador de datos NVIDIA BlueField-4, integrado dentro del stack completo de infraestructura de la compañía. A diferencia de generaciones anteriores, BlueField-4 asume funciones tradicionalmente asociadas al software, como la gestión de metadatos o la colocación del KV cache, descargando trabajo de las CPU y evitando movimientos innecesarios de datos.
De la GPU al tejido de red
Uno de los elementos más destacados del anuncio es la integración con NVIDIA Spectrum-X Ethernet, que actúa como tejido de red de alto rendimiento para el acceso RDMA al contexto de inferencia. Esta combinación permite que múltiples nodos accedan de forma eficiente a memorias compartidas, algo clave en escenarios de agentes distribuidos o fábricas de IA a escala de rack.
La plataforma también se apoya en el framework DOCA y en bibliotecas como NIXL y Dynamo, orientadas a maximizar el rendimiento en inferencia. El objetivo declarado es reducir la sobrecarga de software y eliminar latencias ocultas que, en sistemas complejos, acaban acumulándose en cada interacción.
Desde el punto de vista operativo, NVIDIA afirma que esta aproximación puede multiplicar la productividad de las GPU, un argumento relevante en un contexto de costes energéticos elevados y disponibilidad limitada de aceleradores. Sin embargo, la ganancia real dependerá de la capacidad de los desarrolladores y operadores para adaptar sus cargas de trabajo a esta nueva capa de almacenamiento.
Un ecosistema que se mueve
El anuncio no se limita al hardware. NVIDIA enumeró una lista amplia de socios que ya están trabajando en plataformas de almacenamiento compatibles con BlueField-4, entre ellos AIC, Cloudian, DDN, Dell Technologies, HPE, Hitachi Vantara, IBM, Nutanix, Pure Storage, Supermicro, VAST Data y WEKA. La disponibilidad comercial está prevista para la segunda mitad de 2026, lo que sitúa esta tecnología en el horizonte de planificación de grandes centros de datos y proveedores de servicios de IA.
Este movimiento refuerza la estrategia de NVIDIA de extender su control más allá de la GPU, abarcando red, almacenamiento y software. En lugar de ofrecer componentes aislados, la compañía plantea una infraestructura integrada pensada para cargas de trabajo muy concretas, como la inferencia de agentes con memoria persistente.
En palabras de su consejero delegado, Jensen Huang, la IA está dejando atrás el paradigma del “chatbot de una sola pregunta” para convertirse en sistemas que entienden el mundo físico, utilizan herramientas y mantienen memoria a corto y largo plazo. La afirmación subraya un cambio conceptual, aunque también plantea interrogantes sobre la complejidad y el coste de desplegar estas arquitecturas fuera de los grandes actores del sector.
Implicaciones para empresas y centros de datos
Para las empresas tecnológicas y los operadores de infraestructuras en España, la propuesta de NVIDIA apunta a un futuro en el que la inferencia avanzada requerirá inversiones específicas en almacenamiento especializado. No se trata solo de añadir más capacidad, sino de rediseñar la jerarquía de memoria y su integración con la red y el cómputo.
Aunque la promesa de hasta cinco veces más eficiencia energética resulta atractiva, conviene matizar que estas cifras se comparan con soluciones de almacenamiento tradicionales no optimizadas para IA. La adopción real dependerá de casos de uso donde el contexto prolongado y la colaboración entre agentes generen un retorno claro, como atención al cliente automatizada compleja, simulaciones industriales o sistemas de planificación en tiempo real.
También queda abierta la cuestión de la interoperabilidad. Al estar profundamente integrada en el ecosistema de NVIDIA, la Inference Context Memory Storage Platform refuerza la dependencia de un proveedor único, algo que algunas organizaciones observan con cautela, especialmente en entornos regulados o con estrategias multivendor.
Un cambio de capa, no un cierre de ciclo
El lanzamiento de BlueField-4 como pieza clave de una nueva infraestructura de almacenamiento sugiere que la evolución de la IA no se resolverá únicamente con modelos más grandes. La eficiencia, la latencia y la persistencia del contexto se convierten en variables críticas, y el almacenamiento deja de ser un componente pasivo para integrarse en el flujo de inferencia.
Queda por ver hasta qué punto este enfoque se generalizará más allá de los grandes despliegues de IA y si los desarrolladores adaptarán sus arquitecturas para aprovecharlo plenamente. Lo que parece claro es que, en la próxima fase de la inteligencia artificial, la memoria y su ubicación importarán tanto como el número de parámetros.
