Jensen Huang y Michael Dell hablan de la revolución de los agentes de IA y la memoria

Las empresas corren hacia la IA agéntica. Jensen Huang, de Nvidia, y Michael Dell, de Dell, analizaron la revolución que viene: los agentes de IA autónomos requerirán volúmenes sin precedentes de memoria RAM y capacidad de cómputo. Es el principal reto de infraestructura, pero también una ventana de crecimiento a gran escala para los fabricantes de chips. En un contexto de restricciones comerciales en China, ambos analizaron la transición hacia una nueva era de la computación para IA.

Procesado por IA desde Bloomberg Tech; editado por Hamidun News
Jensen Huang y Michael Dell hablan de la revolución de los agentes de IA y la memoria
Fuente: Bloomberg Tech. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalBloomberg Tech ↗
Editor jefe
Dato clave #1Integración de HBM — chips de High Bandwidth Memory en las placas junto a la GPU para minimizar la latencia de acceso a la memoria
Dato clave #2Rediseño de la refrigeración — nuevas soluciones térmicas, ya que memoria más cómputo requieren 1,5 veces más energía
Dato clave #3Arquitectura de red — los enlaces entre nodos de memoria exigen un ancho de banda de clase gigabit, no kilobit

En Dell World, en Las Vegas, el CEO de Nvidia, Jensen Huang, y el máximo responsable de Dell Technologies, Michael Dell, debatieron el futuro de los agentes de IA, la demanda crítica de memoria y cómo una era de transición obliga a reevaluar las prioridades de ingeniería.

El gran reto: la memoria desplaza al cómputo

Durante años, en la era de los LLM, la arquitectura de los servidores se optimizó en torno a la GPU. Con la IA agéntica, el panorama cambia de raíz. Los agentes de IA son sistemas que no se limitan a generar texto: ejecutan tareas de varios pasos en navegadores, interactúan con API y toman decisiones a partir del contexto. Para eso hace falta memoria. Muchísima.

En una entrevista con Bloomberg, Jensen Huang subrayó que el volumen de memoria debe crecer de forma exponencial. Para la inferencia de un modelo de texto bastan decenas de gigabytes, pero la IA agéntica necesita cientos de gigabytes de RAM en un solo servidor. Es un reto para los arquitectos de sistemas y una oportunidad para las empresas que reorienten su producción hacia HBM (High Bandwidth Memory) y sistemas con nuevas topologías.

Huang ha repetido en más de una ocasión que la memoria crecerá más rápido que el cómputo. Eso trastoca las prioridades de inversión.

La IA agéntica ya opera en entornos reales

OpenAI lanzó Operator, un agente de navegador que puede rellenar formularios, comparar precios y hacer compras por sí solo. Google presentó Gemini 2.0 con un modo agéntico capaz de integrarse con los servicios de Workspace. Todos estos sistemas requieren enormes cantidades de memoria durante la inferencia: el agente debe ver la pantalla, recordar el historial de tareas, consultar API externas y evaluar alternativas al mismo tiempo. En GPU pequeñas esto funciona con lentitud y a menudo con errores.

Por eso Jensen Huang y Michael Dell hablan de la memoria como el cuello de botella clave. No es teoría: los desarrolladores ya lo ven y los proveedores de nube lo sufren ahora mismo.

Infraestructura de nueva generación

Michael Dell explicó que Dell World 2026 presenta sistemas PowerEdge y un ecosistema de soluciones reorientados a la IA agéntica. Si antes los indicadores principales eran los TFLOPS (operaciones de coma flotante por segundo), ahora lo son el ancho de banda de memoria y la capacidad de almacenamiento. Dell ya ha lanzado nuevas configuraciones de servidores:

  • Integración de HBM — chips de High Bandwidth Memory en las placas junto a la GPU para minimizar la latencia de acceso a la memoria
  • Rediseño de la refrigeración — nuevas soluciones térmicas, ya que memoria más cómputo requieren 1,5 veces más energía
  • Arquitectura de red — los enlaces entre nodos de memoria exigen un ancho de banda de clase gigabit, no kilobit
  • Revisión de soluciones tipo TPU — chips especializados para cargas de trabajo agénticas, y no solo para inferencia de LLM

Estos cambios no son cosméticos. Exigen rehacer las líneas de producción, revisar los suministros y reciclar por completo a los administradores de sistemas.

Geopolítica y mercado chino

Ambos CEO abordaron de forma indirecta la situación geopolítica. Jensen Huang ha dicho en más de una ocasión que las restricciones a la exportación a China son un desafío serio para Nvidia, pero no una sentencia definitiva. La estrategia es sencilla: invertir en el crecimiento de la memoria y acelerar el desarrollo de nanoservidores, más fáciles de integrar y que requieren menos densidad de cómputo.

Michael Dell añadió que el aumento del volumen de memoria compensará las pérdidas de volumen en determinadas regiones. Si China es el 15 % del mercado, pero la memoria exige reequipar el 100 % del mercado, ganan todos los fabricantes de otros países.

Ambos CEO mencionaron también que Europa y Norteamérica están acelerando el desarrollo de IA agéntica y están dispuestas a invertir. En este contexto, los esfuerzos de Nvidia y Dell se reorientan hacia el lado atlántico del planeta.

Qué significa

La arquitectura centrada en la memoria no es solo un cambio de ingeniería, sino un cambio de paradigma. Las empresas que rediseñen primero sus centros de datos y configuraciones de servidores para la IA agéntica se quedarán con una parte significativa del mercado de cómputo por contrato.

Nvidia y Dell respaldan sus palabras con productos concretos: los nuevos sistemas PowerEdge basados en la serie H de NVIDIA con memoria ampliada son una respuesta directa a la demanda del mercado. Grandes proveedores de nube ya negocian con Dell y Nvidia pedidos para reequipar centros de datos.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre El gran reto: la memoria desplaza al cómputo?

Durante años, en la era de los LLM, la arquitectura de los servidores se optimizó en torno a la GPU. Con la IA agéntica, el panorama cambia de raíz. Los agentes de IA son sistemas que no se limitan a generar texto: ejecutan tareas de varios pasos en navegadores, interactúan con API y toman decisiones a partir del contexto. Para eso hace falta memoria. Muchísima. En una entrevista con Bloomberg, Jensen Huang subrayó que el volumen de memoria debe crecer de forma exponencial. Para la inferencia de un modelo de texto bastan decenas de gigabytes, pero la IA agéntica necesita ci

¿Qué se sabe sobre La IA agéntica ya opera en entornos reales?

OpenAI lanzó Operator, un agente de navegador que puede rellenar formularios, comparar precios y hacer compras por sí solo. Google presentó Gemini 2.0 con un modo agéntico capaz de integrarse con los servicios de Workspace. Todos estos sistemas requieren enormes cantidades de memoria durante la inferencia: el agente debe ver la pantalla, recordar el historial de tareas, consultar API externas y evaluar alternativas al mismo tiempo. En GPU pequeñas esto funciona con lentitud y a menudo con errores. Por eso Jensen Huang y Michael Dell hablan de la memoria como el cuello de bo

¿Qué se sabe sobre Infraestructura de nueva generación?

Michael Dell explicó que Dell World 2026 presenta sistemas PowerEdge y un ecosistema de soluciones reorientados a la IA agéntica. Si antes los indicadores principales eran los TFLOPS (operaciones de coma flotante por segundo), ahora lo son el ancho de banda de memoria y la capacidad de almacenamiento. Dell ya ha lanzado nuevas configuraciones de servidores: Integración de HBM — chips de High Bandwidth Memory en las placas junto a la GPU para minimizar la latencia de acceso a la memoria Rediseño de la refrigeración — nuevas soluciones térmicas, ya que memoria más cómputo req

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…