Altman sostiene que la IA local desperdicia memoria escasa en computadoras personales

Sam Altman, director ejecutivo de OpenAI, sostuvo que ejecutar modelos de inteligencia artificial en computadoras domésticas es una mala asignación de la memoria DRAM. Según TrendForce, su precio subió entre un 90% y un 95% durante el primer trimestre de 2026.

Una memoria que queda ociosa

Altman cifró en 5% el tiempo de uso efectivo de esa memoria en una computadora personal y la presentó como un problema de asignación en un contexto de escasez global. La inferencia local consiste en ejecutar un modelo directamente en el dispositivo, sin enviar las consultas a servidores remotos.

“La inferencia local es una terrible asignación de recursos escasos.”Sam Altman, en el pódcast Cheeky Pint

La lógica de la concentración

El argumento compara eficiencia: un centro de datos puede aprovechar la misma memoria las 24 horas, mientras una computadora personal la usa una fracción mínima del día. En un contexto de oferta restringida, dispersar ese recurso en millones de equipos reduce, según su planteo, el rendimiento global.

“En ese entorno en el que ese suministro crítico es tan restringido, querés la máxima concentración en la nube.”Sam Altman

El mercado de la memoria

Según TrendForce, los principales fabricantes, entre ellos Micron y SK Hynix, no logran escalar la producción al ritmo que exigen los grandes operadores de centros de datos. Algunas compañías redirigieron capacidad hacia memoria HBM, aunque ampliar plantas especializadas toma más de un trimestre.

Quienes defienden la IA local responden con el argumento de la privacidad: procesar datos sin enviarlos a servidores externos.