Arm, Intel y AMD ya están metiendo unidades dedicadas, las NPU, en sus chips más recientes para encargarse de más tareas de inteligencia artificial dentro del propio dispositivo. Llevar estas NPU a chips de móviles y PC recorta la dependencia de la nube, hace que todo responda antes y reduce el gasto energético. Aun así, lo que eso acabe suponiendo para el usuario dependerá de dos cosas: que las aplicaciones de verdad sepan aprovecharlas y de lo que digan las pruebas independientes que todavía faltan sobre rendimiento, autonomía y uso diario.
Pasar estos modelos al procesador tiene tres efectos bastante claros: menos latencia, más privacidad y mejor eficiencia. Si una tarea se resuelve en el propio equipo, ya no hace falta mandar datos sensibles a servidores externos y la respuesta llega mucho más rápido. Eso pesa, sobre todo, en asistentes, edición de imagen, traducción o generación de texto.
También cuenta el factor energético. Expertos del sector calculan que una NPU puede asumir estas cargas con consumos de entre 5 y 10 vatios, frente a los 30 o 40 vatios que puede pedir una GPU en trabajos parecidos. En un portátil, añaden esos mismos expertos, esa diferencia podría convertirse en entre 1,5 y 3 horas extra de autonomía cuando se usan estas funciones de manera intensiva.
AMD quiere jugar un papel protagonista con su familia Ryzen 300 basada en Zen 5. Según la propia AMD, la compañía promete una NPU de hasta 50 TOPS de rendimiento, unas tres veces por encima de la generación anterior, con la vista puesta en equipos con Windows 11 preparados para asistentes, creación de contenido y mejoras para juegos.
Intel, mientras tanto, amplía la hoja de ruta de Core Ultra con Lunar Lake y Arrow Lake. Con esas plataformas espera, siempre según sus cifras, triplicar el rendimiento en este tipo de cargas frente a generaciones previas. En el caso de Lunar Lake, en concreto, Intel apunta a superar los 40 TOPS en la NPU y a cumplir con los requisitos de los nuevos Copilot+ PC de Microsoft.
Arm tampoco se queda atrás en el mundo móvil. Según la compañía, su Cortex-X925 se ha presentado con una mejora del 41% en tareas de este tipo. Esa subida podría notarse sobre todo en la rapidez con la que responden las funciones generativas que se ejecutan directamente en teléfonos y en otros dispositivos basados en la arquitectura de Arm.
Pero toda esta potencia sirve de poco si luego las aplicaciones no saben tirar de ella. Por eso Arm está reforzando sus bibliotecas para desarrolladores y su integración con frameworks populares como PyTorch y TensorFlow. Intel y AMD, por su parte, colaboran en la iniciativa ACE para estandarizar extensiones x86 orientadas a operaciones como la multiplicación de matrices. La idea sigue siendo sencilla: que los desarrolladores puedan dar soporte a una gama más amplia de dispositivos sin depender de interfaces propietarias.
La tendencia de los llamados PC con IA ya se ve en escaparates y lanzamientos, pero todavía no está claro hasta qué punto los consumidores van a valorar de verdad estas funciones ejecutadas de forma local. La industria promete mucho. Aun así, harán falta más pruebas independientes sobre rendimiento real, autonomía y utilidad en el día a día antes de saber si estamos ante un cambio con recorrido o solo frente a una nueva etiqueta de marketing.
