Micron EIM presenta una nueva memoria para IA diseñada para optimizar el flujo de datos, lo que podría acelerar tecnologías como NVIDIA DLSS, AMD FSR e Intel XeSS en los videojuegos.

Cuando hablamos de mejorar el rendimiento de la IA, casi siempre terminamos mirando al procesador, sea GPU o CPU, porque a más potencia, más unidades de cálculo y más operaciones por segundo. Pero hay una pregunta igual de importante: ¿de qué sirve calcular más rápido si los datos no llegan a tiempo? Ahí es donde entra ahora Micron con EIM, una memoria que, si bien sigue en desarrollo, apunta inicialmente a robots y dispositivos autónomos, pero cuyo planteamiento invita a mirar también hacia los videojuegos por motivos que vamos a ver a continuación.

La conexión tiene sentido, aunque todavía es una posibilidad para nuestro sector. Si los gráficos dependen cada vez más de ejecutar redes neuronales, alimentar esos cálculos será parte del problema. NVIDIA DLSS, AMD FSR e Intel XeSS podrían beneficiarse de una tecnología así, siempre que futuras arquitecturas permitan aprovecharla y el acceso a memoria sea un factor limitante.

Micron EIM apila LPDDR sobre un chip lógico para mejorar el acceso a los datos de la IA

Micron ha explicado parte de este desarrollo durante el SEDEX 2026. Su nombre, Edge Inference Memory, hace referencia a la inferencia local, es decir, ejecutar modelos de IA en el propio dispositivo, que es algo que llegará al sector del gaming antes o después. Sus primeros objetivos incluyen robots humanoides, conducción autónoma y equipos de realidad aumentada y virtual.

La propuesta consiste en apilar memoria LPDDR sobre un chip lógico, buscando reducir la latencia y aumentar el ancho de banda. Dicho de forma sencilla, el ancho de banda determina cuántos datos podemos mover, mientras que la latencia indica cuánto tardamos en recibirlos. Podemos tener una carretera enorme y seguir perdiendo tiempo antes de que salga el primer vehículo.

En un robot que debe interpretar lo que ve y reaccionar, esas esperas importan. Además, cuando funciona con batería, también cuenta la energía necesaria para mover y procesar la información.

Ahora bien, Micron todavía no ha desvelado la arquitectura de cálculo de EIM, no son tontos precisamente viendo la novedad. Por eso tampoco podemos describirla como una memoria que ejecuta por sí sola todo el modelo de IA. La compañía diferencia su propuesta de las memorias PIM, donde se incorporan unidades de cálculo dentro de la memoria, así que podríamos decir que es algo intermedio, más básico y barato, pero efectivo.

Micron trabaja en aplicar esta tecnología a LPDDR6, mientras las previsiones del sector sitúan su producción en la segunda mitad de 2028, así que en todo caso, estas EIM llegarían para las RTX 70, RDNA 6 y Druid.

Su posible salto a los juegos dependerá de cómo alimente a DLSS, FSR y XeSS

Aquí viene lo interesante para nosotros. Los gráficos están incorporando desde hace años redes neuronales para reconstruir imágenes, generar fotogramas nuevos o representar materiales y texturas. La relación entre renderizado, inferencia y memoria ya existe, y será relevante conforme aumente el trabajo dedicado a estas técnicas, solo hay que mirar DLSS 5.

¿Podría EIM acelerar DLSS, las versiones de FSR basadas en IA o XeSS? En teoría, podría ayudar si parte de su tiempo de ejecución se pierde esperando datos y una integración adecuada consigue reducir esas esperas.

Pero no basta con colocar una memoria diferente junto a la GPU, porque importan las conexiones, el reparto del trabajo y el software. Incluso trasladar una tarea a otro componente puede introducir una penalización que termine anulando la ventaja.

Si el límite está en la capacidad de cálculo, mejorar únicamente la memoria tampoco resolverá el problema, pero sí que podría paliar levemente tiempo de acceso a la VRAM como tal, y esto sí que es importante cuando se trata de milisegundos en la pipeline gráfica.