Por Víctor Manuel Grimaldi Céspedes
Cada cierto tiempo aparece un ensayo que, más allá de si sus conclusiones terminan siendo correctas, obliga a replantear la forma en que observamos una transformación tecnológica.
Ese es el caso del provocador artículo publicado el 17 de julio de 2026 por el analista conocido como Limited Edition Jonathan, bajo un título tan rotundo como polémico: Apple Is the King of AI and Nobody Knows It.
Su tesis central es contundente: Apple se ha convertido silenciosamente en el verdadero líder de la inteligencia artificial, mientras que NVIDIA, hoy la empresa más valiosa del mundo gracias a la explosión de la IA, sería “un muerto que todavía camina”.
La afirmación parece exagerada. Sin embargo, detrás del estilo provocador existe una reflexión que merece ser analizada con seriedad, porque apunta hacia una posible transformación de fondo en la arquitectura tecnológica de la inteligencia artificial.
Durante los últimos cuatro años, la conversación mundial sobre IA ha girado alrededor de una sola carrera: quién construye el modelo más poderoso y quién fabrica los procesadores capaces de entrenarlo.
Bajo ese paradigma, NVIDIA se convirtió en el gran vencedor.
Sus GPU pasaron a ser el equivalente contemporáneo de las locomotoras de la Revolución Industrial, indispensables para mover la nueva economía digital.
Empresas como OpenAI, Microsoft, Google, Meta, Amazon y Anthropic invirtieron cientos de miles de millones de dólares en centros de datos equipados con decenas de miles de procesadores NVIDIA.
Pero Jonathan sostiene que ese marcador ya no es el relevante.
El verdadero negocio, afirma, dejará de ser el entrenamiento de modelos gigantescos para convertirse en la ejecución cotidiana de esos modelos, lo que los especialistas denominan inferencia.
Es decir, responder preguntas, redactar documentos, analizar imágenes, programar software o asistir a millones de usuarios en tiempo real.
Y allí comienza a cambiar el panorama.
En los últimos meses, los modelos abiertos desarrollados principalmente en China —como DeepSeek, Qwen, GLM, MiniMax y especialmente Kimi— han reducido de manera extraordinaria la distancia que los separaba de los grandes modelos cerrados de OpenAI y Anthropic.
Lo que hace apenas dos años parecía una diferencia insalvable hoy se mide en pocos puntos porcentuales en numerosos indicadores técnicos.
La consecuencia es profunda.
Si la inteligencia artificial termina convirtiéndose en una tecnología relativamente estandarizada, como ocurrió anteriormente con los sistemas operativos, los navegadores de Internet o los motores de búsqueda, el verdadero valor ya no residirá únicamente en quién entrenó el modelo, sino en quién puede ejecutarlo de la forma más eficiente, económica y segura.
Es precisamente aquí donde Jonathan considera que Apple posee una ventaja estratégica que los mercados todavía no han incorporado plenamente.
Desde la aparición de los procesadores Apple Silicon, la empresa abandonó el modelo tradicional de memorias separadas para CPU y GPU y adoptó una arquitectura de memoria unificada.
Esto significa que procesador y acelerador gráfico comparten un único espacio de memoria de altísima velocidad, reduciendo enormemente los cuellos de botella cuando se ejecutan modelos de inteligencia artificial.
Para la inferencia local, este diseño ofrece ventajas objetivas.
Un consumo energético muy inferior al de estaciones de trabajo tradicionales, un funcionamiento prácticamente silencioso, una integración extraordinaria entre hardware y software y la posibilidad de ejecutar modelos complejos sin necesidad de enviar información a servidores externos.
A ello se suma el desarrollo del framework MLX, diseñado específicamente por Apple para optimizar la ejecución de modelos sobre sus propios procesadores.
Todo esto explica por qué numerosos investigadores y desarrolladores consideran hoy que los equipos de Apple constituyen algunas de las mejores plataformas disponibles para ejecutar inteligencia artificial de forma local.
Sin embargo, reconocer esa fortaleza no implica aceptar automáticamente la segunda parte de la tesis de Jonathan: que NVIDIA estaría destinada a perder el liderazgo.
Aquí conviene introducir algunos matices.
NVIDIA continúa dominando el entrenamiento de los grandes modelos gracias a un ecosistema construido durante casi dos décadas.
CUDA sigue siendo el estándar de facto para la computación acelerada, y miles de aplicaciones científicas, industriales y universitarias dependen de esa plataforma.
Los gigantes tecnológicos continúan invirtiendo cantidades sin precedentes en centros de datos, mientras la demanda de capacidad de entrenamiento permanece extraordinariamente elevada.
Es cierto que algunos indicadores muestran una moderación en el ritmo de crecimiento.
También es verdad que el mercado comienza a prestar mayor atención a los costos energéticos, a la eficiencia económica de la inteligencia artificial y al retorno real de las enormes inversiones realizadas por las grandes empresas tecnológicas.
Pero de ahí a concluir que NVIDIA se encuentra ante un inevitable declive existe todavía una gran distancia.
Lo que sí parece cada vez más probable es que la industria esté entrando en una nueva etapa.
Durante la primera fase de la inteligencia artificial predominó el entrenamiento centralizado de modelos gigantescos.
La segunda fase podría caracterizarse por la expansión de la inferencia distribuida.
Es decir, millones de computadoras personales, teléfonos inteligentes, automóviles, hospitales, organismos públicos y empresas ejecutando modelos directamente en sus propios dispositivos, reservando los grandes centros de datos únicamente para tareas que realmente requieran una capacidad de cálculo extraordinaria.
La historia de la informática ofrece numerosos precedentes.
Durante décadas, IBM dominó el mundo de los grandes computadores centrales hasta que apareció la computadora personal.
Años después, el teléfono inteligente desplazó al PC como principal dispositivo informático para miles de millones de personas.
En ninguno de esos casos desapareció completamente la tecnología anterior; simplemente cambió su papel dentro del ecosistema.
Algo semejante podría ocurrir ahora con la inteligencia artificial.
Los centros de datos seguirán siendo indispensables para entrenar los modelos más avanzados y para resolver problemas de enorme complejidad.
Pero una parte creciente del trabajo cotidiano de la IA probablemente migrará hacia dispositivos personales dotados de una potencia impensable hace apenas unos años.
Si ese escenario termina imponiéndose, Apple se encontrará extraordinariamente bien posicionada gracias a la integración de su hardware, su software y su arquitectura de memoria.
Pero también surgirán otros beneficiarios.
Qualcomm, AMD, Intel e incluso nuevos fabricantes especializados en procesadores para inferencia competirán por ese mercado emergente.
Más que anunciar la muerte de NVIDIA, el ensayo de Limited Edition Jonathan parece señalar el nacimiento de una nueva geografía tecnológica de la inteligencia artificial.
No asistimos necesariamente al reemplazo de un gigante por otro.
Estamos presenciando la transición desde una inteligencia artificial concebida exclusivamente para enormes centros de datos hacia un modelo híbrido, donde convivirán el entrenamiento centralizado y la inferencia distribuida.
Quizá dentro de algunos años descubramos que la verdadera revolución no consistía en construir modelos cada vez más grandes, sino en hacer posible que cada persona pudiera disponer de una inteligencia artificial privada, eficiente y permanentemente disponible en el dispositivo que lleva consigo todos los días.
Si esa es efectivamente la dirección que tomará la historia, el ensayo de Jonathan habrá tenido el mérito de formular, antes que muchos otros, la pregunta correcta.
No si NVIDIA dejará de existir, sino si el futuro de la inteligencia artificial terminará pareciéndose más al teléfono inteligente que al gigantesco centro de datos.
Esa es, probablemente, la discusión verdaderamente importante.
About The Author
