Memoria escasa y el debate sobre correr IA en la computadora de casa

Sam Altman, director ejecutivo de OpenAI, sostuvo que ejecutar modelos de inteligencia artificial directamente en computadoras domésticas es una mala asignación de la memoria DRAM. Su precio subió entre un 90% y un 95% en el primer trimestre de 2026, y el directivo plantea que concentrar ese recurso en centros de datos rendiría más.

Cómo funciona la inferencia local

La inferencia local consiste en ejecutar un modelo de inteligencia artificial en el propio dispositivo del usuario, sin enviar las consultas a servidores remotos. Es algo parecido a cocinar en la casa en lugar de pedir la comida a un restaurante con cocina industrial: se usan los recursos de la máquina que uno tiene a mano. La práctica creció junto con la disponibilidad de modelos de código abierto que pueden instalarse en hardware doméstico de gama media o alta.

El argumento de la eficiencia

Según Altman, la memoria DRAM de una computadora personal permanece inactiva la mayor parte del día, con un uso efectivo de alrededor del 5% del tiempo. Un centro de datos, en cambio, puede aprovechar el mismo componente las 24 horas. En un contexto de oferta restringida, sostiene que dispersarlo en millones de equipos individuales reduce el rendimiento global del sistema.

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

Qué dicen los datos del mercado

Según TrendForce, los precios de la DRAM aumentaron 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 exigen los grandes operadores de centros de datos dedicados a IA, y varias compañías comenzaron a redirigir capacidad hacia memoria HBM. Ampliar plantas especializadas, sin embargo, toma más de un trimestre. Quienes defienden la IA local, por su parte, ponen el foco en la privacidad: procesar datos sin enviarlos a servidores externos.