Computex 2026 ha dado comienzo en Taipéi y, como de costumbre, NVIDIA marcó la pauta con una presentación magistral de Jensen Huang que abarcó toda la hoja de ruta de la compañía. Gran parte de ella se centró en las innovaciones de las GPU para centros de datos que ya habíamos visto, con Vera Rubin ahora en plena producción y el mensaje, ya conocido, sobre cómo los agentes están transformando cada capa de la computación. No repetiremos todo eso aquí.
La novedad más destacada, y la razón por la que esta presentación fue relevante para quienes trabajan en el ámbito del cliente, fue el PC. NVIDIA y Microsoft aprovecharon Computex para anunciar una reinvención del sistema operativo Windows, abarcando toda una familia de productos en lugar de un único dispositivo. Sin embargo, antes de entrar en detalles, merece la pena analizar con mayor profundidad un aspecto clave del sector de los centros de datos.
Un vistazo más de cerca al rack LPX
Un detalle del centro de datos nos llamó la atención. El rack LPX ha cambiado. Los sistemas parecen haberse trasladado de 1 OU a 2 OU, y los cuatro enlaces Groq C2C también presentan un aspecto físico diferente al de nuestro análisis anterior del LPX . NVIDIA nos permitió examinar el rack con mayor detalle en esta ocasión. Más allá de estos dos cambios, no se observó ninguna otra diferencia evidente en el exterior, lo que nos genera mucha curiosidad sobre qué alberga realmente esa segunda capa.
Una familia de PC de tres niveles
NVIDIA anunció una familia de equipos cliente: un portátil, un ordenador de sobremesa y una estación de trabajo, todos basados en la misma plataforma Spark y Blackwell, y diseñados para ser compatibles con Windows. Jensen lo presentó como la primera línea de PC completamente rediseñada en 40 años. Independientemente de si se comparte o no esta visión, vale la pena comprender la estructura, ya que cada gama se dirige a un tipo de comprador muy diferente. Las analizaremos una por una.
Los portátiles RTX Spark
En el centro de los portátiles se encuentra el superchip RTX Spark, que NVIDIA presentó en el escenario bajo el nombre en clave N1X y que fue desarrollado en colaboración con MediaTek. Se trata de un componente de 70 mil millones de transistores fabricado con un proceso TSMC de 3 nm que integra dos chiplets en un SoC. La GPU es un diseño Blackwell de gran tamaño con 6,144 núcleos CUDA y núcleos Tensor de quinta generación con precisión FP4, con un rendimiento de IA FP4 de 1 petaflop. Se conecta mediante NVLink-C2C a 600 GB/s (la cifra de NVIDIA es aproximadamente 5 veces superior a PCIe Gen 5, con un consumo energético mucho menor) a una CPU Grace de 20 núcleos. La memoria alcanza un máximo de 128 GB de memoria unificada con un ancho de banda de 300 GB/s.
Si esto suena como una hoja de especificaciones de DGX Spark, es porque casi lo es. NVIDIA lo afirmó durante la sesión de preguntas y respuestas con la prensa, describiendo el chip de especificaciones completas como "basado en el mismo sistema" que DGX Spark, pero optimizado para una plataforma diferente tanto en hardware como en software. El enfoque es que DGX Spark está diseñado para desarrolladores de Linux e IA, mientras que RTX Spark es un producto diseñado principalmente para Windows que superpone la pila de juegos y creación de RTX sobre el mismo silicio. NVIDIA describe el rendimiento como "de la misma clase que una GPU de portátil RTX 5070", con la importante salvedad de que la comparación varía según la carga de trabajo, ya que un SoC con memoria unificada se comporta de manera muy diferente a una GPU discreta a través de PCIe. Aquí es donde nuestra experiencia con DGX Spark nos genera más curiosidad, y donde esperamos que este lanzamiento difiera del anterior. En nuestras pruebas de DGX Spark, uno de los hallazgos más consistentes fue la similitud entre los distintos diseños de los fabricantes de equipos originales (OEM). Algunas implementaciones estaban mejor diseñadas que otras, pero debido a que cada unidad se construyó esencialmente sobre la misma plataforma de referencia de NVIDIA con el mismo consumo de energía y el mismo límite térmico, el rendimiento en el mundo real se mantuvo muy similar en todos los casos.
No esperamos que esto se mantenga aquí. RTX Spark se está incorporando a portátiles, algunos tan delgados como 14 mm y tan ligeros como 3 kg. NVIDIA confirmó que estos chips funcionarán desde unos pocos vatios hasta aproximadamente 80 W en el extremo superior para las configuraciones más grandes, y cada fabricante de equipos originales (OEM) es libre de elegir su propio método de refrigeración, desde cámaras de vapor hasta tubos de calor avanzados. En un chasis tan delgado, es casi seguro que el chip estará limitado por la potencia, lo que a su vez lo limita térmicamente y en frecuencia. Esto no es una crítica. Es física. Pero significa que el OEM que construya la mejor solución térmica, le dé al chip un mayor presupuesto de potencia sostenida y ajuste bien sus curvas de ventilador, podría abrir una brecha de rendimiento real y sostenida sobre un competidor más delgado y silencioso que utilice el mismo silicio. Dos portátiles con el mismo chip y la misma memoria podrían ofrecer un rendimiento sostenido notablemente diferente, y descubrir qué OEM realmente permite que el chip se esfuerce al máximo es precisamente el tipo de prueba que nos apasiona. RTX Spark también abarca toda una familia de chips. NVIDIA dejó claro que habrá varias versiones, con la más completa (20 núcleos de CPU, hasta 128 GB) en la gama alta. En el resto de la familia, la memoria variará entre 16 GB y 128 GB, y NVIDIA prevé más de 30 portátiles y más de 10 ordenadores de sobremesa solo en la primera oleada, de todos los principales fabricantes, incluyendo diseños de renombre como el Dell XPS 16 Creator Edition, el HP OmniBook y el Surface Laptop Ultra de Microsoft.
Dos detalles del hardware nos hacen ser optimistas. El primero es la conectividad de red, o mejor dicho, su ausencia. El DGX Spark venía con la conectividad de red ConnectX-7 de NVIDIA y 200 GbE integrada, lo cual era excelente para un clúster de desarrollo, pero consumía espacio en la placa, energía y coste. NVIDIA confirmó que los portátiles RTX Spark no incluirán el paquete CX7. Para un portátil Windows de consumo, es la decisión correcta, y con ese espacio en la placa y presupuesto de energía liberados, esperamos ver un almacenamiento mucho mejor en estas unidades. El almacenamiento del DGX Spark era aceptable, pero nunca fue el protagonista, y un portátil de consumo sin silicio de red que alimentar tiene todas las razones para incluir NVMe más rápido y de mayor capacidad. El segundo es la E/S. Dado que todos los DGX Spark usaban la misma placa de referencia, todas las unidades venían con los mismos puertos. Después de la uniformidad del DGX Spark, una verdadera variedad de E/S por fabricante sería bienvenida.
La duración de la batería es la última incógnita sobre los portátiles, y para la que están diseñadas nuestras pruebas de rendimiento. NVIDIA prometió una batería para todo el día para productividad y navegación, aunque reconoció honestamente que los juegos o el uso intensivo de IA agotarán cualquier portátil en 45 minutos o una hora. Lo que estamos ansiosos por cuantificar es la duración de la batería durante el trabajo real con IA. Un agente que se ejecuta incluso cuando el usuario no está presente es una propuesta atractiva, pero la inferencia local con batería es un gran atractivo, y la diferencia entre usar el correo electrónico todo el día y usar un modelo 120B durante todo el día podría ser enorme. Contamos con un conjunto completo de pruebas de rendimiento personalizadas para computación de IA personal, listas precisamente para este tipo de plataforma, y planeamos medir el aumento real de productividad en lugar de tomar las cifras de marketing al pie de la letra.
El ordenador de sobremesa RTX Spark
NVIDIA confirmó que los ordenadores de sobremesa RTX Spark de formato compacto llegarán este otoño junto con los portátiles, y mostró uno de MSI en el escenario. Sinceramente, a primera vista, se parece a un DGX Spark, y eso es prácticamente todo lo que sabemos al respecto. El diseño industrial parece diferente al de la unidad DGX Spark que analizamos, pero aparte de eso, NVIDIA compartió muy poca información.
Nuestras preguntas son las obvias, y tendrán que esperar hasta que tengamos el hardware en el banco de pruebas. ¿Cómo se compara el rendimiento sostenido del ordenador de sobremesa con el de los portátiles y con el de DGX Spark, teniendo en cuenta que debería tener mucha más capacidad térmica que un portátil de 14 mm? ¿Y el ordenador de sobremesa conserva la conectividad de red de 200G que caracterizaba a DGX Spark, o prescinde del paquete CX7, como los portátiles, para ofrecer un precio más asequible al consumidor?
Estación DGX
El tercer nivel es el más importante, y se trata de una máquina que ya conocemos. NVIDIA ya había mostrado públicamente la DGX Station, y recientemente tuvimos el privilegio de probarla. No entraremos en muchos detalles aquí, ya que las especificaciones principales se conocen desde hace tiempo, y tendremos mucho más que decir en nuestro análisis, que publicaremos próximamente.
En resumen: DGX Station para Windows se basa en el superchip de escritorio GB300 Grace Blackwell Ultra, que combina una GPU Blackwell Ultra con una CPU Grace de 72 núcleos. Cuenta con hasta 748 GB de memoria coherente y hasta 20 petaflops de FP4, suficiente para ejecutar modelos con billones de parámetros localmente y, según NVIDIA, cientos de agentes simultáneamente. A diferencia de las máquinas Spark para consumidores, esta incluye conectividad de red rápida con una tarjeta de red ConnectX-8 SuperNIC capaz de alcanzar hasta 800 Gb/s, además de una GPU de estación de trabajo RTX PRO 6000 Blackwell opcional.
La gran incógnita: ¿podrá Microsoft lograrlo?
Seamos claros sobre nuestra postura. DGX Spark fue un gran éxito para NVIDIA, y somos muy optimistas respecto a toda esta familia de dispositivos. El hardware cumple con las expectativas, la eficiencia es excelente y NVIDIA ya ha demostrado la calidad de sus chips. Sin embargo, tenemos dudas sobre la capacidad de Microsoft para brindar soporte a estos dispositivos.
Últimamente, Microsoft ha estado en los titulares por motivos negativos, con una creciente insatisfacción de los usuarios respecto al rumbo de Windows. Algunos usuarios lo han bautizado como "Microslop". Las quejas son recurrentes: la agresiva imposición de Copilot en todos los aspectos del sistema operativo, la integración vertical de la IA en toda la pila tecnológica y prácticas arraigadas como la imposición de OneDrive. Además, Windows on Arm no es una plataforma que se pueda considerar madura. NVIDIA apuesta fuerte a que esta vez será diferente, citando años de colaboración en el emulador Prism y el trabajo conjunto con los principales proveedores de sistemas antitrampas. La respuesta de la compañía a la pregunta "¿Por qué Windows on Arm tendrá éxito ahora?" es, básicamente, "porque por fin todos le están dando el máximo apoyo". Puede que sea cierto. Es, más o menos, lo mismo que oímos la última vez.
Personalmente, apoyo a Microsoft para que cumpla con las expectativas, porque el potencial es real. La RTX Spark es una máquina de juegos potente, similar a la RTX 5070. Si la emulación y los controladores funcionan correctamente, podría convertirse en la alternativa más económica y eficiente para jugar en portátiles con GPU dedicadas de NVIDIA. Además, no podemos ignorar el aspecto de Linux. El chip es el chip, por lo que la RTX Spark debería heredar el mismo sólido soporte para Linux que convirtió a la DGX Spark en una máquina tan potente, y tenemos mucha curiosidad por saber si el trabajo de juegos y gráficos implementado en Windows también se traducirá en mejoras en Linux. Si Microsoft falla con una plataforma tan buena, ese pedigrí de Linux podría significar que este lanzamiento marque el inicio del año del escritorio Linux para todos.
La mayor sorpresa para nosotros fue la decisión de NVIDIA de instalar Windows en la DGX Station. Cuando se anunció el producto en 2025, muchos de nuestros colegas de otras publicaciones y nosotros pensamos que era una jugada maestra. Históricamente, el soporte de software ha ido a la zaga del nuevo hardware, a menudo con años de retraso, antes de que el kernel y las herramientas maduren lo suficiente como para aprovechar al máximo las capacidades del silicio. La DGX Station era la máquina que los principales laboratorios de IA, investigadores y organizaciones podían adquirir para comenzar a desarrollar con la arquitectura más reciente, mucho antes de que se crearan los centros de datos a su alrededor. El problema es que el producto llega un año tarde. Y aunque disfrutamos mucho de nuestro tiempo con el sistema, dejando de lado algunos problemas de preproducción (un par de ellos me provocaron pesadillas), no podemos justificar la instalación de Windows en una máquina claramente diseñada para IA de alto rendimiento. La B300 no tiene núcleos RT, por lo que muchas de las cargas de trabajo de estaciones de trabajo de NVIDIA dependerían de la tarjeta gráfica dedicada RTX PRO opcional, dejando la B300 exclusivamente para tareas de IA. Tenemos mucha curiosidad por saber cómo funciona realmente la compatibilidad con Windows en la estación DGX y, francamente, dudamos de que Microsoft pueda ofrecer una buena experiencia y aprovechar al máximo la tarjeta gráfica B300 y la red ConnectX-8 de 800G en un único host.
Una nueva familia de productos, cada generación.
El detalle de la presentación principal que más nos impactó no fue una especificación técnica.
Jensen presentó esta gama de PC como una familia de productos permanente, prometiendo un ordenador de sobremesa, un portátil y una estación de trabajo para cada futura generación de arquitectura, con lo que él afirma es el apoyo del 100% de la industria de los PC.
Como nota al margen, por fin vimos el chip Grace Blackwell Spark Superchip N1 de 400 TFlop, de menor tamaño, mencionado aquí. Será interesante ver qué tipo de dispositivos terminan incorporando este chip.
Más allá del PC: IA física
La segunda mitad de la presentación se centró en la IA física. Si bien es un mundo distinto al del hardware para clientes mencionado anteriormente, completa el panorama de Computex. NVIDIA también aprovechó el evento para publicar como código abierto una amplia colección de herramientas y funcionalidades de IA física, disponibles en github.com/NVIDIA/skills, incluyendo funcionalidades con datos sintéticos como reconstrucción neuronal, aumento de vídeo y generación de imágenes de defectos, que socios fabricantes como TSMC, Foxconn y SK hynix ya utilizan en sus líneas de producción. Las plataformas principales se detallan a continuación.
Robot humanoide de referencia Isaac GR00T
NVIDIA ha publicado un diseño de referencia abierto para un robot humanoide, construido sobre un chasis Unitree H2 Plus de casi 1,8 metros de altura y 68 kg de peso, con 75 grados de libertad en total gracias a dos manos táctiles Sharpa Wave de cinco dedos. Los actuadores son de alto rendimiento, con un par de torsión de hasta 120 Newton-metros en los brazos, hasta 360 en las piernas y una capacidad de carga útil nominal de 7 kg que alcanza los 15 kg. Para la detección, incorpora una cámara estéreo montada en la cabeza con un campo de visión horizontal de 140 grados, cámaras en las muñecas para la manipulación, una unidad de medición inercial y la conectividad habitual Wi-Fi 6 y Bluetooth 5.2. El cerebro es el Jetson AGX Thor T5000 de NVIDIA, con una GPU Blackwell de 2,070 teraflops FP4, una CPU Arm de 14 núcleos y 128 GB de memoria unificada, con un consumo configurable de 40 a 130 vatios y una batería de aproximadamente 1 kWh con una autonomía de unas tres horas. Todo el conjunto, desde Isaac Teleop para la captura de datos hasta Isaac Sim e Isaac Lab, pasando por los modelos base GR00T y el middleware Isaac ROS para la implementación, es de código abierto, y los investigadores mantienen el control de sus propios datos. Stanford, ETH Zurich, UC San Diego y Ai2 se encuentran entre los primeros en adoptarlo, con hardware disponible de Unitree a finales de 2026 y un flujo de trabajo de referencia Unitree G1 que se publicará próximamente en GitHub y Hugging Face. Jensen planteó las implicaciones en términos de gran magnitud, calificando a los robots humanoides como una "oportunidad económica de billones de dólares".
Cosmos 3
Cosmos 3 es el modelo base de frontera abierta de NVIDIA para la IA física. Este omnimodelo de mezcla de transformadores maneja texto, imágenes, video, sonido ambiental y acciones en una sola pila, entrenado con miles de millones de muestras multimodales. Cumple tres funciones: un modelo de visión-lenguaje para el razonamiento multimodal, un modelo del mundo para simular entornos físicos y una base para los modelos de mundo-acción que entrenan a los robots en tareas específicas. Está disponible como Cosmos 3 Super para robótica y AV de alta precisión después del entrenamiento, Cosmos 3 Nano para video rápido y razonamiento de acciones, y Cosmos 3 Edge para inferencia en tiempo real próximamente. NVIDIA afirma que lidera el campo de los modelos abiertos en una larga lista de pruebas de rendimiento, incluyendo Physics-IQ y R-Bench para la generación de mundos, RoboLab y RoboArena para políticas de acción, y VANTAGE-Bench para la comprensión de la visión, y que puede reducir los ciclos de entrenamiento y evaluación de la IA física de meses a días. Está disponible en Hugging Face, GitHub y build.nvidia.com como microservicios NIM, con una coalición a su alrededor que incluye a Agile Robots, Black Forest Labs, Runway y Skild AI, y usuarios como Samsung, LG Electronics, Li Auto y Doosan Robotics.
Alpamayo 2 Super
Para la conducción autónoma, NVIDIA presentó Alpamayo 2 Super. Se trata de un modelo abierto de razonamiento de visión-lenguaje-acción de 32 mil millones de parámetros, basado en los modelos base del mundo Cosmos, que razona, planifica y actúa en todo el conjunto de la pila de conducción para el desarrollo de Nivel 4. Escala desde las versiones anteriores de 10 mil millones de parámetros y se expande a una percepción envolvente completa de 360 grados. También produce decisiones de conducción macro y trazas de cadena de causalidad que las explican, y su etiquetado automático de razonamiento puede comprimir los ciclos de anotación de meses a días. NVIDIA lo posiciona como un modelo maestro que se destila en redes más pequeñas para su implementación en vehículos en DRIVE AGX Thor, y lo combina con herramientas de soporte en AlpaGym para el aprendizaje por refuerzo de bucle cerrado, OmniDreams para la creación de escenarios generativos y Neural Reconstruction basado en Omniverse NuRec para convertir datos de flotas en escenas 3D. Las versiones anteriores de Alpamayo se descargaron cerca de 400 000 veces. El nuevo modelo ganó el premio COMPUTEX Best Choice y se espera que esté disponible en GitHub y Hugging Face este verano.
CONDUCIR Hyperion
Si Alpamayo es el cerebro, DRIVE Hyperion es el vehículo en el que se ejecuta. Ya hablamos de Hyperion anteriormente, así que no volveremos a debatir sobre la plataforma aquí, salvo para señalar que se trata de la referencia de NVIDIA preparada para el Nivel 4, basada en el sistema de seguridad Halos y DriveOS, con la capacidad de procesamiento DRIVE AGX. Lo más interesante esta vez es quiénes se están sumando a esta iniciativa. Uber está integrando varias flotas con tecnología Hyperion, incluido un programa de robotaxis en Múnich que se lanzará a finales de este año. Foxconn y Foxtron tienen como objetivo un lanzamiento de robotaxis en Taiwán para 2028, comenzando en Kaohsiung y expandiéndose por toda Asia. VinFast está llevando vehículos de Nivel 4 al sudeste asiático, Autobrains está trabajando con VinFast y Uber, y HUMAIN lo está implementando en Arabia Saudita. Esta lista de socios, más que cualquier especificación individual, es lo que hace que valga la pena seguir de cerca a Hyperion.
Pensamientos Finales
NVIDIA tiene el chip y ahora lo está implementando en todas partes, desde una laptop de 14 mm hasta una GB300 de escritorio e incluso en el pecho de un humanoide, y en eso sí creemos. Lo que una hoja de especificaciones no puede decirnos es si Microsoft puede hacer que Windows en ARM valga la pena el costo del hardware, si los fabricantes de equipos originales (OEM) permitirán que el chip Spark rinda al máximo o lo limitarán en un chasis demasiado delgado, y si las afirmaciones sobre petaflops y batería se mantendrán una vez que podamos medirlas. Somos optimistas con respecto al hardware y escépticos con respecto al software (Microsoft, no Linux), y mantendremos ambas posturas hasta que las máquinas lleguen al laboratorio. Cuando lo hagan, las pruebas de rendimiento estarán listas.
Amazon