AMD acaba de lanzar un guante muy caro a los pies de Nvidia. En IFA 2026 en Berlín, el fabricante de chips presentó el Threadripper Halo Station, una estación de trabajo de escritorio que llama “supercomputadora personal”, diseñada para ejecutar modelos de IA masivos completamente en hardware local. La audiencia objetivo: desarrolladores y pequeños equipos que prefieren no enviar sus datos a un proveedor en la nube cada vez que quieren ejecutar inferencia en un modelo de un billón de parámetros.
La máquina es un ataque directo contra la DGX Station de Nvidia, el peso pesado reinante en estaciones de trabajo de alta gama para IA. Jack Huynh, SVP de AMD, presentó el sistema el 4 de septiembre, describiéndolo como el inicio de una “era completamente nueva de la computación” impulsada por la inteligencia artificial.
¿Qué hay bajo el capó
En su núcleo se encuentra un CPU Threadripper Pro 9995WX de 96 núcleos, el procesador de escritorio más potente de AMD hasta la fecha.
En el lado de la GPU, el sistema incluye dos aceleradores Instinct MI350P en configuración dual, ampliables hasta cuatro unidades, todas con refrigeración líquida. Esas cuatro GPU ofrecen en conjunto hasta 576 GB de memoria HBM3E. La memoria del sistema alcanza un máximo de 2 TB de DDR5.
AMD afirma que la configuración puede manejar modelos de IA con billones de parámetros sin depender de infraestructura en la nube. Esa es una distinción significativa. Ejecutar modelos de esa escala generalmente requiere alquilar tiempo en clústeres de GPU en centros de datos operados por empresas como AWS, Google Cloud o Microsoft Azure.
Por qué el hardware local de IA es importante ahora
La propuesta para la computación de IA en sitio se ha vuelto más fuerte en los últimos dos años, y por una buena razón. La inferencia de IA basada en la nube conlleva tres problemas persistentes: latencia, costo y soberanía de datos.
La latencia es sencilla. Enviar datos a un servidor remoto y esperar una respuesta añade tiempo que se acumula en millones de consultas. Para aplicaciones en tiempo real, como agentes de IA que toman decisiones secuenciales, ese retraso de ida y vuelta puede ser insuperable.
Luego está la soberanía de datos, que es lo más importante en industrias reguladas como finanzas, salud y defensa. Mantener datos sensibles en una máquina local elimina toda una categoría de riesgos de cumplimiento.
AMD apuesta por que suficientes compradores se preocupen por estos tres problemas como para justificar una estación de trabajo que probablemente costará bien entrado en seis cifras cuando esté completamente configurada. Las estimaciones de la industria sitúan el precio de la Halo Station en ese rango, aunque AMD no ha revelado el precio oficial.
El problema de Nvidia
La DGX Station de Nvidia ha dominado esencialmente la categoría de estaciones de trabajo de IA de gama alta desde su lanzamiento. El ecosistema de software CUDA de la empresa, sobre el cual los desarrolladores han construido durante más de una década, crea una ventaja competitiva difícil de superar solo con especificaciones de hardware.
AMD ha estado invirtiendo fuertemente en su pila de software ROCm, la alternativa de código abierto a CUDA, para facilitar a los desarrolladores la migración de sus cargas de trabajo de IA a hardware AMD.
En especificaciones crudas, AMD presenta un caso creíble. La empresa afirma que el Halo Station ofrece más memoria del sistema que la oferta competidora de Nvidia, lo cual podría ser relevante para cargas de trabajo que necesitan mantener modelos grandes completos en memoria en lugar de intercambiar datos constantemente.
La Halo Station se basa en el anterior impulso de AMD en inteligencia artificial con el Ryzen AI Halo, un chip orientado al consumidor diseñado para laptops y escritorios con aceleración de IA.
Implicaciones del mercado y qué observar
La ventana de disponibilidad esperada para 2027 significa que los inversores no verán un impacto en los ingresos en un futuro cercano. Los analistas estarán observando de cerca dos aspectos: si AMD puede entregar el sistema según el cronograma, y si el ecosistema ROCm madura lo suficiente como para hacer el hardware accesible para desarrolladores que han pasado años construyendo sobre CUDA.