Memoria escasa, nube concentrada: el cruce entre la IA local y los equipos personales

El director ejecutivo de OpenAI, Sam Altman, sostuvo que correr modelos de inteligencia artificial directamente en computadoras domésticas es una mala asignación de la memoria DRAM. El componente encareció fuertemente: según TrendForce, su precio subió entre un 90% y un 95% durante el primer trimestre de 2026. En ese contexto, el planteo de Altman apunta a concentrar ese recurso en centros de datos de uso continuo, donde, según su argumento, rendiría más.

La memoria que duerme en casa

La memoria DRAM instalada en una computadora personal pasa la mayor parte del día inactiva. Altman estimó esa subutilización en un 5% del tiempo de uso efectivo y la presentó como un problema de asignación de recursos, justo cuando el componente escasea a nivel global.

La inferencia local consiste en ejecutar un modelo de inteligencia artificial en el dispositivo del usuario, sin enviar las consultas a servidores remotos. La práctica ganó terreno junto con la disponibilidad de modelos de código abierto que pueden instalarse en equipos de gama media o alta.

“La inferencia local es una terrible asignación de recursos escasos.”Sam Altman, director ejecutivo de OpenAI

Los argumentos en pugna

• Altman: un centro de datos aprovecha la misma memoria las 24 horas, mientras que una computadora personal la usa una fracción mínima del día.
• Altman: con una oferta restringida, repartir ese recurso en millones de equipos individuales reduce el rendimiento global del sistema.
• Defensores de la IA local: procesar datos sin enviarlos a servidores externos, con el argumento de la privacidad como eje.

Los datos del mercado respaldan en parte el diagnóstico. Fabricantes como Micron y SK Hynix no logran escalar la producción al ritmo que exigen los grandes operadores de centros de datos dedicados a IA. Algunas compañías empezaron a redirigir capacidad hacia memoria HBM, de alto rendimiento, aunque ampliar plantas especializadas demora más de un trimestre.