¿Qué se necesita realmente para ejecutar un modelo de IA de forma local?

Depende del modelo. Un modelo de 3.800 millones de parámetros como Phi-4-mini funciona en la CPU de un portátil sin necesidad de GPU. Los modelos de tamaño medio, con entre 20.000 y 30.000 millones de parámetros y diseños de mezcla de expertos, funcionan sin problemas en una máquina con una NPU moderna o 32 GB de RAM. Los modelos de peso abierto de clase frontera más grandes todavía requieren una GPU de estación de trabajo o un servidor, así que la opción local es real, pero está limitada por lo que estás dispuesto a ejecutar.

¿La IA en el dispositivo es realmente tan buena como los modelos en la nube?

No en la cima de los benchmarks. Los modelos alojados más grandes siguen liderando en las tareas de razonamiento más complejas, código y contextos largos. Pero la brecha que importa para el trabajo diario se ha reducido considerablemente a lo largo de 2025 y 2026, y un modelo local capaz que funciona de forma privada y gratuita suele ser la mejor herramienta, aunque no sea el más inteligente disponible.

¿Por qué podría no producirse el regreso al cómputo personal?

Varias fuerzas apuntan en sentido contrario: cientos de miles de millones en inversión de capital en centros de datos que buscan monetizarse mediante suscripciones, la gravedad de los datos que mantiene tu historial en servidores ajenos, el aumento constante del tamaño de los modelos y el bloqueo de plataforma que convierte la opción alojada en la predeterminada. El hardware para tener tu propia IA existe. Si la mayoría de las personas lo usará de esa manera es una elección, no una garantía.

Artificial Intelligence

El péndulo regresa: la IA y el retorno de la computadora personal

By Anurag Verma•June 18, 2026

El péndulo vuelve: la IA y el regreso de la computadora personal

En enero de 1975, Popular Electronics puso en su portada el MITS Altair 8800 y lo llamó el primer kit capaz de rivalizar con las máquinas comerciales. Costaba 395 dólares. MITS recibió cuatrocientos pedidos en una tarde y un cuarto de millón de dólares en tres semanas. Antes de eso, usar una computadora significaba reservar tiempo en un mainframe y esperar en la fila para obtener tu porción de una máquina que le pertenecía a otra persona. El Altair hizo algo pequeño y enorme a la vez: puso la computadora en tu escritorio, y no tenías que compartirla con nadie.

He pasado la mayor parte de mi carrera en el lado de infraestructura de las finanzas reguladas, donde la pregunta nunca es qué tan impresionante parece un sistema, sino dónde reside realmente el poder y quién lo controla. Desde ese lugar, la historia de la informática se lee como un largo debate sobre la ubicación. El procesamiento sigue moviéndose entre el centro y el extremo, y ahora mismo se está moviendo de nuevo.

El ciclo hasta ahora

La era del mainframe era centralizada por necesidad. La capacidad de cómputo era escasa y cara, así que vivía en una sala de cristal y tú alquilabas el acceso a ella. La revolución de la computadora personal rompió eso. El Altair encendió la mecha, el Apple II lo convirtió en un mercado (VisiCalc, la primera hoja de cálculo, fue la aplicación que vendió la máquina a las empresas), y el IBM PC en agosto de 1981 lo convirtió en una industria. IBM usó piezas estándar y una arquitectura abierta, licenció un sistema operativo a una pequeña empresa llamada Microsoft, y al hacerlo entregó poder informático real a los individuos. Durante aproximadamente dos décadas, la máquina más potente que la mayoría de la gente tocaba era la que tenía en su propio escritorio.

Luego el péndulo volvió a oscilar, silenciosamente, y en su mayoría lo recibimos con agrado. La nube significó que ya no tenías que gestionar tu propio servidor. El SaaS significó que ya no eras dueño de tu software, sino que lo suscribías. El smartphone, el dispositivo más personal jamás construido, resultó ser un cliente ligero: una hermosa pantalla hacia la computación y los datos guardados en algún otro lugar. Nada de esto se sintió como una pérdida. Era conveniente, se sincronizaba, se respaldaba solo. Pero el efecto neto fue que la mayoría de nosotros volvimos a ser inquilinos de la computadora de otra persona, y el contador siempre estaba en marcha.

La reciente ola de IA empujó el centro con más fuerza que nada antes. Entrenar y servir modelos grandes es intensivo en capital de una manera que concentra el poder en pocas manos. Los números no son sutiles. Se prevé que el gasto de capital de los hiperescaladores supere los 600 mil millones de dólares en 2026, un aumento de aproximadamente el 36 por ciento respecto a 2025, con algunas estimaciones que sitúan solo a los cuatro grandes en 725 mil millones. Aproximadamente tres cuartas partes de eso, alrededor de 450 mil millones de dólares, está vinculado directamente a la infraestructura de IA: GPUs, centros de datos, la planta física de la inteligencia. Esa es la sala de cristal del mainframe reconstruida a escala planetaria. Cuando la cosa más inteligente con la que puedes hablar vive en un centro de datos que nunca verás, vuelves a reservar tiempo en la máquina de otra persona.

Por qué el retorno es plausible

Aquí está la parte que me resulta genuinamente interesante. La misma ola de IA también está generando las condiciones para que el péndulo oscile en el otro sentido.

Los modelos de pesos abiertos han cerrado la brecha más rápido de lo que casi nadie predijo. A lo largo de 2025 y hasta 2026, familias como Qwen, DeepSeek, Llama y Gemma pasaron de ser interesantes a ser genuinamente útiles, y muchos ahora igualan a los modelos propietarios en benchmarks reales. Y lo que es más importante, se ejecutan en hardware que tú posees. El Phi-4-mini de Microsoft, con 3.800 millones de parámetros, se ejecuta en la CPU de un portátil sin ninguna GPU. Los diseños más recientes de mezcla de expertos ponen un modelo grande en un portátil con mucha RAM activando solo una fracción de sus parámetros por token. El consenso práctico entre quienes hacen esto a diario es que los modelos pequeños y en dispositivo ahora lideran para el trabajo en dispositivo, una frase que habría sonado absurda en 2022.

El silicio está llegando a la par. Los PCs Copilot+ se definen por una NPU integrada que realiza 40 o más billones de operaciones por segundo, y se prevé que los PCs con IA representen cerca del 40 por ciento del mercado en 2025 y más de la mitad en 2026. El motor neuronal se está convirtiendo en una parte estándar de la máquina, igual que antes lo hicieron la unidad de punto flotante y la GPU. Silenciosamente, una CPU más NPU capaz de ejecutar un modelo real está llegando a muchos escritorios.

Ponlos juntos y obtienes algo que recuerda a 1981: capacidad de cómputo, de tu propiedad, frente a una sola persona. Los pesos abiertos significan que puedes tener el modelo, ajustarlo con tus propios datos y ejecutarlo sin pedir permiso ni pagar por token. Un agente personal puede trabajar para ti en lugar de hacerlo para la plataforma que lo aloja.

El verdadero premio es el crecimiento personal

La tentación es enmarcar esto como una historia de hardware sobre chips más rápidos. No lo es. La primera PC importó porque una persona motivada de repente podía hacer algo sola: modelar un negocio en una hoja de cálculo, componer un documento, escribir y publicar software desde su habitación. La máquina comprimió la brecha entre una idea y algo que funciona.

Una IA personal hace lo mismo con la brecha entre no saber algo y ser competente en ello. Una persona con un modelo local capaz ahora puede aprender un campo nuevo, depurar código en un lenguaje que nunca ha usado, redactar un contrato o prototipar un producto a una velocidad que antes requería un equipo o una institución detrás. Ese efecto compuesto es el apalancamiento real. Es privado, no cobra por pregunta, y te pertenece. Para cualquiera que trate de construir habilidades en lugar de alquilar respuestas, eso cambia el cálculo de lo que un individuo decidido puede llegar a ser.

Las salvedades honestas

No estoy vendiendo inevitabilidad. Las fuerzas que tiran hacia el centro son reales y están bien financiadas. Esos 600 mil millones de dólares en capex quieren ser monetizados, y la forma más limpia de hacerlo es una suscripción que nunca cancelas. La gravedad de los datos es persistente: tu historial, tus archivos, tu contexto ya viven en los servidores de alguien, y son difíciles de mover. Los modelos de frontera siguen creciendo, así que la mejor capacidad probablemente se mantendrá alojada durante años. Y la dependencia de las plataformas está diseñada, no es accidental. El camino por defecto siempre será el alojado, porque donde está el dinero es en las opciones predeterminadas.

Así que el retorno está disponible, no garantizado. La primera PC no democratizó la informática porque existía la tecnología. Lo hizo porque suficientes personas eligieron ser dueñas de la máquina en lugar de alquilar el mainframe. El hardware para ser dueño de tu IA ya se está comercializando. Si lo usamos de esa manera es, como lo fue en 1981, una elección. Sé en cuál de las dos apostaría que se construye más.