La inteligencia artificial empieza a cambiar los requisitos de memoria de los ordenadores personales. La expansión de modelos abiertos como Qwen, de Alibaba, y DeepSeek, junto con nuevas técnicas de inferencia, está aumentando el interés por equipos capaces de ejecutar modelos de lenguaje directamente en el dispositivo. La memoria unificada gana protagonismo en esta evolución porque permite que la CPU y la GPU compartan un mismo espacio de memoria, una característica especialmente útil cuando el modelo necesita más capacidad de la que ofrece la memoria gráfica tradicional.
Las claves de la IA local en 30 segundos
- Los modelos abiertos permiten ejecutar determinadas cargas de inteligencia artificial sin depender continuamente de una API en la nube.
- Qwen y DeepSeek ofrecen modelos y herramientas para desplegar inferencia en hardware propio.
- La memoria unificada permite que CPU y GPU compartan memoria física y puede ampliar los modelos que caben en un ordenador.
- AMD ha documentado una prueba con cuatro equipos Ryzen AI Max+ para ejecutar localmente Kimi K2.5, un modelo de Moonshot AI.
- El principal límite sigue siendo el equilibrio entre memoria disponible, velocidad, consumo energético y coste del equipo.
La tendencia tiene dos protagonistas que se refuerzan mutuamente. Por un lado, los desarrolladores publican modelos cuyos pesos pueden descargarse y ejecutarse con herramientas compatibles. Por otro, los fabricantes de hardware y los proyectos de software trabajan para aprovechar mejor la memoria y los procesadores disponibles en equipos de sobremesa y estaciones de trabajo.
El resultado no significa que cualquier ordenador pueda ejecutar cualquier modelo avanzado. El tamaño de los pesos, la memoria necesaria durante la generación de respuestas, la cuantización y la velocidad de los procesadores siguen determinando qué aplicaciones resultan viables. Sin embargo, la combinación de modelos abiertos y plataformas con mucha memoria está ampliando las posibilidades de la inferencia local.
La memoria se convierte en una de las limitaciones de la IA en el PC
En un ordenador convencional, la memoria RAM del sistema y la memoria de vídeo dedicada de una tarjeta gráfica son recursos distintos. Cuando un modelo necesita una gran cantidad de memoria para sus pesos y su contexto, esa separación puede dificultar su ejecución, incluso aunque el equipo disponga de suficiente memoria total sumando ambos componentes.
La memoria unificada permite que diferentes unidades de procesamiento accedan a una misma memoria física. En las plataformas que la utilizan, la CPU y la GPU integrada pueden compartir ese recurso, lo que reduce algunas de las limitaciones asociadas a mantener copias separadas de los datos. No elimina, sin embargo, los costes de mover información ni garantiza que todas las operaciones se ejecuten a la velocidad de una GPU dedicada.
Esta arquitectura resulta especialmente interesante para los modelos de lenguaje grandes (LLM, por sus siglas en inglés). Durante la inferencia, el sistema necesita mantener disponibles los pesos del modelo y reservar memoria adicional para elementos como la caché de claves y valores, conocida como KV cache, que almacena información utilizada para generar los siguientes tokens.
Por eso, disponer de 64 GB o 128 GB de memoria compartida puede abrir opciones que serían difíciles en un PC con una tarjeta gráfica que solo cuenta con 8 GB, 12 GB o 16 GB de memoria de vídeo. La comparación no es directa: el rendimiento también depende del ancho de banda, la arquitectura del procesador, la optimización del software y la precisión numérica empleada.
La memoria unificada tampoco es exclusiva de los ordenadores con IA. Apple lleva años utilizando esta arquitectura en sus chips de la serie M, mientras que plataformas de AMD, como Ryzen AI Max+, permiten configurar equipos con grandes cantidades de memoria accesible por la GPU integrada. La novedad está en el interés creciente por utilizar estas capacidades para ejecutar modelos cada vez mayores fuera de los centros de datos.
AMD demuestra que es posible distribuir un modelo entre varios equipos
Una prueba técnica publicada por AMD el 25 de febrero de 2026 muestra hasta dónde puede llegar esta aproximación. La compañía documentó la ejecución local de Kimi K2.5, un modelo de Moonshot AI, mediante un conjunto de cuatro equipos Framework Desktop equipados con procesadores AMD Ryzen AI Max+ 395 y 128 GB de memoria cada uno.
La configuración utilizó Ubuntu 24.04.3 LTS, el entorno de software ROCm y el motor de inferencia llama.cpp con comunicación entre máquinas mediante llamadas a procedimientos remotos (RPC). AMD empleó una versión cuantizada del modelo que ocupaba aproximadamente 375 GB, una cifra que supera ampliamente la memoria de cualquiera de los cuatro equipos por separado.
La idea consiste en distribuir distintas partes del modelo entre los nodos y coordinar su ejecución. En conjunto, los cuatro sistemas aportan memoria y capacidad de cálculo para una tarea que no cabe en una sola máquina de esa configuración.
La demostración es relevante como prueba de viabilidad técnica, pero tiene límites. Es un procedimiento publicado por el fabricante, no una comparativa independiente de rendimiento frente a servidores con GPU dedicadas. Además, ejecutar un modelo mediante varios ordenadores añade tráfico de red y coordinación entre nodos, factores que pueden afectar a la latencia.
El ejemplo ilustra una posibilidad que va más allá del PC doméstico: construir estaciones de trabajo de IA con hardware relativamente compacto, memoria abundante y software de inferencia capaz de repartir la carga. Para desarrolladores, laboratorios y empresas que necesitan experimentar con modelos propios, esta arquitectura puede servir como alternativa en determinados escenarios, aunque no sustituye automáticamente a la infraestructura especializada.
Qwen y DeepSeek amplían las opciones para ejecutar IA sin depender de la nube
La disponibilidad de modelos abiertos es la otra parte de la ecuación. Los pesos descargables permiten que desarrolladores y organizaciones desplieguen determinados modelos en sus propios equipos, adapten su configuración y controlen dónde se procesan los datos. Las condiciones concretas dependen de la licencia de cada modelo y no todos ofrecen las mismas libertades de uso.
Qwen, la familia de modelos desarrollada por el equipo de Alibaba, dispone de documentación para ejecutar modelos localmente en CPU y GPU mediante herramientas como llama.cpp, Ollama y LM Studio. Su catálogo incluye modelos de distintos tamaños, lo que permite elegir una configuración más ajustada a la memoria y la capacidad de cálculo disponibles.
DeepSeek también ha publicado modelos de pesos abiertos. Su repositorio de DeepSeek-R1 incluye variantes destiladas basadas en modelos de las familias Qwen y Llama, además de instrucciones para desplegarlas con herramientas como vLLM y SGLang. Algunas variantes más pequeñas pueden adaptarse a equipos locales, mientras que los modelos mayores requieren mucha más memoria y, en ciertos casos, varias GPU o máquinas.
La distinción entre modelo abierto e inferencia local es importante. Descargar los pesos no garantiza que el modelo funcione con fluidez en un portátil. La cuantización, que reduce la precisión con la que se almacenan los parámetros, puede rebajar las necesidades de memoria a cambio de posibles cambios en el rendimiento o la calidad. También hay que reservar recursos para el sistema operativo, el contexto de la conversación y las aplicaciones que acompañan al modelo.
La ejecución local sí ofrece ventajas en determinados entornos. Los datos pueden permanecer dentro de la infraestructura de la organización, el funcionamiento básico no depende de la disponibilidad de un proveedor externo y el coste por petición puede reducirse cuando existe una carga de trabajo constante y el hardware ya está amortizado. A cambio, el propietario asume la inversión inicial, el mantenimiento, la actualización de modelos y la administración de los recursos.
Los proyectos de inferencia buscan aprovechar mejor la memoria disponible
El trabajo sobre el hardware también viene acompañado de mejoras en el software. Un ejemplo es ArcLight, un proyecto de código abierto de OpenBMB que desarrolla un motor de inferencia ligero orientado a sistemas con memoria unificada y procesadores con muchos núcleos.
Su versión 1.0 incorpora optimizaciones para CPU y paralelismo entre nodos de memoria no uniforme (NUMA), una arquitectura habitual en sistemas con varios procesadores o grupos de núcleos. El proyecto afirma haber logrado hasta un 50 % más de rendimiento de inferencia que llama.cpp con el mismo número de núcleos en determinadas pruebas, y hasta el doble en algunos equipos.
Esas cifras corresponden a los resultados comunicados por el propio proyecto y no deben extrapolarse a cualquier procesador, modelo o carga de trabajo. ArcLight utiliza el formato GGUF de llama.cpp y documenta soporte para modelos como Qwen3, además de ofrecer compatibilidad con CPU x86 y ARM. El proyecto todavía requiere configuración manual y mantiene áreas de desarrollo pendientes.
La investigación académica también explora cómo repartir modelos entre ordenadores que, por separado, no disponen de memoria suficiente. Un trabajo publicado en arXiv en agosto de 2026 estudia una arquitectura de inferencia distribuida para flotas de PC con IA de Intel. Sus autores describen una prueba con dos equipos que ejecutan Llama 3.1 de 8.000 millones de parámetros y obtienen un rendimiento agregado 1,79 veces superior al de una ejecución monolítica para dos usuarios concurrentes. También presentan una configuración de cuatro equipos para ejecutar un modelo de 70.000 millones de parámetros.
Son resultados experimentales, no una garantía de que conectar varios ordenadores proporcione una mejora equivalente en todos los casos. La latencia de la red, el reparto de capas, el tamaño del contexto y el número de usuarios pueden cambiar el comportamiento del sistema.
El PC con IA no elimina la necesidad de la nube
La expansión de la inferencia local no implica que los centros de datos vayan a perder protagonismo. Los modelos más grandes siguen necesitando grandes cantidades de memoria y capacidad de cálculo, y las tareas que requieren atender a muchos usuarios simultáneamente pueden beneficiarse de servidores especializados.
La nube conserva ventajas para entrenar modelos, ejecutar cargas de trabajo variables y ofrecer servicios a gran escala. El ordenador personal, en cambio, puede resultar adecuado para asistentes privados, programación, análisis de documentos o tareas que no necesitan recurrir continuamente a un servicio remoto, siempre que el modelo y el hardware sean suficientes.
También conviene distinguir entre ejecutar un agente localmente y ejecutar su modelo localmente. El auge de pequeños ordenadores dedicados a agentes de IA en China, descrito por la consultora IDC en su análisis de septiembre de 2026, muestra que algunos equipos se compran para mantener agentes activos de forma permanente. Sin embargo, muchos de esos dispositivos recurren a servicios de IA alojados en la nube y no necesitan memoria suficiente para ejecutar modelos grandes en local.
La diferencia importa porque un dispositivo puede gestionar archivos, procesos y herramientas desde el escritorio mientras delega la generación de respuestas en un proveedor remoto. Para que el procesamiento sea realmente local, tanto el modelo como el motor de inferencia deben ejecutarse en el equipo, sin enviar las peticiones a un servicio externo.
La evolución de la memoria unificada, los modelos con pesos descargables y los motores de inferencia optimizados está haciendo más accesible esa posibilidad. El avance dependerá menos de una única característica que de la combinación de capacidad de memoria, velocidad, software compatible y coste. Para el mercado de los PC, la cantidad de memoria que puede utilizar la GPU integrada empieza a ser tan relevante como la potencia anunciada de sus unidades de procesamiento.
Preguntas frecuentes
¿Qué es la memoria unificada en un PC con IA?
Es una arquitectura en la que la CPU y la GPU comparten memoria física. Puede facilitar la ejecución de modelos que necesitan más memoria de la que ofrece una GPU con memoria dedicada limitada.
¿Se pueden ejecutar modelos de Qwen y DeepSeek en un ordenador personal?
Sí, algunas variantes pueden ejecutarse localmente mediante herramientas como llama.cpp, Ollama, LM Studio, vLLM o SGLang. La viabilidad depende del tamaño del modelo, la memoria disponible y la compatibilidad del hardware.
¿Cuánta memoria necesita un PC para ejecutar modelos de IA en local?
No existe una cifra universal. Los requisitos dependen del número de parámetros, la cuantización, el contexto y el motor de inferencia; los modelos pequeños requieren menos memoria que los modelos grandes de decenas o cientos de miles de millones de parámetros.
¿La IA local sustituirá a los servicios de IA en la nube?
No necesariamente. La ejecución local puede aportar privacidad y autonomía para ciertas tareas, mientras que la nube sigue siendo útil para modelos grandes, cargas variables y servicios con muchos usuarios.
