A medida que la carrera por los grandes modelos de IA pasa de la nube a los dispositivos periféricos, la "última milla" de la potencia de cálculo está siendo redefinida. En 2025, DGX Spark de NVIDIA lleva la arquitectura Grace Blackwell de nivel centro de datos al escritorio, permitiendo a los desarrolladores ejecutar modelos de 200 000 millones de parámetros de forma local. Para junio de 2026, RTX Spark amplía aún más esta capacidad a los portátiles de consumo, inaugurando la era de los "Agentic AI PCs" en colaboración con OEM como Microsoft, Dell, HP y otros. Desde estaciones de trabajo profesionales de 3 999 $ hasta superchips periféricos para el mercado de masas, la formación de la matriz de productos NVIDIA Spark no solo desafía los estándares tradicionales de rendimiento de los PC de IA, sino que también desencadena una revalorización sistémica en los mercados de capitales para chips, OEM y el ecosistema Arm.
Matriz de hardware: doble posicionamiento de DGX Spark y RTX Spark
NVIDIA Spark no es un único producto, sino una línea integral que abarca dos dimensiones.
DGX Spark debutó en el CES 2025 bajo el nombre Project DIGITS y recibió su denominación oficial en la conferencia GTC, lanzándose a la venta el 15 de octubre de 2025 con un precio inicial de 3 999 $. Dirigido a desarrolladores, científicos de datos e instituciones de investigación, incorpora el superchip NVIDIA GB10 Grace Blackwell, equipado con una CPU Arm de 20 núcleos (10 núcleos de alto rendimiento Cortex-X925 + 10 núcleos de eficiencia Cortex-A725) y una GPU Blackwell interconectada mediante NVLink-C2C, ofreciendo 1 petaFLOP (precisión FP4 con sparsity) de potencia IA. Incluye 128 GB de memoria unificada LPDDR5x-9400 (bus de 256 bits) y un SSD de 4 TB en la primera versión. Según las pruebas de StorageReview, el dispositivo consume unos 240 W y tiene un chasis compacto de 1,13 litros, integrando una tarjeta ConnectX-7 para redes de alta velocidad de 200 Gb/s, adecuada para conexión en cadena de dispositivos o expansión de almacenamiento NVMe-oF.
Cabe destacar que, debido a las continuas restricciones en el suministro de memoria, NVIDIA elevó el precio de venta sugerido global de DGX Spark Founders Edition de 3 999 $ a 4 699 $ el 27 de febrero de 2026, un aumento único de 700 $ (aproximadamente un 17,5 %). Acer, ASUS, MSI, Dell, HP, Lenovo y otras marcas también han sincronizado el ajuste de precio de sus modelos GB10 a 4 699 $.
RTX Spark es la propuesta de NVIDIA para el consumidor basada en la arquitectura GB10. En la conferencia GTC Taipei del 1 de junio de 2026, NVIDIA presentó oficialmente el superchip RTX Spark, dirigido a portátiles ultrafinos y escritorios compactos. Cuenta con una CPU Grace de 20 núcleos (10 de alto rendimiento + 10 de eficiencia), una GPU Blackwell RTX con 6 144 núcleos CUDA y ofrece 1 petaFLOP de potencia IA, admitiendo hasta 128 GB de memoria unificada. Puede ejecutar localmente grandes modelos de entre 120 000 y 200 000 millones de parámetros. El chip ha sido codiseñado por NVIDIA y MediaTek y fabricado con el proceso de 3 nm de TSMC. Los primeros dispositivos con RTX Spark llegarán en otoño de 2026 de la mano de Acer, ASUS, Gigabyte, MSI, Dell, HP, Lenovo y Microsoft.
RTX Spark es compatible con toda la pila de software NVIDIA CUDA, trazado de rayos RTX, DLSS y otras tecnologías. Adobe ha anunciado una renovación total de Photoshop y Premiere para esta plataforma, asegurando duplicar el rendimiento en IA y gráficos. Informes de la cadena de suministro indican que los dispositivos con RTX Spark partirán de no menos de 140 000 NT$, con un precio elevado que probablemente limite la adopción masiva a corto plazo.
Comparativa de rendimiento y datos de referencia
Las comparaciones de rendimiento entre NVIDIA Spark y las soluciones convencionales pueden analizarse en tres dimensiones: eficiencia de desarrollo, compilación CPU y rendimiento gráfico.
Economía del desarrollo local. El análisis coste-beneficio de EE Times muestra que el prototipado a largo plazo en DGX Spark es menos costoso que instancias equivalentes en la nube. Con una inferencia IA en la nube de tamaño medio costando unos 3–5 $ por hora de GPU, el desarrollo local durante meses de iteración puede ahorrar miles de dólares. Los 128 GB de memoria unificada permiten la ejecución local de grandes modelos: una GPU de estación de trabajo de gama alta como la RTX Pro 6000 puede equiparse con 96 GB GDDR7, pero una sola tarjeta cuesta más de 8 000 $. La RTX 5070 de consumo ronda los 550 $, pero solo dispone de 12 GB GDDR7, lo que limita severamente las cargas de trabajo de grandes modelos.
Pruebas de compilación CPU. Según los primeros datos de rendimiento de RTX Spark compartidos por @lafaiel en X, el chip obtuvo 43 149 puntos en pruebas de compilación Clang, compilando a 212,5 Klines/s. Como referencia, el Apple M5 de 10 núcleos logra 27 996 (137,9 Klines/s), por lo que RTX Spark es aproximadamente un 54,13 % más rápido. El AMD Ryzen AI Max+ 395 de 16 núcleos marca 42 128 (207,5 Klines/s), con RTX Spark ligeramente por delante. El Intel Core Ultra 9 285HX de 24 núcleos consigue 45 657 (224,9 Klines/s), superando por poco a RTX Spark. El M5 Pro de 15 núcleos alcanza 46 374 (228,4 Klines/s), situando a RTX Spark un 6,95 % por detrás; el M5 Pro de 18 núcleos llega a 55 165 (271,7 Klines/s), liderando por un 21,78 %.
Desde la perspectiva del consumo energético, el Intel Core Ultra 9 285HX tiene un TDP por defecto de 55 W, llegando a un pico de 160 W; el AMD Ryzen AI Max+ 395 permite configurar el TDP entre 45 y 120 W. RTX Spark, al basarse en arquitectura Arm, consume significativamente menos energía que estos competidores x86, ofreciendo claras ventajas de eficiencia. Sin embargo, conviene señalar que las pruebas de compilación Clang solo reflejan un aspecto de las cargas de trabajo multihilo de los desarrolladores y no pueden equipararse directamente al rendimiento general o en juegos.
Rendimiento en juegos. En la GTC, NVIDIA mostró RTX Spark ejecutando "007: GoldenEye" y "Forza Horizon 6", asegurando tasas de más de 100 FPS a resolución 1440p, con fluidez incluso funcionando con batería. Los datos de las demostraciones públicas dejan dos variables por confirmar: si estaban activados el reescalado DLSS y la generación multifotograma, y la configuración gráfica concreta utilizada. La arquitectura de memoria unificada resuelve el cuello de botella de la VRAM limitada en GPUs discretas tradicionales: 128 GB de memoria compartida significa que los usuarios ya no necesitan reducir la calidad de texturas o el tamaño de los modelos por restricciones de VRAM, pero el rendimiento gráfico nativo de la GPU aún debe ser validado por análisis independientes cuando los dispositivos comerciales estén disponibles.
Transformación sectorial: el impacto de Spark en la lógica de AI PC y Edge AI
La disrupción de NVIDIA Spark se centra en redefinir los estándares de cómputo de los PC de IA y en impulsar el despliegue local de IA en el edge.
La diferencia clave entre los AI PC tradicionales y Spark reside en el salto de escala de parámetros y capacidad de inferencia. Hasta ahora, los AI PC convencionales se centraban en ejecutar modelos pequeños de miles de millones de parámetros a nivel local, principalmente para funciones de asistente IA a nivel de sistema. DGX Spark y RTX Spark elevan la capacidad local hasta los 70 000–200 000 millones de parámetros, pasando de "modelos pequeños locales ligeros" a "modelos grandes de nivel servidor en el escritorio". Analistas del sector señalan que esto está transformando el PC tradicional centrado en aplicaciones en un verdadero ordenador personal de IA agente, que podría integrarse en los flujos de trabajo empresariales y de desarrollo en los próximos años.
El edge AI impone nuevos requisitos arquitectónicos: la latencia de respuesta, la privacidad de los datos y la operación offline pasan a ser demandas centrales. La conexión en clúster de cuatro dispositivos y el despliegue en intranet privada de DGX Spark resultan atractivos para sectores con estrictas exigencias de cumplimiento de datos, como finanzas y sanidad. Las NIC ConnectX-7 y la tecnología NVLink-C2C permiten construir entornos de IA locales totalmente aislados, mitigando los riesgos de fuga de datos en despliegues en la nube. Antes, el prototipado de grandes modelos dependía de recursos cloud; Spark traslada la iteración temprana a dispositivos locales, reservando la nube solo para el despliegue en producción. Este modelo híbrido de "prototipado local + producción en la nube" se está convirtiendo en el nuevo estándar en los flujos de trabajo de IA.
En cuanto al ecosistema software, socios como Microsoft y Adobe ya han iniciado optimizaciones. Microsoft anunció el marco de seguridad OpenShell para garantizar la operación segura de agentes IA en dispositivos edge con Windows. La plataforma RTX Spark soporta el emulador Prism x86, permitiendo ejecutar aplicaciones Windows completas y la pila NVIDIA CUDA, lo que supone una solución clave de transición para la compatibilidad del ecosistema Windows sobre Arm.
El CEO de NVIDIA, Jensen Huang, describe RTX Spark como "el resultado de tres años de colaboración entre Microsoft y NVIDIA". En un contexto sectorial más amplio, la continuidad de la migración del cómputo IA de centros de datos a dispositivos de escritorio dependerá de dos factores críticos: la densidad real de escenarios de aplicación de grandes modelos en el edge y si los precios elevados pueden converger hacia niveles de consumo masivo gracias a economías de escala.
Impacto en la cadena de valor y análisis de valores relacionados
El lanzamiento de la gama NVIDIA Spark tiene efectos en cascada sobre las empresas de la cadena de valor asociada.
Beneficiarios directos: el día del lanzamiento de RTX Spark (1 de junio de 2026), las acciones estadounidenses de NVIDIA subieron alrededor de un 2,14 % en preapertura, Microsoft un 2,81 %, Dell un 2,96 %, HP un 4,11 % y Adobe un 3,78 %. Entre los OEM, las acciones de Lenovo en Hong Kong cerraron con una subida del 5,167 % ese día, mientras que ASUS se disparó alrededor de un 10 % en la Bolsa de Taiwán. En los mercados de acciones A y en la Bolsa de Pekín, empresas del ecosistema AI PC como Spring Electronics, Thunder Technology y Yingli Co. experimentaron movimientos de precios correlacionados.
Las acciones de Arm Holdings subieron un 16,2 % en preapertura tras el anuncio. La profunda integración de la arquitectura Arm en NVIDIA Spark refuerza la posición estratégica de Arm en la computación IA en el edge. Los miembros del bando x86, Intel y Qualcomm, sufrieron divergencia en su valoración: Intel cayó más de un 5 % en preapertura y Qualcomm descendió alrededor de un 7,2 %. Esta divergencia refleja la revalorización sistémica del panorama del hardware IA en el edge por parte del mercado.
¿Cómo operar con acciones vinculadas al concepto NVIDIA Spark?
A medida que NVIDIA Spark impulsa la industrialización de la computación IA en el edge y el despliegue local de grandes modelos, los inversores pueden seguir los fundamentales de las empresas beneficiarias mencionadas. El servicio Gate Stocks permite a los usuarios monitorizar cotizaciones en tiempo real, noticias de mercado y oportunidades de negociación para NVIDIA, DELL, HPQ y otras compañías relacionadas. Al tomar decisiones de inversión, se recomienda considerar los informes financieros públicos, los ciclos de iteración tecnológica y la dinámica competitiva sectorial. El hardware IA para el edge aún se encuentra en una fase temprana de industrialización, con una importante incertidumbre sobre el tamaño del mercado y los modelos de rentabilidad. Los inversores deben evaluar cuidadosamente los riesgos asociados.
Conclusión
El lanzamiento de la matriz de productos NVIDIA Spark implica dos hilos paralelos de desarrollo sectorial: por un lado, llevar la computación de nivel centro de datos al escritorio, ofreciendo nuevas herramientas para el desarrollo local de IA; por otro, trasladar la inferencia de grandes modelos de la nube a dispositivos personales, redefiniendo el estándar de cómputo para los AI PC. La extensión de DGX Spark a RTX Spark refleja la estrategia de NVIDIA de penetrar desde el desarrollo de IA empresarial hasta los terminales de consumo. Que Spark logre realmente inaugurar el próximo ciclo industrial del hardware dependerá de tres variables: la velocidad de migración del ecosistema de desarrolladores, la densidad comercial de los escenarios de aplicación de edge AI y si los precios elevados pueden converger a medida que aumenta la producción. Las empresas de la cadena de valor ya están experimentando revaloraciones, pero sus vías de comercialización siguen sujetas a incertidumbres tanto técnicas como de mercado. El ritmo de adopción real aún requiere seguimiento y validación continuos.
