Qualcomm apunta a modelos de IA en móviles con 100.000 millones de parámetros para 2028

La industria de la inteligencia artificial (IA) está entrando en una nueva era, donde los dispositivos móviles no solo serán herramientas de comunicación, sino también centros de procesamiento local para modelos avanzados de IA. Según declaraciones del CEO de Qualcomm, Cristiano Amon, empresas líderes en el desarrollo de IA han expresado un interés claro: desean que los móviles puedan ejecutar modelos con al menos 100.000 millones de parámetros para 2028. Esta noticia, revelada durante una entrevista en el Snapdragon Summit de Hawái, ha sido ampliamente compartida en medios y comunidades de usuarios. Para profundizar en esta vertiente, resulta clave consultar las claves sobre Nvidia de greenwashing en la inteligencia.

📅 Actualizado el 17 de octubre de 2026 · Revisado por el equipo editorial

📅 Actualizado el 17 de octubre de 2026 · Revisado por el equipo editorial

Marco normativo, contexto histórico y antecedentes

El anuncio de Qualcomm no surge de la nada, sino como una evolución natural de tendencias previas en el desarrollo de hardware y software para dispositivos móviles. Desde el inicio de la era de los smartphones, la industria ha estado trabajando en la integración de procesamiento local, aunque en escalas mucho menores. La introducción de modelos de IA en dispositivos móviles representa un salto cuantitativo y cualitativo que no solo depende del hardware, sino también de la evolución de los algoritmos y la gestión de recursos.

Históricamente, los dispositivos móviles han sido limitados en su capacidad de procesamiento por la falta de memoria, la eficiencia energética y la complejidad de los modelos de IA. Sin embargo, en los últimos años, se han desarrollado técnicas de compresión de modelos, como la cuantización a 4 bits, que permiten reducir significativamente el tamaño de los modelos sin sacrificar demasiada precisión. Este avance ha sido clave para permitir la ejecución local de modelos de IA en dispositivos móviles, aunque aún lejos de los 100.000 millones de parámetros que Qualcomm menciona.

Además, la demanda por modelos de IA en dispositivos móviles no es exclusiva de Qualcomm. Empresas como Google, Apple y Samsung también han estado explorando formas de integrar modelos de IA en sus dispositivos, aunque en escalas más reducidas. Por ejemplo, Google ha introducido modelos como Gemini Nano 4, que permiten cierta capacidad de procesamiento local, aunque aún lejos del objetivo de Qualcomm. Esta competencia entre fabricantes de chips y software está impulsando la innovación en el sector, acelerando el desarrollo de tecnologías que podrían permitir la implementación de modelos de IA con 100.000 millones de parámetros en el futuro. En esta misma línea, conviene tener presente la evolución en torno a claves sobre abandono y Windows.

Análisis detallado de los mecanismos y factores clave

La visión de Qualcomm implica una serie de desafíos técnicos y económicos que deben ser abordados para hacer realidad el objetivo de 2028. En primer lugar, la memoria es el principal obstáculo. Un modelo de IA con 100.000 millones de parámetros, comprimido a 4 bits, requeriría alrededor de 50 GB de RAM solo para almacenar los pesos del modelo. Este valor no incluye la memoria necesaria para el contexto (como la caché KV) ni el sistema operativo. Los nuevos chips Qualcomm, como Snapdragon 8 Elite Gen 6 y Extreme Gen 6, anuncian un techo máximo de 24 GB, lo que representa una brecha significativa.

Para cerrar esta brecha, se necesitarán avances en la tecnología de memoria, como el desarrollo de memorias más eficientes y con mayor capacidad. Además, se requerirá una mejor gestión de recursos, incluyendo la optimización de algoritmos para reducir la carga en el hardware. Técnicas como el Mixture of Experts (MoE), donde solo una fracción de los parámetros se activa según las necesidades del momento, podrían ser fundamentales para reducir la carga en el hardware.

Otro factor clave es la eficiencia energética. La ejecución de modelos de IA en dispositivos móviles implica un alto consumo de energía, lo que podría afectar la autonomía de la batería. Para abordar este desafío, se necesitarán mejoras en la arquitectura de los procesadores, así como en los algoritmos de optimización. Además, se requerirá una colaboración estrecha entre fabricantes de chips y desarrolladores de software para asegurar que los modelos de IA se ejecuten de manera eficiente en dispositivos móviles.

Por último, el costo de producción también es un factor importante. La escasez de memoria podría agravarse en 2027 y 2028, justo cuando se espera que las empresas soliciten estos modelos. Para mitigar este riesgo, se necesitarán soluciones innovadoras en la producción de componentes, así como en la gestión de la cadena de suministro. Estos desafíos no son imposibles de superar, pero sí complejos y requieren un esfuerzo colectivo por parte de la industria.

Repercusiones prácticas y consecuencias para el ciudadano/empresa

La implementación de modelos de IA con 100.000 millones de parámetros en dispositivos móviles tendría consecuencias profundas tanto para los usuarios como para las empresas. Para los usuarios, la posibilidad de tener un modelo de IA en su teléfono no solo significaría mayor eficiencia, sino también mayor control sobre sus datos personales. La ejecución local elimina la dependencia de conexiones a internet y reduce la exposición de información sensible.

Además, esta evolución podría revitalizar el ciclo de renovación de dispositivos móviles. Hoy en día, muchos usuarios postergan la compra de nuevos teléfonos debido al costo elevado de los modelos con mayor capacidad de memoria. Si Qualcomm logra cumplir con estos requisitos técnicos y económicos, se podría desencadenar un nuevo auge del mercado, impulsando la adopción de dispositivos más avanzados.

Para las empresas, la capacidad de procesar datos localmente permitiría la creación de servicios personalizados sin comprometer la privacidad del usuario. Esto podría abrir nuevas oportunidades de negocio, especialmente en sectores como la salud, la educación y el entretenimiento, donde la personalización y la privacidad son factores clave. Además, la competencia entre fabricantes de chips podría intensificarse, acelerando el desarrollo tecnológico como un todo.

Casos prácticos ilustrativos, simulaciones y comparativa

Para comprender mejor las implicaciones de la visión de Qualcomm, es útil analizar un caso práctico ilustrativo. Imaginemos un escenario en el que un usuario tiene un teléfono con un modelo de IA de 100.000 millones de parámetros. En este caso, el teléfono podría ofrecer una experiencia de usuario completamente diferente, con respuestas más rápidas, mayor privacidad y una interacción más natural con el dispositivo.

Por ejemplo, un asistente personal podría responder preguntas complejas en tiempo real, sin necesidad de conectarse a internet. Esto no solo mejorarían la experiencia del usuario, sino que también reduciría la dependencia de servicios en la nube, lo que podría tener implicaciones significativas para la industria de la IA.

Para comparar, consideremos un teléfono actual con un modelo de IA de 30.000 millones de parámetros. Aunque este modelo ya puede ofrecer cierta capacidad de procesamiento local, su limitación en términos de parámetros y memoria impide una experiencia más avanzada. La brecha entre estos dos escenarios es considerable, y refleja el desafío que enfrenta Qualcomm para lograr su objetivo.

Además, una simulación numérica podría ayudar a visualizar el impacto de la implementación de modelos de IA con 100.000 millones de parámetros. Por ejemplo, si un modelo de 30.000 millones de parámetros requiere 15 GB de RAM, un modelo de 100.000 millones de parámetros requeriría aproximadamente 50 GB, lo que representa un incremento del 233%. Este cálculo subraya la necesidad de avances significativos en la tecnología de memoria para hacer realidad la visión de Qualcomm.

Perspectivas futuras, riesgos potenciales y recomendaciones

A corto plazo, la visión de Qualcomm representa una oportunidad significativa para la industria de la IA y el hardware móvil. Sin embargo, también conlleva riesgos potenciales que deben ser abordados. En primer lugar, la escasez de memoria podría retrasar significativamente la implementación en masa de modelos de IA con 100.000 millones de parámetros. Para mitigar este riesgo, se necesitarán soluciones innovadoras en la producción de componentes, así como en la gestión de la cadena de suministro. Asimismo, este contexto guarda estrecha relación con el análisis sobre industria de la visión artificial.

A medio plazo, la competencia entre fabricantes de chips podría intensificarse, acelerando el desarrollo tecnológico como un todo. Esto podría beneficiar a los usuarios, que tendrían acceso a dispositivos más avanzados y a servicios más personalizados. Sin embargo, también podría generar una presión adicional sobre los fabricantes de chips, que tendrán que invertir en investigación y desarrollo para mantenerse a la vanguardia.

A largo plazo, la implementación de modelos de IA con 100.000 millones de parámetros en dispositivos móviles podría transformar la forma en que interactuamos con nuestros dispositivos. Esto no solo beneficiaría a los usuarios, sino también a las empresas, que podrían aprovechar la capacidad de procesamiento local para crear servicios más avanzados y personalizados.

Para aprovechar estas oportunidades y mitigar los riesgos, se necesitarán recomendaciones específicas. En primer lugar, los fabricantes de chips deben invertir en investigación y desarrollo para mejorar la tecnología de memoria y la eficiencia energética. En segundo lugar, los desarrolladores de software deben colaborar estrechamente con los fabricantes de chips para optimizar los algoritmos de IA y reducir la carga en el hardware. Por último, los usuarios deben estar atentos a los avances en la industria y considerar la adopción de dispositivos más avanzados cuando sea posible.

❓ Preguntas Frecuentes (FAQ)

¿Qué significa la demanda de modelos de IA con 100.000 millones de parámetros para 2028?

La demanda de modelos de IA con 100.000 millones de parámetros para 2028 refleja una visión del futuro del hardware móvil, donde los dispositivos no solo serán herramientas de comunicación, sino también centros de procesamiento local para modelos avanzados de IA. Esta visión implica un salto cuantitativo significativo respecto a los modelos actuales, que suelen operar con alrededor de 30.000 millones de parámetros. La implementación de estos modelos en dispositivos móviles requerirá avances significativos en la tecnología de memoria, la eficiencia energética y la optimización de algoritmos. Además, esta demanda también está vinculada a la necesidad de procesar datos localmente, evitando enviar información sensible a servidores externos. Esta tendencia se alinea con los esfuerzos actuales de empresas como Google, que ya han integrado modelos reducidos en dispositivos móviles, aunque aún lejos del objetivo de Qualcomm.

¿Cuánta memoria necesitaría un móvil para ejecutar este tipo de modelos?

El cálculo es directo: 100.000 millones de parámetros, comprimidos a 4 bits (una técnica que reduce el tamaño del modelo sin sacrificar demasiada precisión), ocuparían alrededor de 50 GB. Sin embargo, los nuevos chips de Qualcomm, como Snapdragon 8 Elite Gen 6 y Extreme Gen 6, anuncian un techo máximo de 24 GB, lo que representa una brecha significativa. Este desequilibrio entre las necesidades futuras del mercado y la capacidad actual del hardware no es solo técnico: también está relacionado con el costo y disponibilidad de la memoria. Según datos recientes, la escasez de memoria podría agravarse en 2027 y 2028, justo cuando se espera que las empresas soliciten estos modelos. Para cerrar esta brecha, se necesitarán avances en la tecnología de memoria, mejoras en la gestión de recursos y, posiblemente, nuevas arquitecturas de procesadores que permitan una mejor optimización del uso de recursos.

¿Qué implica para los usuarios?

Para el usuario promedio, la posibilidad de tener un modelo de IA en su teléfono no solo significa mayor eficiencia, sino también mayor control sobre sus datos personales. La ejecución local elimina la dependencia de conexiones a internet y reduce la exposición de información sensible. Además, esta evolución podría revitalizar el ciclo de renovación de dispositivos móviles. Hoy en día, muchos usuarios postergan la compra de nuevos teléfonos debido al costo elevado de los modelos con mayor capacidad de memoria. Si Qualcomm logra cumplir con estos requisitos técnicos y económicos, se podría desencadenar un nuevo auge del mercado. La implementación de modelos de IA en dispositivos móviles también podría permitir la creación de servicios personalizados sin comprometer la privacidad del usuario, lo que podría abrir nuevas oportunidades de negocio en sectores como la salud, la educación y el entretenimiento.

¿Qué empresas podrían estar detrás de esta demanda?

Amon no ha revelado nombres específicos de las empresas que han expresado interés en este tipo de modelos. Sin embargo, Qualcomm ya provee chips para dispositivos de importantes actores del sector IA, como Meta (para gafas inteligentes) y OpenAI (en futuros proyectos). Esto sugiere que la demanda proviene de una parte importante del ecosistema de IA, aunque no se ha confirmado si estas empresas están directamente detrás de la petición. Aunque no se ha confirmado si estas empresas están directamente detrás de la petición, lo cierto es que la industria de IA está moviendo piezas clave para acelerar su presencia en dispositivos móviles. La integración local de modelos avanzados podría ser un factor determinante en el desarrollo de nuevas aplicaciones y servicios. La competencia entre fabricantes de chips (como Qualcomm, Apple, Samsung o MediaTek) podría intensificarse, acelerando el desarrollo tecnológico como un todo.