Este Informe USERS analiza la NVIDIA RTX Spark, una plataforma que combina CPU Grace, GPU Blackwell y memoria unificada para ejecutar inteligencia artificial local de alto rendimiento. La propuesta busca redefinir la PC Windows como una máquina pensada para modelos y agentes personales, no solo para abrir aplicaciones.
Auto: Pier Ciccariello
Una arquitectura pensada para la IA local
Durante años, la PC se midió por potencia de cálculo y calidad gráfica. La IA generativa suma otra vara: el tamaño del modelo que un equipo puede ejecutar y la velocidad con que responde.
Las AI PC actuales resuelven parte del problema con NPU (unidades de procesamiento neuronal), circuitos de bajo consumo útiles para tareas livianas. Quedan cortas frente a modelos generativos grandes o agentes que trabajan sobre los archivos del usuario.
La RTX Spark ataca ese límite desde el diseño. Reúne una CPU Grace con arquitectura Arm, una GPU Blackwell y memoria unificada en un mismo sistema, en lugar de sumar piezas sueltas que deben copiar datos de un lado al otro.
El puente NVLink-C2C conecta CPU y GPU con una interconexión coherente: ambas ven el mismo espacio de memoria sin transferencias intermedias. En IA local, donde mover datos pesa tanto como calcular, esa fluidez define buena parte del rendimiento.
Hay una contra. La plataforma es Arm, no x86, así que los programas compilados para Intel o AMD dependen del emulador Prism de Windows 11, con un costo que habrá que medir cuando lleguen los primeros equipos.
La plataforma RTX Spark podrá integrar hasta 6.144 núcleos CUDA en una GPU Blackwell RTX, 20 núcleos de CPU Grace y hasta 128 GB de memoria unificada, con un rendimiento declarado de 1 petaflop de IA.
Capacidad de memoria frente a potencia bruta
El punto central de la RTX Spark es su memoria unificada de hasta 128 GB, un espacio compartido sobre el que CPU y GPU trabajan al mismo tiempo. No es solo más RAM: es más lugar para modelos, contexto y varios agentes a la vez.
La comparación con una workstation con RTX 5090 ordena el panorama. Esa GPU tiene mucha más potencia bruta y un ancho de banda superior gracias a sus 32 GB de GDDR7, memoria gráfica dedicada muy veloz.
Mientras el modelo entra en esos 32 GB, la 5090 gana. Cuando no entra, aparecen recortes de precisión o descarga a disco, con la caída de rendimiento que eso implica.
Ahí juega la RTX Spark. Sus 128 GB no compiten en ancho de banda máximo, pero ofrecen mucha más capacidad total. Un agente necesita memoria de trabajo para leer archivos y sostener contexto sin derivar todo a la nube.
No conviene leerlas como una jerarquía. La 5090 apunta al gaming extremo y al render pesado mientras que la RTX Spark, a la IA local integrada. La DGX Spark, con la misma base de silicio pero sistema DGX OS, se orienta a desarrolladores e investigadores.
Con más contexto activo y varios agentes en paralelo, la memoria unificada reduce el uso de swap de disco, una de las principales fuentes de lentitud en la IA local sobre PC convencionales.
El software y el giro hacia los agentes
El hardware no alcanza sin software que lo aproveche. Ahí NVIDIA tiene ventaja histórica con CUDA, su plataforma para usar la GPU en cómputo general, y con TensorRT, que optimiza los modelos para que corran con menos latencia.
Los Tensor Cores de Blackwell suman soporte para FP4 (punto flotante de 4 bits), un formato que representa cada número con muy pocos bits. Para usarlo hace falta cuantización, el proceso que adapta el modelo a menos precisión sin perder demasiada calidad.
El efecto es concreto. Un modelo de 70.000 millones de parámetros ocupa unos 140 GB en FP16, imposibles para casi cualquier PC. Cuantizado a FP4 baja a unos 35 GB y entra con holgura en la plataforma.
Pero un agente con permisos amplios también es un riesgo. Puede leer un documento con instrucciones ocultas y sufrir un prompt injection, cuando una fuente externa manipula sus órdenes.
Para eso NVIDIA presenta OpenShell, una capa de control desarrollada con Microsoft que administra permisos, aísla entornos y decide qué se resuelve de forma local y qué va a la nube.
El precio estimado ronda los 2.900 dólares en los modelos de mayor capacidad, y las cifras de rendimiento siguen pendientes de pruebas independientes.
En un ataque de prompt injection, la orden maliciosa no llega por el teclado: viaja escondida en un archivo o una página que el agente procesa como parte de su tarea.
Encuentra la versión completa de la publicación en la que se basa este resumen, con todos los detalles técnicos en RedUSERS PREMIUM
También te puede interesar:
OLLAMA TRABAJA CON IA LOCAL
Este Informe USERS recorre el uso de Ollama, una herramienta de código abierto que permite ejecutar modelos de lenguaje directamente en la propia computadora. La idea central es procesar documentos privados sin enviarlos a servidores externos, manteniendo el control total sobre la información.
Lee todo lo que quieras, donde vayas, contenidos exclusivos por una mínima cuota mensual. Solo en RedUSERS PREMIUM: SUSCRIBETE!
