NPU en Windows: qué es, cómo funciona y por qué importa

Informatec Digital » Recursos » NPU en Windows: qué es, cómo funciona y por qué importa

La llegada de las NPU en Windows ha cambiado por completo la forma en la que usamos la inteligencia artificial en el PC. Lo que antes dependía casi siempre de la nube, ahora empieza a ejecutarse directamente en nuestros ordenadores portátiles, sobremesa y mini PC, con mejoras enormes en velocidad, autonomía y privacidad. Windows 11, especialmente con los nuevos equipos Copilot+ y los procesadores más recientes de Intel, AMD y Qualcomm, es el epicentro de esta revolución.

Si estás pensando en cambiar de ordenador en los próximos meses, conviene que tengas muy claro qué es una NPU, por qué Microsoft la exige para muchas funciones avanzadas de IA en Windows 11, qué papel juega en los Copilot+ PC, qué modelos de procesadores la integran y qué aplicaciones reales ya están sacando partido a este nuevo chip. Vamos a verlo con calma, pero sin rodeos, para que puedas decidir con criterio si te compensa dar el salto.

Qué es exactamente una NPU y por qué ahora todo el mundo habla de ella

Cuando se habla de una NPU (Unidad de Procesamiento Neuronal) en un ordenador moderno, nos referimos a un procesador especializado en ejecutar las operaciones matemáticas de las redes neuronales y otros algoritmos de aprendizaje automático. No viene a sustituir a la CPU ni a la GPU, sino a complementarlas encargándose de todo lo que huela a IA.

A diferencia del procesador central, que está pensado para ejecutar instrucciones lógicas una detrás de otra, y de la tarjeta gráfica, que se centra en el renderizado masivo de píxeles, la NPU está diseñada desde cero para multiplicar y acumular matrices de números a una velocidad brutal y con muy poco consumo. Esta es justamente la base de cómo “piensan” los modelos de IA, desde el reconocimiento facial hasta la generación de imágenes.

En la práctica, podríamos decir que las NPU se convierten en el motor específico de todas las funciones inteligentes del sistema y las aplicaciones, desde el desenfoque de fondo en una videollamada hasta la transcripción en tiempo real, pasando por asistentes como Copilot o los filtros avanzados de edición de vídeo.

Una ventaja clave es que la IA puede ejecutarse directamente en el dispositivo sin necesidad de enviar datos a servidores remotos. Gracias a ello, se gana en privacidad, se reduce la latencia y se descarga de trabajo a la CPU y a la GPU, que quedan más libres para todo lo demás.

Además, muchos fabricantes están diseñando estas unidades para trabajar con formatos de menor precisión como INT8 en lugar de FP32. Al no necesitar una precisión matemática extrema para acertar en sus predicciones, la NPU puede ahorrar una cantidad enorme de energía con cada inferencia, algo vital sobre todo en portátiles y mini PC.

CPU, GPU y NPU: el triángulo del SoC moderno

Los procesadores actuales que montan los equipos con Windows 11 suelen utilizar un enfoque de Sistema en Chip (SoC), donde CPU, GPU y NPU conviven en el mismo trozo de silicio. Esta cercanía física hace posible que compartan la memoria RAM del sistema y se pasen tareas entre sí sin grandes cuellos de botella.

En este triángulo, la CPU actúa como cerebro de control, la GPU se encarga del trabajo paralelo masivo para gráficos y la NPU se centra por completo en las operaciones de aprendizaje automático y redes neuronales. Cada una tiene su zona de especialización y Windows 11 se encarga de decidir qué va a cada sitio en función de la carga de trabajo.

Cuando el sistema tiene que aplicar efectos de vídeo, traducir voz al vuelo o ejecutar un modelo ONNX de IA, Windows 11 analiza el hardware disponible y, si detecta una NPU, redirige esas tareas hacia ella para conseguir el mejor equilibrio entre rendimiento y consumo. Si por cualquier motivo la NPU no está disponible, entra en juego la GPU o, en último término, la CPU.

Este reparto inteligente de tareas es especialmente importante en portátiles finos, mini PC y equipos todo en uno, donde la gestión térmica y el consumo son críticos (consulta nuestros tutoriales de hardware para portátil). Derivar el trabajo de IA sostenido a la NPU evita que la CPU se caliente en exceso y tenga que bajar su frecuencia, manteniendo así la fluidez general del sistema.

En términos de eficiencia, una GPU convencional puede consumir decenas de vatios para ejecutar algoritmos de IA de cierta complejidad, mientras que una NPU puede hacer el mismo trabajo con un consumo muy inferior, lo que permite alargar la batería fácilmente entre un 15 % y un 20 % en escenarios intensivos de IA.

NPU y Windows 11: el papel de los Copilot+ PC

Microsoft ha ido un paso más allá con la introducción de los Copilot+ PC, una nueva categoría de ordenadores con Windows 11 pensada para que la IA no sea un extra, sino algo integrado en el día a día del usuario. Estos equipos se distinguen, entre otras cosas, por contar con una NPU de alto rendimiento capaz de superar los 40 TOPS (Tera Operaciones Por Segundo).

Este requisito de más de 40 TOPS no es un capricho: muchas de las nuevas funciones de IA de Windows 11, tanto a nivel del sistema como de las aplicaciones, necesitan ese nivel de potencia sostenida para ofrecer traducciones en tiempo real, generación de imágenes, efectos de vídeo y asistentes inteligentes sin penalizar la autonomía ni el rendimiento del resto de tareas.

En la práctica, un Copilot+ PC está pensado para ofrecer batería para todo el día, experiencias de IA disponibles de forma constante y un acceso directo a los modelos y características de IA más avanzados de Microsoft. La idea es que puedas usar Copilot para ayudarte a trabajar, estudiar o crear sin tener que depender tanto de la nube.

Estos equipos se apoyan en procesadores de nueva generación de Qualcomm (como la familia Snapdragon X Elite), de AMD (como los Ryzen AI más recientes) y de Intel (Core Ultra y sucesores) — para comparar opciones consulta la equivalencia procesadores Intel y AMD. Todos comparten el concepto de integrar tres motores de procesamiento: CPU, GPU y NPU, de modo que Windows 11 pueda repartir las cargas de forma muy fina.

La propia plataforma de Windows 11 está preparándose para sacar partido de estas capacidades mediante experiencias únicas, como efectos de videollamada mejorados, organización inteligente de documentos, asistentes que resumen contenido local o funciones creativas que se apoyan en la IA sin tener que mandar todo el tiempo datos a la nube.

El chip Snapdragon X Elite y la apuesta de Qualcomm

Uno de los grandes protagonistas en los Copilot+ PC es el chip Snapdragon X Elite basado en arquitectura Arm, desarrollado por Qualcomm. Este procesador se ha diseñado con la integración de IA en mente, incorporando una NPU muy potente y extremadamente eficiente en términos energéticos.

La NPU de Snapdragon X Elite puede procesar grandes volúmenes de datos en paralelo, alcanzando decenas de billones de operaciones por segundo, lo que le permite encargarse de tareas intensivas de IA como la traducción simultánea, la mejora de imagen o el análisis en tiempo real sin agotar la batería en un suspiro.

Windows 11 se encarga de coordinar el trabajo conjunto de CPU, GPU y NPU en estos equipos. En cada momento, el sistema decide qué componente es el más adecuado para cada tarea, buscando el mejor equilibrio entre velocidad, respuesta y consumo energético. De esta manera, se consiguen portátiles muy finos y ligeros con una autonomía que aguanta una jornada completa y una experiencia de IA siempre activa.

La gran ventaja de este enfoque es que muchas de las experiencias de IA de los Copilot+ PC pueden ejecutarse en el propio dispositivo: desde funciones de Windows 11 hasta herramientas de terceros optimizadas para la NPU. Esto reduce la dependencia de la conexión a internet y mejora la confidencialidad de los datos.

Qualcomm, además, ofrece recursos específicos para desarrolladores a través de su Qualcomm AI Hub, donde se pueden encontrar modelos ya optimizados y validados para estas NPU, listos para ejecutar de forma eficiente en los equipos Copilot+ con Snapdragon X Elite.

Cómo detecta y usa Windows la NPU para la inteligencia artificial

La NPU, como cualquier otro recurso de hardware en un PC, necesita que el sistema operativo y las aplicaciones sepan cómo hablar con ella y aprovechar su potencia. Microsoft ha ido afinando la forma de acceder a estas unidades, y actualmente la recomendación es utilizar Windows Machine Learning (Windows ML o WinML) como vía principal.

Durante un tiempo, DirectML era la ruta habitual para trabajar con aceleración de IA en Windows, pero ahora WinML se ha colocado en el centro de la estrategia. Este cambio persigue simplificar la vida del desarrollador y conseguir que las aplicaciones aprovechen la NPU y la GPU de la forma más transparente posible, tanto en Copilot+ PCs como en otros dispositivos con NPU de Intel o AMD.

Con Windows ML, el sistema detecta automáticamente los proveedores de ejecución (Execution Providers, EP) compatibles con el hardware del dispositivo. En lugar de que el desarrollador tenga que empaquetar manualmente bibliotecas específicas de cada fabricante, Windows descarga y gestiona esos EP de forma integrada a través del propio sistema o de Windows Update.

En el fondo, Windows ML sigue utilizando ONNX Runtime como motor de inferencia, pero esconde al desarrollador buena parte de la complejidad de gestionar los distintos proveedores de hardware. Microsoft colabora directamente con Qualcomm, Intel, AMD y otros socios para garantizar que existan EP actualizados y optimizados para cada nueva generación de silicio.

Cuando una aplicación despliega un modelo de IA mediante Windows ML en un PC con NPU, el proceso es automático: WinML consulta qué aceleradores hay disponibles, elige el EP más eficaz (QNN para NPU de Qualcomm, OpenVINO para plataformas de Intel, etc.), lo carga y arranca la inferencia. Si algo falla, se cambia de forma ordenada a GPU o CPU sin que el usuario tenga que hacer nada.

Formatos de modelo, cuantización y herramientas para desarrolladores

Los modelos de IA suelen entrenarse inicialmente en formatos de alta precisión como FP32, pero las NPU de consumo tienden a trabajar mejor con representaciones de menor tamaño como INT8 para lograr un rendimiento y una eficiencia energética mucho más altos.

Eso implica que los modelos deben convertirse o cuantizarse antes de ejecutarse en la NPU. Hay muchos modelos disponibles que ya vienen listos para su uso en formato ONNX optimizado, pero quien quiera traer su propio modelo (BYOM) puede apoyarse en cadenas de herramientas específicas para adaptarlo al hardware.

Entre los recursos más interesantes está el Qualcomm AI Hub, que ofrece modelos ya validados y ajustados para ejecutarse en Copilot+ PC con Snapdragon X Elite. También se encuentra el popular ONNX Model Zoo, un repositorio de modelos de código abierto entrenados previamente y listos para funcionar en distintos dispositivos con NPU, incluidos los de Intel y AMD.

Para optimizar modelos propios, Microsoft recomienda utilizar Olive, una herramienta que se integra con ONNX Runtime para manejar compresión, optimización y compilación orientada a NPU. Esta combinación permite sacar un rendimiento mucho mayor con el mismo hardware, algo muy relevante en portátiles donde cada vatio cuenta.

Todo este ecosistema hace que sea mucho más sencillo para los desarrolladores centrarse en la experiencia de usuario y dejar en manos de Windows ML, ONNX Runtime y las herramientas asociadas la parte de integración de hardware de bajo nivel, que es donde antes solían aparecer problemas de compatibilidad y mantenimiento.

Cómo medir el rendimiento real de la NPU en Windows

Cuando se empiezan a integrar funciones de IA en una aplicación, es fundamental medir el rendimiento real de los modelos en la NPU y entender qué está ocurriendo en el sistema. Windows ofrece varias herramientas de diagnóstico y trazado para hacerlo con bastante detalle.

El primer punto de referencia, accesible a cualquier usuario, es el Administrador de tareas de Windows 11. En la pestaña “Rendimiento” ya aparece una sección específica para la NPU junto a CPU, memoria, disco, Wi-Fi y GPU. Ahí se puede ver el porcentaje de uso, la versión del controlador y otros datos relevantes.

Para desarrolladores y usuarios avanzados, entran en juego otros instrumentos más potentes como Windows Performance Recorder (WPR), que ahora incluye un perfil de procesamiento neuronal para registrar la actividad de la NPU, y Windows Performance Analyzer (WPA), que permite analizar esos registros.

Con WPR se generan trazas detalladas de cómo interactúa el sistema con la NPU a través del modelo de controlador MCDM de Microsoft. Después, con WPA se pueden visualizar gráficas y tablas de tiempo que muestran el uso de CPU, disco, red, eventos de ONNX Runtime y una tabla específica para la NPU, todo sobre una misma línea temporal.

Esto hace posible examinar aspectos como la carga de trabajo, el tiempo de carga de modelos, la creación de sesiones de inferencia, los parámetros de configuración del proveedor de ejecución, los tiempos de cada inferencia individual y el perfil de cada operador dentro del modelo de IA. Incluso se pueden observar métricas de subhardware de la NPU, como el ancho de banda de memoria.

Herramientas adicionales: GPUView, ONNX Runtime y perfiles de hardware

Además de WPR y WPA, el ecosistema de Windows ofrece otras utilidades que ayudan a entender mejor qué hace exactamente la NPU cuando ejecuta modelos de IA. Una de ellas es GPUView, una herramienta que lee eventos registrados en archivos de seguimiento (.etl) y los presenta visualmente.

GPUView ya es capaz de mostrar no solo operaciones de GPU, sino también actividad de NPU y eventos DirectX asociados a dispositivos MCDM. Esto resulta útil para ver cómo se reparten realmente las cargas entre GPU y NPU cuando una aplicación hace uso intensivo de IA y gráficos a la vez.

Por otro lado, ONNX Runtime, a partir de la versión 1.17 y con mejoras en la 1.18.1, emite eventos de tiempo de ejecución que se pueden capturar y visualizar con WPA. Esto permite ver cuánto tarda en cargarse un modelo, qué configuración de EP se está usando, cómo se comportan las inferencias sobre la NPU (por ejemplo, QNN) y cuánto tiempo consume cada operador dentro del modelo.

Los desarrolladores pueden combinar perfiles específicos de ONNX Runtime con otros perfiles de WPR (CPU, disco, etc.) para obtener una fotografía muy precisa de dónde se está yendo el tiempo y cómo optimizar el rendimiento. A esto se suman herramientas de terceros como el Qualcomm Snapdragon Profiler (qprof), que ofrece una vista de todo el sistema y detalla aún más las métricas internas de la NPU en plataformas Snapdragon.

Con este conjunto de utilidades, es posible no solo verificar que la NPU está en uso, sino también detectar cuellos de botella, latencias inesperadas o configuraciones subóptimas y corregirlas para aprovechar al máximo el hardware disponible.

Cómo saber si tu PC con Windows tiene NPU y qué se está beneficiando de ella

Para los usuarios finales, la duda típica es: ¿mi ordenador tiene realmente una NPU y la está usando Windows? La forma más sencilla de comprobarlo es abrir el Administrador de tareas (Ctrl+Shift+Esc), ir a la pestaña “Rendimiento” y buscar un apartado etiquetado como “NPU”.

Si aparece una gráfica dedicada a la NPU, es que el equipo cuenta con este procesador especializado. A partir de ahí, se puede ver qué aplicaciones están consumiendo recursos de la NPU desde la pestaña “Procesos” o profundizar con herramientas avanzadas si se quiere un análisis más técnico. Si no aparece, puede ser útil revisar la configuración del sistema y la BIOS o UEFI de tu PC para comprobar ajustes de firmware o soporte de aceleradores.

La presencia de NPU es cada vez más habitual en los equipos modernos, sobre todo en los portátiles certificados como Copilot+ PC y en los que integran procesadores de última generación de AMD, Intel o Qualcomm. Los fabricantes están incorporando estas unidades como una pieza estándar del hardware, igual que en su día se integraron las GPU en los propios procesadores.

En muchos casos, el usuario empieza a notar las ventajas sin necesidad de cambiar nada en su forma de trabajar: videollamadas más nítidas, efectos aplicados en tiempo real sin tirones, más horas de batería cuando se usan funciones inteligentes y una sensación general de fluidez incluso con varias tareas funcionando a la vez.

Para quien tenga curiosidad técnica, las herramientas de trazado de Windows permiten saber exactamente qué procesos están lanzando trabajo a la NPU y con qué patrones de uso, algo muy útil si se está probando software nuevo o si se quiere verificar que una aplicación realmente está aprovechando el hardware.

Aplicaciones reales que ya aprovechan la NPU en Windows

Más allá de la teoría, lo interesante es ver qué programas de uso cotidiano están sacando partido a la NPU en Windows. La lista crece mes a mes, pero ya hay varios nombres muy conocidos que han empezado a apoyarse en este chip para acelerar sus funciones de IA.

En el mundo de la edición de imagen, Adobe Photoshop es un ejemplo muy claro. Herramientas centradas en IA como la selección automática de objetos, la eliminación de fondos o la reducción de ruido al vuelo pueden ejecutarse mucho más rápido si el PC dispone de una NPU, liberando además la GPU para otras tareas de renderizado.

En el terreno de la seguridad, Norton Antivirus ha incorporado funciones basadas en IA que se apoyan en la NPU para detectar intentos de phishing y estafas en sitios web de forma más ágil. De este modo, la protección en tiempo real se vuelve más rápida sin sobrecargar tanto la CPU ni ralentizar el sistema.

En diseño y contenido visual, plataformas como Canva han ido añadiendo herramientas cada vez más potentes de generación y edición mediante IA. Muchas de estas funciones pueden acelerarse con hardware local cuando hay una NPU disponible, reduciendo los tiempos de espera al aplicar filtros, fondos generativos o ajustes inteligentes.

Para la edición de vídeo, DaVinci Resolve Studio integra también herramientas que se benefician de la aceleración de IA local, como la reducción de ruido, el reconocimiento facial, el encuadre automático y otras funciones avanzadas. Delegar estas tareas en la NPU consigue que la experiencia de edición sea más fluida y que los tiempos de exportación se acorten.

Además, a nivel de sistema operativo, Windows Studio Effects, Copilot y otras funciones de Windows 11 aprovechan la NPU para ejecutar efectos de vídeo, aislamiento de voz o asistentes contextuales en tiempo real, manteniendo la CPU centrada en las aplicaciones de productividad que el usuario tiene abiertas.

NPU en el mercado: Intel, AMD, Qualcomm y el empuje de las AI PC

La adopción de NPU en PCs no es un experimento aislado: todo indica que estamos ante una transición de fondo parecida a la que supuso el paso a los SSD o la integración de GPU en los procesadores. Firmas de análisis como IDC estiman que, en 2025, más de 100 millones de dispositivos personales (portátiles, tablets y sobremesa) saldrán con NPU integrada.

En este contexto, los tres grandes actores que más fuerte están apostando por la IA nativa en PC son AMD, Intel y Qualcomm. Cada uno con su propuesta, pero todos con el mismo objetivo: hacer que la IA se ejecute directamente en el hardware del usuario, de forma rápida, eficiente y privada.

AMD, por ejemplo, ha lanzado las familias Ryzen AI Max Series y Ryzen AI 300, con arquitecturas como Zen 5 y XDNA 2. Los modelos más avanzados llegan a ofrecer hasta 55 TOPS de potencia en IA, multiplicando por cinco el rendimiento de la generación anterior y permitiendo formatos ultraportátiles muy potentes. Para el seguimiento de sus arquitecturas puedes leer sobre AMD RDNA 5 y uDNA.

Dentro de esta gama, destacan procesadores como el AMD Ryzen AI 9 HX 370, cuya NPU alcanza los 50 TOPS y supera el umbral mínimo de Copilot+ PC en un 25 %, o el Ryzen AI 395+, que ofrece un rendimiento de IA sostenido aún mayor para modelos locales muy exigentes. Gracias a su enfoque de flujo de datos espacial (spatial dataflow), estos chips mueven datos entre unidades MAC sin recurrir constantemente a la RAM, reduciendo así la latencia y el consumo.

Intel, por su lado, ha dejado claro que la IA es el núcleo de su hoja de ruta: su objetivo es enviar más de 100 millones de procesadores con aceleradores de IA dedicados en un plazo de un par de años, alcanzando hasta 120 TOPS de rendimiento combinado y soportando más de 500 funciones basadas en IA con el apoyo de un ecosistema de cientos de desarrolladores de software independientes. Para seguir la evolución de sus chips consulta nuestras últimas noticias sobre procesadores Intel.

En cuanto a Qualcomm, sus plataformas Snapdragon X Elite para PC se han convertido en uno de los pilares de los Copilot+ PC, consolidando el modelo donde CPU, GPU y NPU conviven en un SoC altamente eficiente, perfecto para portátiles ultrafinos con muchas horas de autonomía y capacidades de IA siempre disponibles.

Ventajas para distintos tipos de usuarios: de la ofimática a la IA local

La gran pregunta para muchos es: ¿qué gano yo en mi día a día con una NPU en Windows? La respuesta depende del tipo de uso, pero casi todos los perfiles habituales salen beneficiados de una forma u otra.

Para trabajadores de oficina, la NPU permite que funciones como los efectos de Windows Studio en videollamadas (desenfoque de fondo, enfoque automático, mejora de iluminación, aislamiento de voz) se ejecuten sin castigar a la CPU. Esto deja más margen para manejar hojas de cálculo pesadas, varias aplicaciones de productividad abiertas y navegación web intensa sin que el equipo se arrastre.

Estudiantes y equipos de trabajo distribuidos pueden aprovechar traducciones en tiempo real, transcripción automática de audio y asistentes que ayudan con resúmenes de documentos incluso en escenarios con conectividad limitada. La IA local elimina buena parte de la latencia y mejora la experiencia en reuniones internacionales.

Los profesionales creativos, tanto en foto como en vídeo, se benefician de filtros acelerados por NPU, reconocimiento de escenas, máscaras inteligentes y relleno generativo más rápido, lo que reduce los tiempos de espera al editar y exportar proyectos. Esto se nota de manera muy clara en flujos de trabajo exigentes.

Por último, los usuarios que quieren ejecutar modelos de IA localmente en su PC (por ejemplo, para evitar subir datos sensibles a la nube) encuentran en la NPU la pieza que les faltaba. Procesar inferencias en el propio dispositivo protege la privacidad, elimina la dependencia de conexión y puede ofrecer tiempos de respuesta muy competitivos en tareas como chatbots locales, clasificación de documentos o análisis de imágenes.

En todos los casos, el denominador común es que la NPU permite que la IA deje de ser algo remoto que solo funciona cuando estás conectado, y pase a funcionar como una capacidad nativa del PC, siempre disponible y adaptada a lo que haces, desde lo más simple hasta lo más avanzado.

Dudas frecuentes sobre NPU, rendimiento y privacidad en Windows

Una duda habitual es en qué se diferencia realmente una NPU de una tarjeta gráfica tradicional. Aunque la GPU puede ejecutar modelos de IA, está pensada principalmente para gráficos, mientras que la NPU se ha diseñado exclusivamente para acelerar redes neuronales y operaciones de aprendizaje automático. Eso le permite liberar tanto a la CPU como a la GPU de tareas repetitivas de IA y hacerlo consumiendo mucha menos energía.

Otra cuestión importante es cómo mejora la privacidad. Al ejecutar las funciones de IA localmente, la NPU evita que tengas que enviar continuamente datos personales a la nube. Para quienes trabajan con información sensible (periodistas, abogados, médicos, empresas con datos críticos) o simplemente valoran su intimidad, esto supone una diferencia notable frente a depender al 100 % de servicios remotos.

Respecto a los juegos, una NPU no sustituye a la GPU, pero puede ayudar indirectamente en ciertos escenarios. Tecnologías como AMD FidelityFX Super Resolution usan IA para escalar la imagen y mejorar la tasa de fotogramas (o DLSS 5 de Nvidia). Si parte de ese cálculo se realiza en la NPU, la GPU puede centrarse en el renderizado puro, lo que en algunos títulos se traduce en un rendimiento global más equilibrado.

También es lógico preguntarse si la IA integrada en antivirus, asistentes o herramientas de productividad va a “espiar” más. La realidad es que el procesamiento local en la NPU permite justo lo contrario: cuanto más se hace en el propio dispositivo, menos datos tienen que viajar a servidores externos, reduciendo la superficie de exposición. Eso sí, siempre conviene revisar la política de privacidad de cada aplicación.

La sensación general, tanto por parte de fabricantes como de analistas, es que las NPU y las AI PC no son una moda puntual, sino el siguiente paso lógico en la evolución del PC, como en su momento lo fueron los procesadores multinúcleo o el almacenamiento SSD. Hoy todavía estamos en la primera fase, pero lo que ya se ve en el mercado apunta a que, en pocos años, la NPU será tan común como la GPU integrada.

Todo este movimiento hacia las NPU en Windows está construyendo una base sólida para que la IA deje de ser un servicio aislado en la nube y se convierta en una capacidad estándar del ordenador personal, permitiendo equipos más rápidos, más eficientes, más privados y mejor adaptados a cómo trabajamos, estudiamos y creamos contenido cada día.