Durante cuarenta años la computadora personal esperó que tú le dijeras qué hacer. Abrías una aplicación, hacías clic, escribías. El ciclo era siempre el mismo: humano inicia, máquina responde. El 1 de junio de 2026, en el escenario de Computex en Taipéi, Jensen Huang tomó un pequeño dispositivo de MSI, lo levantó frente a la audiencia y dijo algo que resume la ruptura que viene: «este agente puede correr 24/7, sin medidor, sin ansiedad de costos.» Ese dispositivo corría sobre RTX Spark, el nuevo superchip de Nvidia diseñado para llevar la inteligencia artificial de forma nativa al hardware de consumo masivo.
No es un GPU más potente dentro de la misma arquitectura de siempre. RTX Spark es la primera vez que Nvidia construye el cerebro completo de una computadora: procesador, gráficos y memoria integrados en un solo chip ARM, con capacidad para ejecutar modelos de lenguaje de hasta 120 mil millones de parámetros directamente en el dispositivo, sin enviar ni un byte a un servidor en la nube.
Qué es el RTX Spark y qué lo hace diferente a cualquier chip anterior
RTX Spark es un superchip —Nvidia lo llama así porque combina en un mismo paquete un procesador ARM, una GPU Blackwell y hasta 128 GB de memoria unificada— desarrollado en colaboración con MediaTek y construido en el proceso TSMC de 3 nanómetros. Su nombre en clave interno era N1X, y quienes siguen la industria lo habrán visto circular durante meses en filtraciones y benchmarks preliminares.
La especificación técnica del modelo tope de gama es concreta: CPU ARM Grace de 20 núcleos, GPU Blackwell RTX con 6.144 CUDA cores y 5ta generación de Tensor Cores, memoria LPDDR5X de hasta 128 GB con 300 GB/s de ancho de banda, y una interconexión NVLink C2C de 600 GB/s entre CPU y GPU. El rendimiento de IA declarado es de 1 petaflop en precisión FP4 con sparsity, lo que en la práctica significa la capacidad de ejecutar modelos de 120 mil millones de parámetros con ventanas de contexto de hasta un millón de tokens. Completamente en local.
Nvidia también confirmará versiones de menor jerarquía bajo la denominación N1 con 2.048 o 2.560 CUDA cores y memoria limitada a 64 GB, orientadas a precio. Los equipos con RTX Spark llegarán al mercado en otoño de 2026 de marcas como ASUS (ProArt P14/P16), HP (OmniBook), Microsoft Surface Laptop Ultra, Dell, Lenovo y MSI, con Acer y GIGABYTE sumándose poco después.
Benchmark: RTX Spark frente a los chips que ya tienes
Nvidia no ha publicado benchmarks propios al cierre de esta nota —los dispositivos con RTX Spark no están en manos del público todavía—, pero la información técnica disponible desde el newsroom oficial, las proyecciones de Notebookcheck y los primeros resultados de Clang compile performance publicados por Digital Citizen permiten trazar una comparativa realista. La tabla a continuación cruza RTX Spark con los tres rivales más directos en el segmento de laptops premium y estaciones de trabajo compactas.
| Métrica | Nvidia RTX Spark | Apple M4 Max | Qualcomm Snapdragon X2 Elite | Intel Core Ultra 285HX |
| Arquitectura CPU | ARM Grace (20 núcleos) | Apple Firestorm / Icestorm (16 núcleos) | Qualcomm Oryon 18 núcleos | Intel x86-64 (24 núcleos) |
| GPU integrada | Blackwell RTX — 6.144 CUDA cores | Apple GPU — 40 núcleos | Adreno GPU integrada | Intel Arc (sin datos al cierre) |
| Memoria unificada | Hasta 128 GB LPDDR5X | Hasta 128 GB LPDDR5 | Hasta 48 GB LPDDR5x | Hasta 96 GB DDR5 |
| Ancho de banda mem. | ~300 GB/s | ~546 GB/s | ~135 GB/s (192-bit) | ~204 GB/s |
| Rendimiento IA (TOPS) | ~1.000 TOPS (FP4 con sparsity)* | ~38 TOPS (Neural Engine INT8) | ~80 TOPS (NPU Hexagon) | ~120 TOPS (NPU integrada) |
| Petaflops IA (FP4) | 1 petaflop | N/A | N/A | N/A |
| Modelo LLM local máx. | 120B parámetros | ~70B parámetros | ~30-40B parámetros | ~20-30B parámetros |
| Proceso fab. | TSMC 3 nm | TSMC 3 nm | TSMC 4 nm | Intel 18A (anunciado) |
| Ecosistema IA | CUDA + TensorRT + RTX (15+ años) | Core ML / Metal | Hexagon SDK | OpenVINO |
| Disponibilidad | Otoño 2026 | Disponible (2025) | Disponible (1er semestre 2026) | Disponible (2025) |
| Agentes IA nativos | Sí — OpenShell + NemoClaw | Limitado (local inference) | Limitado | No |
El dato de ~1.000 TOPS del RTX Spark corresponde a precisión FP4 con sparsity habilitada, que es la condición de mejor caso teórico. Los 38 TOPS de Apple M4 Max y los 80 TOPS del Snapdragon X2 Elite usan INT8, una métrica diferente. Las comparaciones directas requieren contexto de workload.
La lectura honesta de la tabla muestra dos cosas que conviven sin contradicción. Primero, la brecha en rendimiento de IA es estructural: 1.000 TOPS frente a los 80 de Qualcomm o los 38 de Apple no es una ventaja marginal, es un orden de magnitud diferente que determina qué modelos puedes ejecutar localmente y a qué velocidad. Segundo, en tareas que no son IA pura —compilación, Single-Core CPU, eficiencia energética—, Apple M4 Max y Qualcomm X2 Elite siguen siendo competidores formidables, y en algunos casos superiores.
Según Notebookcheck, las proyecciones basadas en chips comparables ubican el GPU del RTX Spark entre el M5 Pro y el M5 Max de Apple en benchmarks sintéticos y apps creativas, aunque Intel Core Ultra 285HX logra adelantarlo en compilación gracias a su TDP significativamente mayor (hasta 157 W frente a los 45-80 W del Spark).
El argumento real de Nvidia no es la potencia bruta, es la independencia del agente
Cuando Huang presentó RTX Spark, el dato técnico que más repitió no fue el petaflop. Fue la frase que resumía la filosofía del producto: «para cuarenta años lanzaste apps. Con RTX Spark y Windows, preguntas —y la PC hace el trabajo.» La promesa no es una GPU más rápida. Es el desplazamiento del modo de interacción: de aplicaciones que tú controlas a agentes que actúan de forma autónoma en tu nombre, permanentemente, sin requerir tu input constante.
Ese cambio requiere dos cosas que las computadoras actuales no pueden dar de forma simultánea: suficiente memoria RAM para alojar el modelo completo (de ahí los 128 GB), y suficiente cómputo dedicado para que el agente opere en tiempo real sin depender de un servidor externo. RTX Spark resuelve ambos con un solo componente de hardware.
OpenShell, NemoClaw y el ecosistema de agentes locales
Nvidia no llegó a Computex solo con hardware. El anuncio vino acompañado de un stack de software diseñado específicamente para ejecutar agentes autónomos en local de forma segura. OpenShell es el entorno de ejecución sandboxeado que Nvidia construyó junto a Microsoft apoyándose en las nuevas primitivas de seguridad de Windows: permite que los agentes locales accedan a herramientas y datos solo bajo las políticas que el usuario define explícitamente. Ningún acceso no autorizado, ninguna conexión saliente no aprobada.
Sobre OpenShell corre NemoClaw, el blueprint de referencia de código abierto que empaqueta modelos Nemotron de Nvidia, el agente harness OpenClaw, y la infraestructura de ejecución en un solo comando de instalación. La arquitectura incluye un privacy router que decide en tiempo real si una consulta se procesa localmente —cuando la información es sensible— o se deriva a un modelo en la nube, según las reglas de residencia de datos que el usuario haya configurado. Según el blog técnico de Nvidia publicado el 1 de junio de 2026, NemoClaw ya está disponible para toda la línea de hardware local: GeForce RTX, RTX PRO, DGX Station y, ahora, RTX Spark.
Por qué el argumento de privacidad cambia la conversación
La mayoría de los debates sobre IA en productividad se han dado dentro de los límites del modelo cloud: envías tu prompt, el servidor procesa, recibes respuesta. En ese esquema, tus datos —tus documentos, tu historial de conversación, tu contexto de trabajo— pasan por infraestructura de terceros. Para un freelancer trabajando en una campaña de marketing, eso puede ser perfectamente aceptable. Para un despacho legal con expedientes confidenciales, o para una empresa procesando datos de pacientes, ese modelo tiene fricciones regulatorias y de confianza que no desaparecen con una política de privacidad bien redactada.
RTX Spark hace posible —por primera vez en hardware de consumo masivo— que el agente de IA viva completamente dentro del perímetro físico del dispositivo. Sin token costs, sin latencia de red, sin dependencia de que el proveedor de nube esté disponible. Huang lo sintetizó mientras sostenía el mini PC de MSI: «meter anxiety free». La ansiedad del medidor es real para cualquiera que haya revisado su factura de API a fin de mes.
El analista Lian Jye Su de Omdia apuntó en declaraciones recogidas por ABC News el 1 de junio que la demanda de agentes de IA personales está creciendo y que RTX Spark responde directamente a esa tendencia. Neil Shah, de Counterpoint Research, describió el anuncio como una movida que «revolucionará el aspecto de las PCs en la próxima era». El mercado de procesadores ya lo procesó a su manera: según datos publicados por TradingKey, las acciones de Qualcomm cayeron ~10% en pre-market el mismo día del anuncio, borrando más de 10 mil millones de dólares de su capitalización de mercado en pocas horas.
Lo que todavía no sabemos —y lo que sí conviene tener claro
RTX Spark es un producto de primera generación que llegará al mercado en otoño de 2026. Al cierre de esta nota no hay benchmarks en hardware retail, no hay precios confirmados para los equipos, y la compatibilidad de aplicaciones con Windows on ARM —históricamente el talón de Aquiles de esta arquitectura— todavía depende del trabajo de los desarrolladores de software. Adobe está rearquitecturando Photoshop y Premiere para el chip, Unity y Unreal Engine han confirmado optimizaciones, pero la biblioteca completa de software que los usuarios del ecosistema Windows dan por sentada tardará en llegar.
Hay también una limitación de ancho de banda de memoria que no conviene ignorar. Apple M4 Max ofrece 546 GB/s frente a los 300 GB/s del RTX Spark. Para workloads de inferencia de modelos grandes donde la velocidad de transferencia entre CPU y memoria determina el throughput, esa diferencia tiene impacto real. Nvidia ya tiene el problema identificado y la segunda generación de la plataforma presumiblemente lo atenderá, pero los primeros compradores la van a notar.
La recomendación práctica de ReviewsTown, con la que coincide buena parte del análisis técnico publicado esta semana, es directa: si desarrollas agentes de IA, necesitas inferencia local privada o trabajas con modelos grandes de forma cotidiana, RTX Spark es la plataforma que hay que seguir de cerca este otoño. Si lo que necesitas es una laptop rápida para uso general, conviene esperar a la segunda generación y dejar que los primeros adoptantes encuentren los bordes rugosos.
Preguntas frecuentes
¿Qué es exactamente el Nvidia RTX Spark y en qué se diferencia de una GPU discreta?
RTX Spark es un superchip de sistema en chip (SoC): integra en un solo componente el procesador ARM, la GPU Blackwell y la memoria LPDDR5X. Una GPU discreta como las GeForce RTX 5080 es solo el componente gráfico; depende de un procesador Intel o AMD separado y de RAM del sistema. RTX Spark elimina esa separación, y esa arquitectura unificada es lo que permite tener 128 GB de memoria compartida entre CPU y GPU para ejecutar modelos de lenguaje muy grandes en local.
¿Cuándo y en qué marcas van a llegar los primeros equipos con RTX Spark?
Nvidia confirmó en Computex 2026 que los primeros equipos llegarán en otoño de 2026. Las marcas confirmadas al momento del anuncio son ASUS (ProArt P14 y P16), HP (OmniBook), Microsoft (Surface Laptop Ultra), Dell, Lenovo y MSI. Acer y GIGABYTE tienen modelos previstos para después del lanzamiento inicial. Hasta la fecha no hay precios oficiales.
¿Qué significa que los agentes de IA corran «100% local» y por qué importa?
Que el procesamiento de IA ocurre en el hardware del dispositivo, sin enviar datos a servidores externos. Para el usuario final, esto tiene tres implicaciones concretas: no hay costo por token de API, el agente funciona sin conexión a internet, y la información que el agente procesa —documentos, archivos, historial de trabajo— permanece dentro del perímetro del equipo. Para uso empresarial con datos sensibles o entornos regulados, esa garantía tiene un valor que los modelos cloud no pueden replicar.
¿Es RTX Spark mejor que el Apple M4 Max en todo?
No. En rendimiento de IA puro y capacidad para ejecutar modelos de lenguaje grandes, RTX Spark tiene una ventaja muy significativa: ~1.000 TOPS frente a los ~38 TOPS del Neural Engine de Apple. Sin embargo, Apple M4 Max supera al Spark en ancho de banda de memoria (546 GB/s vs. 300 GB/s) y en rendimiento single-core de CPU según estimaciones previas al lanzamiento. Para gaming, aplicaciones creativas con soporte CUDA y agentes locales, RTX Spark tiene ventaja estructural. Para uso general con el ecosistema macOS consolidado, el M4 Max sigue siendo una opción más madura.
¿Qué es OpenShell y por qué es relevante para la privacidad?
OpenShell es el entorno de ejecución sandboxeado que Nvidia desarrolló con Microsoft para correr agentes autónomos de forma segura en Windows. Define qué datos puede acceder el agente, qué conexiones puede hacer y qué acciones puede ejecutar, todo bajo políticas configuradas por el usuario. Incluye un privacy router que enruta las consultas al modelo local cuando la información es sensible, y las deriva a la nube solo cuando el tipo de dato lo permite. Está diseñado para que el usuario mantenga control real sobre lo que el agente puede y no puede hacer en segundo plano.