En un evento celebrado en Seúl el pasado 6 de noviembre de 2026, NVIDIA llevó a cabo una serie de demostraciones centradas en su plataforma RTX Spark, orientadas a mostrar la capacidad de ejecutar flujos de trabajo de inteligencia artificial de manera local. Durante la presentación, la compañía puso el foco en tareas de productividad y creatividad, destacando la integración de agentes de IA con aplicaciones profesionales para optimizar tiempos de ejecución sin depender estrictamente de la nube.
Uno de los puntos más destacados de la exhibición fue la edición de vídeo. En esta demostración, un agente de IA fue capaz de procesar un vídeo original de tres horas de duración. A través de una instrucción en lenguaje natural, el sistema buscó escenas específicas que contenían una palabra indicada; el proceso de selección tomó aproximadamente un minuto y el resultado final fue un corte editado de tres minutos. Asimismo, se mostró el funcionamiento del agente Hermes, el cual controló DaVinci Resolve Studio para adaptar la relación de aspecto del contenido hacia formatos optimizados para YouTube y redes sociales, procediendo posteriormente al guardado de cinco archivos independientes.
No obstante, la presentación dejó claro que estas capacidades no funcionan de forma automática al encender el equipo. Según detalló un representante de NVIDIA, el flujo de trabajo requiere una preparación previa que consiste en elegir el modelo de lenguaje adecuado para la tarea, descargarlo en el dispositivo y conectar el agente a la aplicación correspondiente. En el caso de las pruebas de Seúl, se utilizaron modelos de Mistral. Una vez completada esta configuración, el flujo de edición puede ejecutarse totalmente sin conexión a internet, eliminando la dependencia de servidores externos para el procesamiento de las tareas.
Además de la edición de vídeo, NVIDIA mostró la utilidad de RTX Spark en la organización de tareas administrativas, como la gestión del correo electrónico y la agenda. También se presentó el diseño y la simulación de movimientos para un robot virtual en un entorno que simulaba un campo de fútbol. Es importante precisar que se trató de un robot simulado y no de un dispositivo físico desplazándose en un entorno real. Estas escenas fueron diseñadas para ilustrar la capacidad de la plataforma para encadenar acciones complejas en aplicaciones creativas y organizativas, presentándose como demostraciones de concepto y no como pruebas de rendimiento comparativo.
En cuanto al hardware, NVIDIA había anunciado la plataforma RTX Spark el 31 de mayo de 2026 para PC con Windows. Las especificaciones técnicas incluyen una CPU Grace de 20 núcleos —diseñada en colaboración con MediaTek basándose en arquitectura Arm— y una GPU Blackwell RTX con 6.144 núcleos CUDA. El sistema incorpora Tensor Cores de quinta generación con precisión FP4 y alcanza hasta 128 GB de memoria unificada, la cual es compartida entre la CPU y la GPU a través de la conexión NVLink-C2C. Según las cifras oficiales de NVIDIA, la plataforma puede alcanzar hasta un petaflop de cómputo de IA.
En el mercado de consumo, ASUS ha integrado esta tecnología en sus variantes ProArt P16 H7607 y ProArt P14 H7407. Ambos modelos cuentan con Windows 11 Pro y soportan hasta 128 GB de memoria unificada, aunque difieren en dimensiones de pantalla, peso, grosor y capacidad máxima de almacenamiento.
A pesar de las capacidades técnicas mostradas por NVIDIA, la recepción crítica ha sido mixta. El canal Linus Tech Tips realizó pruebas exhaustivas de estos portátiles en diversas áreas, incluyendo juegos, productividad, aplicaciones creativas y autonomía. Sus resultados fueron dispares: mientras que el procesamiento de instrucciones en algunas tareas de IA fue calificado como bueno, el rendimiento en juegos y productividad general no fue consistente. Debido a esto, Linus Sebastian concluyó que, basándose en las configuraciones examinadas, los equipos eran difíciles de recomendar en su conjunto.
Finalmente, el debate sobre la viabilidad económica del procesamiento local frente a la nube sigue abierto. Jeff Yen, director de marketing técnico de NVIDIA para Asia-Pacífico, señaló que no existe un plazo fijo para recuperar la inversión del hardware mediante el ahorro en servicios de nube, ya que esto depende enteramente del volumen de trabajo del usuario. Por su parte, un directivo de la empresa identificado como Kim sugirió que, mientras las tareas ligeras como organizar el correo pueden resolverse eficientemente en la nube, los trabajos locales repetitivos o de larga duración son los que mejor encajan con la arquitectura de RTX Spark, evitando así los cargos por solicitud habituales de los servicios externos.
