La IA migra a dispositivos: nueva era de oportunidades en chips y hardware

La inteligencia artificial ha pasado años concentrada en un solo lugar: los enormes centros de datos donde se entrenan los modelos más potentes, donde se procesan millones de consultas simultáneas, donde viven los servidores que alimentan la nube. Pero esa era está terminando. El siguiente capítulo de la IA se juega en un terreno completamente distinto: en los chips integrados en tu ordenador, en tu teléfono, en dispositivos diseñados para pensar sin necesidad de conectarse a ningún servidor remoto. Este cambio de escenario abre un horizonte de oportunidades de negocio e inversión que apenas comienza a tomar forma.

Yan Taw Boon, director de inversiones temáticas para Asia en Neuberger, lo explica con claridad: a medida que la IA migra del entrenamiento en la nube hacia la ejecución local, el hardware subyacente debe rediseñarse completamente. No se trata de pequeños ajustes incrementales. La diferencia es fundamental. Mientras que los centros de datos están optimizados para entrenar grandes modelos de lenguaje a escala masiva, los dispositivos locales ofrecen algo distinto: acceso constante, privacidad genuina y velocidad inmediata. Todo el cálculo ocurre en el chip del dispositivo. No hay viaje de ida y vuelta a un servidor lejano. No hay latencia. No hay datos que viajen fuera de tu máquina.

Esta transición se está acelerando con el surgimiento de los agentes de IA, sistemas autónomos capaces de coordinar tareas sin intervención humana constante. En junio, durante la feria Computex, Nvidia presentó el RTX Spark, un chip diseñado específicamente para dar a los ordenadores personales la potencia necesaria para ejecutar estos agentes. Días después, Apple anunció una revisión fundamental de Siri, transformándola de un simple asistente de voz que busca respuestas en internet a un sistema capaz de coordinar tareas entre aplicaciones sin necesidad de conexión a la nube. Estos no fueron anuncios menores. Representan el inicio de una reconstrucción arquitectónica profunda que aborda tres limitaciones estructurales que han frenado una adopción más amplia de la IA.

La primera es la latencia. Cloudflare, una empresa de infraestructura de internet, estima que el 57% de las consultas de búsqueda en línea ahora las inician bots, no humanos. A medida que los pedidos de estos agentes automáticos superan a los comandos generados por personas, los servidores de centros de datos lejanos simplemente no pueden seguir el ritmo. Los tiempos de respuesta se ralentizan. La segunda limitación es la privacidad. Los agentes de IA necesitan acceso continuo a datos confidenciales que las organizaciones quizá no deseen transmitir a un proveedor de nube externo. La tercera es el coste. Los agentes consumen tokens a un ritmo geométrico. Ejecutar tareas de agentes en dispositivos específicos, en lugar de en la nube, podría reducir drásticamente los costes de IA. En la nube, los usuarios pagan por cada tarea que realiza un agente, acumulando facturas que pueden crecer sin control. En un dispositivo, se paga por adelantado por la potencia de procesamiento, sin sorpresas.

Para resolver estas limitaciones, será necesario mejorar el hardware en dos capas computacionales que se sitúan por encima de la nube: la capa edge y la capa de dispositivos. La capa edge es infraestructura alojada en instalaciones regionales entre los centros de datos y los usuarios finales, acortando la distancia que deben recorrer las solicitudes de IA. Dos tipos de actores dominan este espacio. Las redes de distribución de contenidos, como Akamai y Cloudflare, que ya operan miles de servidores locales en todo el mundo para acelerar tiempos de carga, ahora reutilizan esa misma infraestructura para acelerar respuestas de IA. También están los proveedores de GaaS, como DigitalOcean, que alquilan potencia de cálculo por horas. Este modelo de GPU como servicio está diseñado para adaptarse al uso intermitente de IA impulsado por máquinas.

En la capa de dispositivos, los cálculos de IA se realizan cada vez más en máquinas específicas en lugar de en la nube. Están emergiendo las estaciones de trabajo agénticas: ordenadores personales con suficiente potencia de procesamiento y memoria para ejecutar modelos de IA completos. Gestionar cargas de trabajo enormes en el propio dispositivo requiere más potencia, más memoria, más almacenamiento, y un diseño preciso que integre todos estos elementos. Esta demanda está impulsando un nuevo ciclo de hardware de varios años. Nvidia y MediaTek ofrecen la plataforma RTX Spark, la base combinada de chip y software sobre la que se construyen otros productos. Arm Holdings proporciona la columna vertebral arquitectónica, el plano subyacente a partir del cual se construyen chips supereficientes. Qualcomm se especializa en diseño de consumo ultrabajo: chips que ofrecen rendimiento de IA mientras consumen muy poca batería, algo esencial para dispositivos que están siempre encendidos.

La demanda de memoria y almacenamiento es particularmente intensa. El índice PHLX Semiconductor se disparó casi un 300% entre abril de 2025 y finales de junio de 2026, impulsado por líderes en memoria como SK Hynix, Samsung Electronics y Micron Technology, y líderes en almacenamiento como SanDisk y Kioxia. Según los analistas, aún estamos en las primeras fases de este ciclo de actualización. La demanda de memoria y almacenamiento seguirá superando el crecimiento de la oferta durante al menos algunos años más. Finalmente, el encapsulado conecta los chips dentro de un dispositivo, con el sustrato de circuitos integrados como elemento central: una capa base que une el chip de silicio a la placa de circuito mediante miles de minúsculas conexiones eléctricas. Cada componente de esta cadena de valor está siendo rediseñado para un mundo donde la IA vive en tus manos, no en la nube.