AMD conecta agentes locales, desarrollo y estaciones de trabajo en su estrategia presentada durante IFA 2026. AMD presentó en IFA 2026 una estrategia para llevar el desarrollo y la ejecución de agentes de IA más cerca del usuario. Ryzen AI Halo estrenará Project Zenith; Threadripper Halo Station apunta a modelos de gran escala desde el escritorio; y la colaboración con SUSE busca facilitar el tránsito de prototipos locales hacia producción empresarial.

Las claves de la noticia

• Ryzen AI Halo será la primera plataforma compatible con Project Zenith.
• Project Zenith ejecutará localmente modelos de más de 30.000 millones de parámetros.
• Threadripper Halo Station llegará en 2027 como estación de trabajo especializada.
• SUSE conectará el desarrollo local con despliegues empresariales gobernados y escalables.
• Acer y Lenovo ampliarán el ecosistema de equipos impulsados por Ryzen AI.

Lima, Perú, 6 de septiembre de 2026.— AMD (NASDAQ: AMD) en el marco del IFA 2026, celebrada en Berlín, para presentar su visión de la inteligencia artificial personal: sistemas capaces de desarrollar, ejecutar y coordinar agentes directamente en computadoras y estaciones de trabajo, con menor dependencia permanente de la nube.

La estrategia combina hardware, herramientas para desarrolladores y alianzas empresariales. Ryzen AI Halo será la primera plataforma compatible con Project Zenith de Microsoft, mientras que Threadripper Halo Station llevará capacidades propias de los centros de datos a una estación de trabajo de escritorio.

El planteamiento no supone abandonar la nube. Propone decidir dónde ejecutar cada carga de trabajo según su complejidad, sensibilidad, costo y necesidad de respuesta. La disponibilidad comercial, precios y soporte de estos sistemas para el Perú todavía no han sido anunciados.

Desde un inicio, la computadora personal fue principalmente una ventana hacia aplicaciones y servicios alojados en otros lugares. La inteligencia artificial agéntica comienza a modificar ese papel: la PC puede convertirse en un entorno activo donde modelos y agentes analizan información, utilizan herramientas y completan tareas sin enviar permanentemente cada interacción a la nube.

Por qué esta tendencia gana relevancia

La primera ola de IA generativa dependió principalmente de centros de datos remotos. Sin embargo, el crecimiento del uso empresarial también elevó la preocupación por los costos variables, la latencia y el tratamiento de información sensible.

Los agentes intensifican el desafío porque no se limitan a responder una pregunta. Pueden consultar archivos, utilizar aplicaciones y ejecutar procesos de varios pasos. Acercar una parte de ese trabajo al dispositivo abre una arquitectura híbrida: los modelos más exigentes permanecen en la nube, mientras otras tareas se procesan localmente.

De la PC con IA a la PC agéntica

El concepto de PC con IA estuvo inicialmente asociado a la incorporación de unidades de procesamiento neuronal y a indicadores como los TOPS. La siguiente etapa requiere una mirada más amplia.

Un agente necesita interpretar una solicitud, consultar información, decidir qué herramienta utilizar, ejecutar acciones, evaluar el resultado y continuar hasta completar su objetivo. Por ello, su rendimiento depende de la coordinación entre CPU, GPU, NPU, memoria, almacenamiento y software.

La métrica realmente importante deja de ser únicamente la velocidad de inferencia. También cuenta el tiempo necesario para terminar un flujo de trabajo completo, el número de agentes que pueden ejecutarse simultáneamente y la cantidad de información que el sistema puede conservar en memoria.

Project Zenith prepara Windows para desarrollar agentes

Durante la IFA 2026, Microsoft (NASDAQ: MSFT) anunció Project Zenith, una experiencia de Windows concebida para equipos de desarrollo con al menos 64 GB de memoria unificada y un ancho de banda superior a 250 GB por segundo.

Los primeros dispositivos compatibles utilizarán AMD Ryzen AI Halo y podrán ejecutar localmente modelos con más de 30,000 millones de parámetros. El entorno integrará herramientas como Visual Studio Code, Windows Subsystem for Linux, PowerShell y GitHub Copilot CLI para reducir el tiempo necesario entre la configuración del equipo y el inicio de un proyecto.

El procesamiento local también permite experimentar sin depender del consumo medido de tokens de un servicio externo. Ello no significa que la IA sea gratuita: permanecen los costos del hardware, la electricidad, el mantenimiento y la actualización de los modelos. Lo que cambia es la estructura económica del despliegue.

Project Zenith incorporará, además, mecanismos de identidad, administración empresarial y contenedores de ejecución. Estos controles son especialmente relevantes cuando los agentes reciben autorización para acceder a archivos, aplicaciones y recursos corporativos.

Ryzen AI Halo lleva el laboratorio al escritorio

Ryzen AI Halo busca ofrecer una base común para desarrollar y probar aplicaciones de IA local. La plataforma combina procesadores con arquitectura Zen 5, gráficos RDNA 3.5, una NPU dedicada y memoria unificada accesible por los distintos motores de cómputo.

Esta arquitectura puede resultar útil para modelos cuyo tamaño supera la memoria disponible en una GPU de consumo convencional. La posibilidad de compartir una reserva amplia de memoria permite trabajar con asistentes de programación, modelos multimodales, generación de imágenes y sistemas de recuperación de información sin recurrir continuamente a infraestructura remota.

En la práctica, una empresa podría utilizar un equipo de esta clase para crear un agente que consulte documentación interna, prepare un prototipo y valide su comportamiento antes de trasladarlo a un entorno de producción. El procesamiento local reduce movimientos innecesarios de datos, aunque no garantiza por sí mismo privacidad ni seguridad.

Threadripper Halo Station: IA de gran escala en el escritorio

En el extremo superior aparece AMD Threadripper Halo Station, un prototipo presentado en IFA 2026 cuya llegada está prevista para 2027.

La plataforma empleará un procesador Ryzen Threadripper PRO 9995WX con 96 núcleos y 192 hilos, acompañado por aceleradores AMD Instinct con memoria HBM. Su configuración máxima contempla hasta cuatro aceleradores MI350P, 576 GB de memoria HBM3e y hasta 2 TB de memoria RDIMM.

En conjunto, el sistema podrá alcanzar 2,6 TB de memoria y un ancho de banda agregado de hasta 16,4 TB por segundo. Estas características lo acercan más a un servidor especializado que a una PC convencional.

Su público objetivo incluye investigadores, desarrolladores de modelos, estudios creativos y organizaciones que necesitan entrenar, ajustar o ejecutar modelos con información confidencial dentro de sus instalaciones. AMD también plantea la posibilidad de coordinar cientos de flujos agénticos, aunque su desempeño deberá evaluarse con aplicaciones independientes cuando exista hardware comercial.

Cómo funcionaría en la práctica

Una plataforma personal de IA podría emplearse en diferentes escenarios:

• Un agente de programación que revise repositorios y ejecute pruebas sin enviar el código fuente a servicios externos.
• Un asistente corporativo que consulte contratos, manuales o expedientes almacenados dentro de la organización.
• Un entorno creativo que genere imágenes, audio o video mediante modelos ejecutados localmente.
• Un laboratorio para ajustar modelos especializados antes de desplegarlos en infraestructura empresarial.
• Un sistema híbrido que procese información confidencial en el dispositivo y derive las tareas más complejas hacia la nube.

La elección dependerá del tamaño del modelo, el nivel de sensibilidad de los datos, la disponibilidad de conectividad y el costo total de propiedad.

Del prototipo local a la producción empresarial

La colaboración anunciada entre AMD y SUSE intenta resolver otro desafío: trasladar una aplicación desde una estación de desarrollo hacia un entorno empresarial seguro, compatible y escalable.

El trabajo local permite experimentar rápidamente, pero una solución en producción requiere administración de identidades, observabilidad, actualizaciones, políticas de acceso, respaldo y capacidad para atender a múltiples usuarios. La infraestructura de IA empresarial privada desarrollada por AMD y SUSE busca proporcionar esa continuidad mediante Linux empresarial, contenedores y plataformas de gestión.

El valor de la alianza dependerá de cuánto logre reducir las diferencias entre el entorno utilizado por el desarrollador y la infraestructura donde finalmente operará el modelo.

Los fabricantes convierten la estrategia en productos

La visión presentada por AMD comienza a trasladarse a equipos de fabricantes como Acer y Lenovo.

Según la información compartida durante la reciente IFA, Acer incorporará Ryzen AI Max Serie 400 en el mini-PC Aspire G AGB110 y la notebook Aspire G 3D 16. Lenovo anunció varios equipos profesionales y de consumo, aunque las configuraciones varían según el modelo.

El Lenovo ThinkCentre X Ultra podrá incorporar hasta un Ryzen AI Max+ PRO 495 y 128 GB de memoria unificada dentro de un formato de 1,6 litros. También podrá agruparse con hasta cuatro unidades para distribuir cargas de IA.

Los ThinkCentre M75s Gen 6 y M75q Gen 6 utilizarán procesadores Ryzen AI PRO Serie 400, no Ryzen AI Max como sugería de manera general el comunicado remitido. Estos equipos apuntan a tareas corporativas menos intensivas y ofrecen hasta 50 TOPS de procesamiento mediante su NPU.

La disponibilidad internacional comenzará progresivamente, pero al momento de cierre de edición, todavía no existe información confirmada sobre configuraciones, precios o fechas de llegada al mercado peruano o latinoamericano.

Beneficios para usuarios y organizaciones

La ejecución local puede reducir la latencia y mantener operativas determinadas funciones cuando la conexión es limitada. También permite que documentos, código o propiedad intelectual permanezcan dentro de la infraestructura controlada por el usuario.

Para las organizaciones con un uso intensivo y predecible, adquirir capacidad propia podría disminuir una parte del gasto recurrente por tokens. La nube seguirá siendo conveniente para demandas variables, colaboración a gran escala y acceso a modelos de frontera.

El beneficio, por tanto, no consiste en elegir exclusivamente entre local o nube. Está en asignar cada carga al entorno que ofrezca el mejor equilibrio entre capacidad, privacidad, velocidad y costo.

Los desafíos por resolver

La IA personal y local todavía enfrenta obstáculos importantes:

• El hardware de alta capacidad exige una inversión inicial considerable.
• Las estaciones más potentes necesitan energía, refrigeración y soporte especializado.
• Los modelos deben mantenerse actualizados y protegidos frente a vulnerabilidades.
• Los agentes requieren límites claros antes de acceder a información o ejecutar acciones.
• La fragmentación de herramientas puede dificultar la portabilidad entre plataformas.
• Las empresas necesitan personal capaz de administrar modelos, datos y políticas de uso.
• La oferta, garantía y soporte técnico aún pueden ser limitados en mercados latinoamericanos.

Además, procesar información dentro del dispositivo no convierte automáticamente una aplicación en privada. Un agente mal configurado puede filtrar datos, ejecutar instrucciones peligrosas o acceder a más recursos de los necesarios.

La letra pequeña

AMD no ha revelado el precio de Threadripper Halo Station ni el consumo energético de sus configuraciones finales. Tampoco existen resultados independientes que permitan comparar su costo total con servidores privados o servicios de nube durante periodos prolongados.

Quedan por conocer las condiciones de licenciamiento de los modelos, la compatibilidad entre herramientas, los mecanismos de actualización y la disponibilidad de soporte empresarial en cada país.

La propuesta es técnicamente ambiciosa, pero su adopción dependerá de algo más que la capacidad del hardware: necesitará un ecosistema accesible, estable y preparado para operar en producción.

Relación con la IA empresarial y el edge

La IA personal forma parte de un cambio más amplio hacia arquitecturas distribuidas. En lugar de concentrar todo el procesamiento en grandes centros de datos, las organizaciones pueden ejecutar modelos en estaciones de trabajo, sucursales, plantas industriales y dispositivos ubicados cerca de la fuente de los datos.

En IT/USERS® Magazine ya analizamos cómo la IA ejecutada directamente en los dispositivos impulsa productividad, creatividad y gaming, así como el avance de AMD y mimik para llevar agentes al edge.

Ryzen AI Halo, Project Zenith y las plataformas empresariales de SUSE extienden esa misma lógica: desarrollar cerca del usuario, conservar localmente los datos sensibles y escalar hacia la infraestructura corporativa o la nube cuando la carga lo requiera.

¿Por qué es importante?

Para el CIO, el CTO y los líderes empresariales, la IA local introduce una nueva alternativa para controlar datos, latencia y costos. También obliga a revisar la arquitectura tecnológica, la seguridad de los agentes y las capacidades del personal. La decisión ya no será adoptar IA, sino determinar dónde debe ejecutarse cada proceso.

Visión Estratégica

Para el Perú y para Latinoamérica, la IA personal podría adquirir especial relevancia en banca, salud, minería, manufactura, educación y sector público, donde existen datos sensibles, sedes remotas o conexiones de calidad desigual. Una estación local permitiría experimentar con modelos especializados sin trasladar inmediatamente información crítica a servicios externos.

Sin embargo, la oportunidad no se materializará únicamente importando hardware. Las organizaciones necesitarán desarrolladores, políticas de gobernanza, conjuntos de datos confiables y evaluaciones de costo total que incluyan energía, mantenimiento y renovación tecnológica.

El camino más razonable será híbrido. Las empresas pueden iniciar pilotos locales con procesos delimitados, medir precisión y productividad, y trasladar a la nube solo las cargas que demanden mayor escala. Para el ecosistema peruano, universidades y centros de innovación podrían utilizar estas plataformas para trabajar con modelos en español y, progresivamente, con lenguas originarias. La ventaja competitiva surgirá de combinar infraestructura con conocimiento local, no de acumular capacidad de cómputo sin una estrategia definida.

Datos citables

• IFA 2026 se celebró en Berlín del 4 al 8 de septiembre.
• Project Zenith requiere al menos 64 GB de memoria unificada.
• La plataforma establece un ancho de banda mínimo de 250 GB por segundo.
• Sus primeros equipos podrán ejecutar localmente modelos de más de 30.000 millones de parámetros.
• Ryzen Threadripper PRO 9995WX integra 96 núcleos y 192 hilos.
• Threadripper Halo Station contempla hasta cuatro aceleradores AMD Instinct MI350P.
• La configuración máxima ofrecerá hasta 2,6 TB de memoria total.
• Su ancho de banda agregado podrá alcanzar 16,4 TB por segundo.
• ThinkCentre X Ultra ofrecerá hasta 128 GB de memoria unificada.
• AMD prevé llevar Threadripper Halo Station al mercado durante 2027.

Knowledge Layer – Glosario

• IA personal: Inteligencia artificial adaptada al contexto del usuario y ejecutada total o parcialmente en sus propios dispositivos.
• IA local u on-device: Procesamiento de modelos directamente en una PC, smartphone u otro equipo, sin depender permanentemente de un servidor remoto.
• IA agéntica: Sistemas capaces de planificar, utilizar herramientas y completar tareas de varios pasos con cierto grado de autonomía.
• Agente de IA: Programa que interpreta un objetivo, consulta información, toma decisiones y ejecuta acciones dentro de límites establecidos.
• Memoria unificada: Arquitectura donde CPU, GPU y otros procesadores pueden acceder a una reserva común de memoria.
• NPU: Procesador especializado en operaciones de inteligencia artificial con mayor eficiencia energética que una CPU de propósito general.
• Inferencia: Proceso mediante el cual un modelo entrenado analiza una entrada y produce una respuesta, predicción o acción.
• Modelo de 30B parámetros: Modelo con más de 30.000 millones de valores internos utilizados para representar patrones y generar resultados.
• Tokenómica de IA: Análisis de los costos relacionados con el procesamiento de tokens, infraestructura, energía y operación de modelos.
• IA híbrida: Arquitectura que distribuye las cargas entre dispositivos locales, infraestructura privada, edge y servicios de nube.
• Relación de entidades: Usuario → PC con Ryzen AI Halo → Project Zenith → agente local → SUSE e infraestructura empresarial → nube híbrida.

Tu Opinión Importa 🗣️

¿Preferirías que tus asistentes de IA funcionen dentro de tu propia computadora, aunque eso implique invertir en hardware más potente?

¿La privacidad, la menor latencia y el control de los costos justifican trasladar una parte de la inteligencia artificial desde la nube hacia los dispositivos?

Para las empresas peruanas, el verdadero desafío podría no ser conseguir capacidad de cómputo, sino formar a las personas capaces de utilizarla con seguridad y propósito. ¿Estamos preparando ese talento con la velocidad necesaria? #ItusersAwards2026 #superfan

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457