Sam Altman sugiere que la memoria RAM debería priorizarse para la IA y no para el PC

El actual director de OpenAI, Sam Altman, ha manifestado que el uso de memoria DRAM en ordenadores personales es ineficiente. Según su visión, dada la alta demanda actual, sería más provechoso destinar estos recursos tecnológicos al desarrollo de la inteligencia artificial en lugar de almacenarlos en dispositivos de uso individual.

Si, el auge de la inteligencia artificial (IA) se está llevando prácticamente toda la memoria DRAM que se produce a nivel mundial, pero para Sam Altman, CEO de OpenAI, es insuficiente. Básicamente, considera que almacenar grandes cantidades de DRAM dentro de ordenadores para uso personal no es precisamente la forma más eficiente de utilizar un recurso que actualmente escasea. Durante una entrevista en el podcast Cheeky Pint, Sam Altman defendió que la memoria disponible obtiene un aprovechamiento mucho mayor cuando se concentra en centros de datos, y no en un ordenador para trabajar o jugar.

La afirmación llegó mientras hablaba de la inferencia local, es decir, ejecutar modelos de IA directamente en un ordenador sin recurrir servicios en la nube. Según Altman, existe la percepción de que la llegada de modelos abiertos permitirá ejecutar la IA desde casa y reducirá la necesidad de enormes centros de datos. Evidentemente, defendió su negocio, indicando que realmente ocurrirá lo contrario. Desde el punto de vista de la asignación global de recursos, considera poco eficiente tener una gran cantidad de DRAM repartida entre millones de equipos que permanece infrautilizada la mayor parte del tiempo.

Sam Altman dice que la RAM de nuestros PC apenas se aprovecha un 5% del tiempo

El CEO de OpenAI incluso puso una cifra sobre la mesa. Según Altman, la memoria instalada en los ordenadores particulares estaría utilizándose aproximadamente un 5% del tiempo, mientras que en un centro de datos puede mantenerse ocupada continuamente atendiendo peticiones de numerosos usuarios. En un entorno donde la producción de memoria está limitada, su conclusión es que interesa maximizar la utilización del hardware en lugar de repartirlo entre millones de dispositivos.

El comentario apareció dentro de una conversación mucho más amplia sobre la actual escasez de componentes para la infraestructura de IA. Altman reconoció que el mercado todavía no está reaccionando suficientemente rápido al fuerte aumento de precios de memoria, GPU y otros componentes. Recordó que durante años fabricar DRAM fue un negocio caracterizado por enormes inversiones y márgenes de beneficios relativamente ajustados. Ahora, gracias a la IA, la industria de la memoria está en el mejor momento de su historia en cuanto a beneficios.

De esta forma, Altman prefiere que la memoria RAM sea destinada a estos centros de datos o a servidores que ordenadores domésticos. Y más en un momento donde muchas compañías están impulsando ejecutar modelos de IA a nivel local. Sin ir más lejos, una de las más relevantes es NVIDIA. Por lo que Sam Altman cuestiona que  mover la inferencia de IA desde la nube hacia millones de ordenadores de consumo es algo más ineficiente. Y más cuando estos millones de ordenadores que utilizan RAM están buena parte del día apagados o realizando tareas poco intensivas.

El argumento, evidentemente, busca beneficiar el modelo de negocio de OpenAI

La postura resulta especialmente llamativa teniendo en cuenta que OpenAI depende precisamente de enormes cantidades de capacidad de cómputo centralizada. La compañía está desarrollando su infraestructura Stargate y mantiene acuerdos estratégicos con Samsung y SK hynix para ampliar la producción de memoria destinada a IA. El acuerdo anunciado oficialmente contempla elevar la capacidad hasta un objetivo de 900.000 obleas de memoria DRAM al mes, una escala que deja clara la enorme cantidad de memoria que necesitarán los futuros centros de datos de IA.

Stargate se anunció en enero de 2025 marcando como objetivo asegurar 10 GW de infraestructura de IA en Estados Unidos para el año 2029. Ahora bien, en abril de este año la compañía aseguró que ya había superado ese objetivo de capacidad. Pese a ello, su estrategia sigue consistiendo en aumentar rápidamente la capacidad disponible para entrenamiento e inferencia.