La gran batalla del AI en dispositivos locales: cuando el AI deja el “cerebro en la nube” para entrar en tu bolsillo y tu coche
Hola a todos, soy vuestro periodista financiero. Hoy vamos a hablar sobre un cambio monumental que está ocurriendo, pero que quizás aún no haya llegado completamente a vuestra atención: el AI se está trasladando de la nube a vuestros dispositivos.
Antes, cuando pensábamos en AI, nos veníamos a cosas como ChatGPT o DeepSeek; necesitabas estar conectado a internet, y los servidores, que estaban a miles de kilómetros de distancia, se encargaban de los cálculos. Ahora, las cosas han cambiado. Teléfonos móviles, coches e incluso un pato mecánico comienzan a tener su propio “cerebro” y pueden funcionar sin conexión a internet. Esto es lo que se llama AI en dispositivos locales (On-Device AI).
La información clave de este artículo es que 2026 podría ser el año del comienzo de la comercialización del AI en dispositivos locales. Los gigantes del sector (NVIDIA, Meta, Apple, Huawei, Xiaomi, ByteDance, etc.) y las startups (como Mianbi Intelligence o Jieyue Xingchen) están invirtiendo mucho en este campo. ¿Por qué? Porque la nube es demasiado cara, lenta y presenta riesgos de privacidad, mientras que el AI en dispositivos locales es más económico, rápido y protege la privacidad de los usuarios. Se trata de una actualización integral de la industria del hardware, así como de una batalla por controlar los puntos de acceso a estas tecnologías.
A continuación, desglosaré este artículo en cinco aspectos clave para que lo entiendáis mejor.
---
1. ¿Por qué desarrollar AI en dispositivos locales? Porque la nube es cara, lenta y plantea problemas de privacidad
Puede que os preguntéis: si los grandes modelos de la nube (como GPT-4) son tan potentes, ¿por qué crear modelos más pequeños para los dispositivos móviles? Hay tres razones principales:
- Costo elevado: Entrenar un modelo de alta calidad, como el Mythos de Anthropic, cuesta miles de millones de dólares. Lo que es aún más preocupante es el costo de uso. Aunque el servicio “DouBao” de ByteDance es gratuito, se estima que su costo diario de operación ronda los 130 a 240 millones de yuanes. Cuanto más usuarios tenga, mayor será el costo, lo que hace que no sea sostenible a largo plazo. El AI en dispositivos locales, por otro lado, se ejecuta en el propio chip del teléfono, por lo que el costo marginal es casi nulo. El fabricante no tiene que pagar enormes facturas de servidores ni que los usuarios paguen más por la energía utilizada.
- Pérdida de funcionalidad sin conexión: El AI en la nube depende de la red. Si estás en el metro, en un avión o en un lugar con mala señal de internet, el servicio se detiene. Además, hay retrasos en la transmisión de datos entre la nube y el dispositivo. El AI en dispositivos locales, por el contrario, funciona de forma local, por lo que la respuesta es muy rápida, incluso sin conexión a internet.
- Privacidad: No quieres que todo el mundo sepa qué buscas o qué fotos tomas. El AI en la nube implica la transmisión de tus datos, lo que aumenta los riesgos de privacidad. El AI en dispositivos locales mantiene tus datos dentro del mismo dispositivo, mejorando así la seguridad de tu información.
En resumen: el AI en la nube es como una consulta con un experto; es potente, pero caro y lento. El AI en dispositivos locales es como un “médico de cabecera” siempre a tu disposición, protegiendo tu privacidad.
---
2. ¿Cómo se logra esto tecnológicamente? Modelos más pequeños + mejoras en los chips
Muchas personas se preguntan si los teléfonos tienen suficiente memoria para albergar modelos grandes. La respuesta es sí, gracias a la compresión de datos y los avances en los chips:
- Técnicas de reducción de tamaño de los modelos: Los científicos utilizan métodos como el “destilado de conocimiento”, el “podado” y la “cuantificación” para reducir modelos con miles de millones de parámetros a modelos más pequeños. Aunque son más pequeños, siguen siendo muy eficaces en tareas específicas (reconocimiento de voz, respuestas sencillas, comprensión de imágenes, etc.).
- Ejemplo: El MiniCPM5-2B de Mianbi Intelligence, con solo 2 mil millones de parámetros, es uno de los modelos más potentes entre los open source con menos de 4 mil millones de parámetros.
- Doble potencia de los chips (ley de Moore + ley de la densidad): La potencia de los chips se duplica cada dos años (ley de Moore), y la capacidad de los modelos también aumenta cada 100 días. Esto significa que los chips de hoy en día son capaces de ejecutar modelos que hace años requerirían superordenadores.
- Ejemplo: El nuevo chip RTX Spark de NVIDIA tiene una potencia de 1 Petaflop y puede ejecutar modelos con 12 mil millones de parámetros. AMD e Intel también están aumentando significativamente la potencia de sus chips.
El resultado es que el AI ya no está limitado a la nube; se está extendiendo a teléfonos, ordenadores y coches. En 2025, el 36% de los nuevos teléfonos ya contarán con capacidad de AI generativa, y en 2027, esta cifra superará el 50%.
---
3. ¿Quiénes están participando en esta batalla? Gigantes, startups y fabricantes de hardware, cada uno con sus propios objetivos
Esta no es una batalla de un solo frente; hay múltiples actores con estrategias diferentes:
**Gigantes internacionales**: Compran ecosistemas y fabrican hardware
- NVIDIA: Invertió 12.900 millones de dólares en la adquisición de Hugging Face, la mayor plataforma de código abierto de AI del mundo. Su objetivo es controlar el ecosistema de código abierto. Su pato mecánico Microduck, que cuesta 399 dólares, utiliza chips de gama media, lo que reduce los costos y hace que más personas puedan utilizar robots inteligentes, fortaleciendo así su posición en la infraestructura de AI.
- Apple, Meta, Google: Están promoviendo su propio AI en dispositivos locales (Apple Intelligence, Meta Llama, etc.) con el objetivo de integrarlo en sus ecosistemas y aumentar la fidelidad de los usuarios.
**Jugadores chinos**: Cada uno con su enfoque
- Mianbi Intelligence (proveedor de modelos locales): Se centra en el desarrollo de modelos y los vende a fabricantes de hardware. Su modelo MiniCPM ha sido incorporado en los dispositivos de Samsung y en los sistemas de navegación de Changan Mazda.
- Riesgo: Los fabricantes de hardware (como Apple y Huawei) podrían desarrollar sus propios modelos en el futuro, lo que podría limitar el modelo de negocio de Mianbi como proveedor independiente.
- ByteDance (DouBao) + ZTE Nubia: Buscan convertir sus teléfonos en “asistentes inteligentes” que puedan realizar tareas como reservar taxis o pedir té con solo una frase.
- Jieyue Xingchen (integración de software y hardware): Es un jugador completo que desarrolla modelos y teléfonos (STEPX Neo) y colabora con Geely en el desarrollo de vehículos inteligentes.
- Horizon Robotics, Desayi Xiwei (proveedores de soluciones para automóviles): Son especialistas en tecnologías para automóviles; el AI en dispositivos locales es esencial para la seguridad y la respuesta en tiempo real.
- iFlytek: Se enfoca en la productividad en el entorno laboral, con modelos open source como el Starfire X2.5 diseñados para funcionar sin conexión a internet y para el manejo de textos largos.
En resumen, todos están compitiendo por definir el futuro del AI en dispositivos locales y por controlar los puntos de acceso a estas tecnologías.
---
4. ¿Qué ha significado la adquisición de Hugging Face por parte de NVIDIA? El pato mecánico a 399 dólares
El artículo destaca la adquisición de Hugging Face por parte de NVIDIA y el lanzamiento del pato mecánico Microduck. Este caso es muy importante, ya que representa un punto de inflexión en el desarrollo del AI en dispositivos locales:
- Costo reducido: El Microduck utiliza un chip de gama media (RK3566) del año 2020, no un GPU de alta gama.
- Carácter abierto: Los usuarios pueden entrenar sus propios modelos y cargar datos en la plataforma Hugging Face Hub.
- Ciclo de datos: Miles de patos recolectan datos en el mundo real, lo que mejora constantemente los modelos. Este ciclo de “datos-algoritmo-hardware” es muy económico y permite iteraciones rápidas.
- Reacción del mercado: Se recibieron más de 2.6 millones de pedidos en 24 horas, y el primer pato se vendió en 4 segundos.
Esto demuestra que el AI en dispositivos locales no se limita a los teléfonos y coches; también se está extendiendo a robots, hogares inteligentes y dispositivos portátiles. En el futuro, el AI no será solo texto en una pantalla, sino entidades reales que pueden ver, escuchar y actuar.
---
5. ¿Cuál será el futuro? La nube establecerá los límites, mientras que los dispositivos locales serán el punto de acceso
El artículo describe un futuro en el que:
1. Los grandes modelos en la nube se dedicarán a tareas complejas como la generación de videos largos y la creación de agentes inteligentes.
2. Los modelos específicos para cada industria se desarrollarán en áreas como la financiación, la medicina y el derecho para resolver problemas profesionales.
3. Los modelos en dispositivos locales se utilizarán para tareas frecuentes, en tiempo real y que requieran privacidad o funcionen sin conexión a internet.
La lógica es simple: la nube es cara y lenta, por lo que no puede cubrir todas las necesidades. El AI en dispositivos locales, por ser más económico y seguro, es el camino necesario para la generalización de esta tecnología. Los fabricantes de hardware (teléfonos, coches) ganarán más influencia, ya que controlarán los puntos de acceso a estas tecnologías.
Impacto para los usuarios: Vuestros teléfonos, ordenadores y coches se volverán cada vez más inteligentes y entenderán mejor vuestras necesidades gracias a los datos almacenados localmente. Las aplicaciones de AI pasarán de ser herramientas de comunicación a herramientas para realizar tareas cotidianas (reservar taxis, comprar productos, controlar dispositivos domésticos, etc.). Los fabricantes de hardware tendrán más poder en el mercado.
Implicaciones para los inversores: Debéis prestar atención a los fabricantes de chips (NPU, SoC) y a los proveedores de modelos de AI en dispositivos locales. Sin embargo, también hay riesgos: las empresas independientes pueden verse desplazadas por los grandes fabricantes que desarrollan sus propios modelos.
---
Conclusión
La batalla por el AI en dispositivos locales es, en esencia, un movimiento hacia la “democratización” del AI. Está haciendo que esta tecnología pase de ser un servicio caro y limitado a algo disponible para todos, en nuestros bolsillos, en nuestros vehículos y en nuestros hogares.
Aunque el valor real del AI en dispositivos locales aún está en desarrollo, con los avances en la potencia de los chips y las técnicas de compresión de modelos, la era de la “disponibilidad generalizada del AI” ha llegado. Para las empresas, es el momento de entrar en este mercado para aprovechar las oportunidades del próximo decenio. Para los usuarios, prepárense para una vida digital más inteligente, privada y conveniente.
¡Gracias por leer!