Productividad, productividad y productividad. Usuarios, creadores y desarrolladores coinciden al hablar de RTX Spark

La industria del PC tiene, aproximadamente, unos 40 años de historia, aunque la democratización de las interfaces de usuario no llegaría hasta 1995. Hace 31 años, Microsoft presentó Windows 95, el primer sistema operativo de consumo preparado para su uso por parte de los usuarios finales y no solo en entornos profesionales.

NVIDIA, por su parte, fue fundada hace 33 años (1993) por Jen-Hsun Huang, Chris Malachowsky y Curtis Priem, para desarrollar chips gráficos, o GPUs, capaces de acelerar el rendimiento de las interfaces gráficas, de los juegos y de aplicaciones que se beneficien del paralelismo inherente a la arquitectura de las unidades de procesamiento gráfico.

Algunos hitos en la historia de NVIDIA durante sus 33 años de existencia. Generada con Claude Sonet 5.5.

Durante estos años, NVIDIA y la industria de PC han llevado caminos paralelos. NVIDIA, eso sí, ha tenido sus prioridades y su hoja de ruta siempre muy claraa, con hitos tan excepcionales como CUDA en 2006.

La primera revolución computacional en el PC: NVIDIA CUDA

La Arquitectura Unificada de Dispositivos de Computación (Compute Unified Device Architecture) fue toda una revolución en su momento. Permitía a desarrolladores, científicos, investigadores o entusiastas llevar su entorno de trabajo desde los centros de datos hasta un PC de sobremesa con una GPU de NVIDIA, o mejor aún, a un portátil gaming equipado con una GPU NVIDIA para laptop, que podían transportar durante sus viajes y desplazamientos a ferias, convenciones o a sus casas.

La comunidad de desarrolladores alrededor de CUDA ha crecido hasta consolidarse como el estándar de facto para la programación de aplicaciones aceleradas por GPUs, en este caso de NVIDIA. 

En sus comienzos, CUDA capturó rápidamente la atención de investigadores que fueron capaces de desarrollar proyectos en sus portátiles gaming con GPUs NVIDIA sin necesidad de acudir a superordenadores. Esta foto corresponde a la GPU Technlogy Conference de 2013 en San José (EEUU).

Al mismo tiempo, la tecnología CUDA ha ido evolucionando, facilitando la programación de aplicaciones, expandiendo el ámbito de uso a través de APIs y añadiendo funcionalidades y características paralelamente a las tendencias que han ido adoptándose, incluyendo, por supuesto, la IA.

NVIDIA RTX Spark revoluciona la industria del PC en los tiempos de la IA Generativa

Los últimos años han estado marcados por la irrupción de la IA generativa en infinidad de aspectos de nuestras vidas. Y NVIDIA ha acompañado esta tendencia desde los primeros días de los LLMs, por ejemplo, proporcionando a Open AI en 2016 el NVIDA DGX-1, el primer superordenador para Deep Learning.

NVIDIA RTX Spark, presentado oficialmente en Computex 2026 y que llega ahora al mercado, supone revolucionar de nuevo el PC en la era de la IA. RTX Spark es “todo lo que hemos aprendido durante 33 años, destilado en un único chip”, según comentaba Jensen Huang, CEO y fundador de NVIDIA, en el anuncio de NVIDIA RTX Spark en GTC Taipei 2026.

Durante el RTX Spark Day, también se destacó la idea de que RTX Spark supone un nuevo principio para el PC. No en vano, viene con 1 PFLOP de potencia de cálculo con precisión FP4, una modalidad de cuantización que comprime los datos para optimizar los recursos de la GPU y la memoria.

Hasta ahora, para acceder al ecosistema CUDA, era preciso trabajar con estaciones de trabajo, PCs de sobremesa equipados con GPUs dedicadas o con pesados y voluminosos laptops, también con GPUs dedicadas. Los portátiles delgados y ligeros y los Mini PCs se quedaban fuera, al contar únicamente con CPUs más GPUs integradas que no eran compatibles con CUDA.

Los portátiles RTX Spark tienen una potencia de cálculo de nada menos que 1 PFLOP (10 elevado a 15) con precisión FP4, con un peso de menos de 2 Kg y un consumo de apenas 150W. El DGX-1, precursor de estos equipos, en 2016 tenía un rendimiento de 170 Tera FLOPS (10 elevado a 12) en precisión FP16, con 8 GPUs Tesla P100 y dos CPUs Intel Xeon ES-2698 v4 con un consumo de 3.200W. Si comparamos el rendimiento FP16 del RTX Spark, tenemos cifras de unos 230 TFLOPS en cálculos tensoriales con matrices dispersas (sparce matrix).

Además, para trabajar con los Large Language Models, primero, y la IA agéntica, más recientemente, era prácticamente imprescindible hacer uso de los LLMs que se procesan en los centros de datos cloud, generalmente bajo modelos de pago por suscripción mediante APIs. 

Los PCs por sí solos no tenían el rendimiento ni las tecnologías de software necesarias para trabajar localmente con modelos de lenguaje o agentes de IA, con la excepción de los mencionados equipos de sobremesa o los portátiles grandes y pesados.

RTX Spark de NVIDIA supone llevar la IA generativa y agéntica a los ordenadores portátiles delgados y ligeros con sistema operativo Windows a través de la integración de una CPU Grace basada en ARM de hasta 20 cores, una GPU NVIDIA Blackwell con hasta 6.144 cores CUDA, así como hasta 128 GB de memoria unificada con 1 PFLOP de potencia de cálculo con precisión FP4 y nada menos que 70.000 millones de transistores con tecnología de fabricación de 3 nm de TSMC.

NVIDIA no solo ha desarrollado un chip, sino también todo el stack de software y desarrollo para IA. Hasta ahora, el acceso a esta pila solo era posible a través de equipos como los DGX Spark bajo sistema operativo Linux, estaciones de trabajo o centros de datos en la nube.

Pero, con RTX Spark, ahora tenemos acceso también a todo el ecosistema de aplicaciones Windows, además de las bibliotecas y compiladores (PyTorch-CUDA, CUDA-X, NeMo, etcétera), integración con herramientas de agentes y modelos como Hermes, OpenClaw, Nemotron 3.5 Bolt o GitHub Copilot, entre otras), herramientas de depuración (Nsight Graphics, Nsight Systems, etcétera) o compatibilidad con tecnologías para gráficos como DLSS 5, trazado de rayos de cuarta generación o tensor cores de quinta generación.

Es, básicamente, la reinvención del PC, en el que “las aplicaciones serán reemplazadas por un runtime agéntico”, según comentaba Jensen Huang.  Esto supone, según aventura, que la interfaz de usuario será "reemplazada" por lenguaje natural hablado o escrito, eliminando la necesidad de conocer los comandos concretos que intervienen en la ejecución de un programa como, por ejemplo, Blender o Photoshop. O un entorno de desarrollo en programación.

Los usuarios, creadores y desarrolladores están (de nuevo) encantados 

Desarrollo sobre un equipo NVIDIA RTX Spark MSI Prestige N16 Flip AI+ 16". Crédito Alex Ziskind.

Si la comunidad investigadora, programadores y entusiastas se entusiasmaron con CUDA allá en 2006, ahora los usuarios, creadores y desarrolladores también se están volcando con RTX Spark y los primeros equipos portátiles disponibles para su compra.

Merece la pena escuchar ala creador de contenidos Alex Ziskind, que ha puesto a prueba en escenarios de la vida real a uno de los primeros portátiles RTX Spark con éxito, en tanto en cuanto el equipo permite trabajar con modelos, aplicaciones y agentes de IA localmente, con modelos de más de 120 billones de parámetros, incluyendo el trabajo en áreas como la programación. “Puedes conectar un modelo de IA local al editor de código como el que tengo aquí. De hecho, este es probablemente uno de los casos de uso preferidos en este tipo de portátiles”, comenta.

Destaca la posibilidad de usar las herramientas y modelos de IA “en un avión o en cualquier lugar” gracias al formato portátil delgado y razonablemente ligero del equipo probado, un MSI Prestige N16 Flip Ai+, con la configuración de memoria máxima de 128 GB, eso sí.

Procesos creativos completos también para vídeo con ComfyUI

Uno de los casos de uso más populares de la IA agéntica lo encontramos en la generación de imágenes, vídeos, audio y modelos 3D a través del flujo de trabajo de ComfyUI. Y los equipos RTX Spark pueden abordar estos flujos de trabajo creativos localmente, “manteniendo tus datos privados y seguros”, como enfatiza Joel Pennington, Product Manager NVIDIA en su demostración de un flujo de trabajo con ComfyUI sobre RTX Spark.

Trabajar con datos localmente en escenarios de IA agéntica y uso de modelos de lenguaje es un apartado muy apreciado por los profesionales. Y con los portátiles RTX Spark (y los Mini PCs dentro de unas semanas), es posible trabajar sin sacar los datos e información de nuestros equipos.

Otro ejemplo de flujo de trabajo real con ComfyUI y Blender, en este caso, para obtener modelos 3D imprimibles en una impresora 3D, lo comparte Allyson Vasquez, Senior AI Systems Software Engineer en NVIDIA. Su objetivo era completar un juego de piezas de ajedrez diseñadas por su padre, ya fallecido. “Con RTX Spark, soy capaz de ejecutar ComfyUI, tomar una imagen y convertirla en una malla 3D. Al mismo tiempo puedo abrir Blender, llevar a cabo el trabajo de diseño y después conectar la impresora 3D para imprimir las piezas. Todo ello supone aumentar mucho mi productividad.”

Vibe coding en cualquier momento y lugar

Programar usando prompts ya no es una actividad que haya que realizar en la oficina o el domicilio sobre un ordenador de sobremesa o una estación de trabajo.

En un equipo RTX Spark es posible implementar el proceso de desarrollo completo usando IA generativa y agéntica a partir del stack de CUDA para Windows sobre ARM, incluso sin conexión a Internet si usamos modelos de lenguaje localmente.

Usar agentes en un equipo RTX Spark está al alcance de una amplia audiencia

Si nos centramos en los usuarios “de propósito general”, encontramos que los equipos NVIDIA RTX Spark son una propuesta que suma. A todo el ecosistema de IA generativa y agéntica, uso de modelos localmente, desarrollo de aplicaciones o creación de flujos de trabajo automatizados, se suma la experiencia de uso de un portátil convencional que funciona con el sistema operativo Windows y sus aplicaciones y juegos.

Javier Pastor, Editor Senior en Xataka, en su análisis del ASUS ProArt P16 RTX Spark, hace comentarios muy reveladores de lo que podemos encontrar en estos nuevos portátiles.

Así, refiriéndose al uso de agentes localmente, comenta: “La instalación de Hermes es coser y cantar en estos equipos RTX Spark, porque un asistente de bienvenida precisamente nos da a elegir cuál queremos instalar en Windows 11 y el proceso se realiza en apenas un par de minutos: quedan en el pasado los procesos algo engorrosos que por ejemplo planteó OpenClaw”.

Podemos decir que la productividad personal y no solo la profesional, se beneficia de los nuevos portátiles RTX Spark a poco que nos adentremos en la instalación de modelos localmente y configuremos flujos de trabajo a nuestra medida. “Eso que facilita que cualquier usuario pueda experimentar con un proyecto que cumple la gran promesa de la IA: hacer cosas por ti. Hermes puede convertirse en un ayudante aplicado al que le podremos pedir de todo y que será más útil cuanto más acceso tenga a nuestra vida”, comenta Pastor.

En definitiva, productividad, productividad, productividad...