Sam Altman, CEO de OpenAI, ha expresado su preocupación sobre la práctica de ejecutar modelos de inteligencia artificial de forma local, considerándolo un uso ineficiente de recursos críticos. En una reciente entrevista, Altman argumentó que esta tendencia desvía la memoria DRAM, un componente escaso, de los centros de datos que podrían optimizar su uso. Su postura subraya la actual escasez de componentes y la necesidad de una asignación más concentrada de recursos tecnológicos.
John Collison, cofundador de la plataforma Stripe, conduce un podcast llamado Cheeky Pint donde líderes de empresas tecnológicas comparten sus perspectivas. Recientemente, Sam Altman, figura destacada de OpenAI, participó en el programa de Collison para discutir diversos temas. Entre ellos, Altman manifestó una preocupación particular: la creciente tendencia de los usuarios a implementar inteligencia artificial de manera local.
Altman considera que la inferencia local representa un desperdicio significativo de recursos, especialmente de memoria DRAM, que es un bien escaso. Durante el podcast, el director de OpenAI comentó sobre la situación tecnológica actual, donde usuarios están adoptando modelos de código abierto y ejecutándolos en su propio hardware, sin depender de servicios en la nube. Según Altman, "La inferencia local es una terrible asignación de recursos escasos. Mucha gente quiere inferencia local y, de algún modo, asume que el problema está resuelto porque tenemos modelos de código abierto que podemos ejecutar en nuestros ordenadores y, así, no necesitar todas esas cosas que permiten los centros de datos. Pero, desde una perspectiva de asignación global, en realidad es bastante terrible que todo el mundo tenga su propio ordenador con una DRAM que se utiliza apenas el 5% del tiempo cuando estamos en un momento en el que éste es un recurso tan limitado. En ese entorno en el que ese suministro crítico es tan restringido, quieres la máxima concentración en la nube. Pero, de algún modo, la idea de la gente es la contraria."
En resumen, Altman sostiene que tener una IA local implica malgastar recursos que, desde su punto de vista, serían mejor empleados en alimentar un centro de datos. Él estima que el uso de la DRAM en equipos personales es de aproximadamente un 5% del tiempo, lo que lo convierte en un desperdicio en un contexto de escasez. Su perspectiva contrasta con la de aquellos usuarios que valoran la privacidad y la capacidad de ejecutar modelos de IA de código abierto en sus propios dispositivos para resolver problemas específicos.
Desde la óptica del CEO de OpenAI, esta afirmación es coherente debido a la actual dificultad de fabricantes como Micron, Samsung o SK Hynix, que controlan la producción global de DRAM, para aumentar su capacidad al ritmo que los hiperescaladores requieren. Altman sugiere que, en este escenario, toda la capacidad mundial de DRAM debería destinarse a los centros de datos en lugar de a equipos domésticos. Hace cinco años, nadie habría anticipado que la DRAM se convertiría en un bien tan crítico y escaso, con precios que, según TrendForce, aumentaron entre un 90% y un 95% en el primer trimestre de 2026, y sin señales de descenso a corto plazo.
El comentario de Altman surgió en el contexto de una conversación sobre la escasez de capacidad computacional. Él argumenta que el mercado no está respondiendo adecuadamente y que los grandes fabricantes de memoria, a pesar de los considerables beneficios obtenidos en los últimos doce meses, mantienen una inversión conservadora en comparación con lo que la situación exige. Aunque las tres grandes empresas han tomado medidas para establecer nuevas plantas de producción, e incluso han limitado la fabricación de chips de consumo para priorizar la memoria HBM necesaria para los centros de datos, cambiar la dinámica en este segmento de alto rendimiento no es un proceso rápido. Países como China, que han buscado posicionarse en el segmento de la DRAM, aún se encuentran más enfocados en la memoria de consumo debido a las exigencias de los chips de vanguardia.
Como posible solución, además de la sugerencia de que los usuarios sean conscientes de la escasez de componentes, Altman propone que nuevos actores se unan a la cadena de suministro. Por ejemplo, OpenAI está desarrollando sus propios chips en colaboración con Broadcom (proyecto Jalapeño), lo que, aunque seguiría requiriendo DRAM, permitiría una optimización considerable. Otras empresas como SpaceX, Amazon, Meta, Microsoft y Google también están trabajando en soluciones similares, siendo Google la que cuenta con más experiencia gracias a sus TPU.
A pesar de sus críticas, OpenAI lanzó en agosto de 2025 gpt-oss, sus primeros modelos de código abierto desde GPT-2, diseñados para ejecutarse localmente. El propio Altman admitió en enero de ese año que OpenAI había estado equivocada respecto al código abierto. Sin embargo, en ese momento, la crisis actual de la DRAM no era tan pronunciada. Surge la interrogante de si Altman considera tan significativo el segmento de usuarios de IA local y si realmente impacta tanto en la cadena de suministro, especialmente cuando muchos usuarios no pagan por la IA porque las ofertas gratuitas ya satisfacen sus necesidades. Quienes optan por ejecutar un modelo local lo hacen por razones específicas, como la necesidad de uso sin conexión o la desconfianza en la seguridad de empresas como OpenAI.