Memoria cara y IA en casa: el choque entre concentrar cómputo en la nube y mantener el procesamiento local

¿Conviene tener un modelo de inteligencia artificial corriendo en tu propia computadora? La discusión se puso sobre la mesa porque la memoria DRAM, el componente que hace posible ese procesamiento, se volvió cara y escasa.

El director ejecutivo de OpenAI, Sam Altman, sostiene que ejecutar modelos directamente en equipos domésticos es una mala asignación de ese recurso. Según cifró, la memoria de una computadora personal está inactiva alrededor del 5% del tiempo de uso efectivo.

“La inferencia local es una terrible asignación de recursos escasos.”Sam Altman, en el pódcast Cheeky Pint

Por qué la escasez pesa tanto

La lógica de Altman es de eficiencia. Un centro de datos puede aprovechar la misma memoria las 24 horas, mientras que una computadora personal la usa una fracción mínima del día. En un contexto de oferta restringida, dispersar ese recurso en millones de equipos individuales reduce el rendimiento global, según su argumento.

Los datos del mercado acompañan parte del diagnóstico. TrendForce informó que los precios de la DRAM subieron entre un 90% y un 95% durante el primer trimestre de 2026. Fabricantes como Micron y SK Hynix no logran escalar la producción al ritmo que piden los grandes operadores de centros de datos.

Los puntos clave del debate

• Uso efectivo: la memoria de una PC estaría inactiva cerca del 95% del tiempo, según la estimación de Altman.
• Precios: la DRAM subió entre un 90% y un 95% en el primer trimestre de 2026.
• Plazos: varias compañías redirigen capacidad hacia memoria HBM, pero ampliar plantas especializadas toma más de un trimestre.

Quienes defienden la IA local responden con el argumento de la privacidad: procesar los datos sin enviarlos a servidores externos. Así, el debate queda planteado entre rendimiento global de la nube y control de la información en el propio equipo.