Apple tiene en la mira una tecnología que podría cambiar bastante la forma en que usamos el iPhone en el día a día.
La compañía inició conversaciones con PrismML, una startup de Silicon Valley respaldada por Khosla Ventures y derivada del reconocido California Institute of Technology, el famoso Caltech. Su propuesta es ambiciosa: comprimir modelos gigantes de inteligencia artificial para que funcionen directamente en el celular, sin depender de servidores en la nube.
Parece cosa de ciencia ficción, pero no lo es. Y lo más interesante es que esta historia tomó fuerza justo en el momento en que la pelea entre gigantes tecnológicos por la IA en el dispositivo se está poniendo al rojo vivo.
PrismML liberó públicamente versiones comprimidas del modelo open-source Qwen, de Alibaba, y el resultado impresiona. La startup logró tomar un modelo de 54 GB y reducirlo a menos de 4 GB, manteniendo los 27 mil millones de parámetros funcionando en un iPhone 15 o versión más reciente. Esto significa más velocidad, más privacidad y menos dependencia de internet para tareas que hoy exigen una buena conexión.
Según el propio CEO de la startup, Babak Hassibi, Apple y otras empresas están evaluando activamente la tecnología, midiendo velocidad, eficiencia energética y rendimiento en los dispositivos. Le contó a CNBC que las conversaciones todavía están en etapa inicial y que no se puede saber exactamente a dónde llegarán, pero que las cosas están progresando de forma positiva. Apple, por ahora, no se ha pronunciado oficialmente sobre el asunto.
Lo que PrismML hace diferente
La gran jugada de PrismML no es simplemente comprimir un modelo de inteligencia artificial y cruzar los dedos para que siga funcionando. La startup usa una técnica de cuantización extrema, que reduce drásticamente el tamaño de los archivos. En la práctica, la empresa simplifica la forma en que la información interna del modelo se almacena, reduciendo cada valor de 16 bits a solo uno o tres valores posibles. Esto recorta de manera brutal la memoria necesaria para guardar y operar el modelo.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Hassibi comparó el logro con la evolución de la industria de chips, que migró del procesamiento de ocho bits a cuatro bits, pero explicó que la técnica de PrismML va todavía más lejos. El resultado es impresionante: los modelos compactos usan entre 10 y 15 veces menos memoria, generan respuestas de seis a ocho veces más rápido y consumen de tres a seis veces menos energía que las versiones convencionales corriendo en hardware existente.
Claro que hay un precio que pagar. El propio CEO admitió que existe un trade-off en este proceso. Los modelos de PrismML suelen perder algunos puntos porcentuales de rendimiento general, y la primera habilidad en debilitarse es la memoria factual, es decir, la capacidad de recordar información específica. En cambio, competencias como razonamiento, matemáticas y programación se mantienen más preservadas. Para muchos usos del día a día, ese es un intercambio bastante razonable. 🧩
Para quien no esté familiarizado, los parámetros son, de forma muy simplificada, los puntos de decisión dentro de una red neuronal. Cuantos más parámetros, más puede el modelo entender contexto, matices e instrucciones complejas. Mantener los 27 mil millones de parámetros dentro de un archivo tan reducido es, técnicamente, una hazaña considerable.
La tecnología nació del grupo de investigación de Hassibi en Caltech. La universidad es dueña de las patentes y las licencia con exclusividad a PrismML. En marzo, la empresa levantó una ronda seed de 16,25 millones de dólares, con participación de Khosla Ventures y otros inversionistas. Y los planes no se detienen en Qwen: el siguiente en la fila es el modelo open-source Gemma, de Google, seguido por modelos aún más grandes, incluyendo aquellos que hoy solo corren en hardware de datacenter.
Por qué el iPhone se convierte en el centro de todo esto
El lanzamiento público de PrismML ocurrió poco después de que Apple abriera la beta pública de iOS 27, que trajo a los usuarios el primer acceso amplio a la reformulación de Siri, algo que la empresa venía aplazando desde hace bastante tiempo. Apple está en un momento delicado, intentando hacer que su asistente sea más inteligente y competitiva frente a rivales como OpenAI y Anthropic, al mismo tiempo que necesita mantener más información personal y procesamiento de IA dentro del propio dispositivo.
El iPhone ya es, desde hace mucho, una de las plataformas de hardware más poderosas del mercado móvil. Los chips de la serie A, desarrollados por la propia Apple, cuentan con unidades de procesamiento neural dedicadas, los llamados Neural Engines, justamente para acelerar tareas de inteligencia artificial. Como la empresa diseña los chips y el software en conjunto, tiene un control mucho más preciso sobre cómo la IA corre en el dispositivo, lo que puede ser una gran ventaja para poner estos modelos a funcionar.
Procesar todo localmente tiene una ventaja que va más allá de la velocidad: privacidad de verdad. Cuando le haces una pregunta a un asistente que depende de servidores externos, tu voz, tu texto y tu contexto viajan por internet hasta un datacenter y regresan a ti. Con modelos compactos corriendo directamente en el iPhone, ese dato nunca sale del dispositivo. Correr más IA localmente también reduce la latencia, recorta costos de nube y permite que ciertos recursos funcionen sin conexión a internet.
Carolina Milanesi, analista principal de Creative Strategies, señaló que modelos más pequeños podrían permitir a Apple mover recursos más exigentes al propio iPhone, como fotografía computacional, generación de video y herramientas de salud y fitness que dependen de datos personales sensibles. Según ella, cuanto más puedas hacer en el dispositivo, mejor, especialmente cuando se trata de información de salud y medicación que el usuario quiere mantener en privado. 🔋
Lo que los especialistas advierten
Sin embargo, no todo es certeza. Analistas advierten que las promesas de PrismML todavía necesitan comprobarse fuera de demostraciones controladas. Horace Dediu, fundador de Asymco, explicó que Apple probablemente quiere mantener la mayor parte de las interacciones comunes de Siri en el dispositivo, reservando solo las tareas más pesadas para la nube. La ventaja, según él, no es solo usar menos memoria, sino lograr encajar un modelo más capaz dentro de los mismos límites físicos del aparato.
Tarun Pathak, director de investigación de Counterpoint Research, recordó que la prueba real vendrá con el rendimiento en prompts largos, el consumo de batería durante la multitarea y la confiabilidad en millones de solicitudes. Por su parte, Phil Solis, de IDC, destacó que el consumo de energía quizás sea la mayor incógnita: un modelo lo suficientemente capaz para usarse todo el tiempo, incluso en segundo plano para tareas de agente, podría drenar la batería aunque requiera menos memoria.
Modelos compactos y el impacto en la demanda de chips
La carrera por los modelos compactos de inteligencia artificial está creciendo rápidamente, y Apple no es la única empresa con la mirada puesta en esta dirección. Google, Meta y Microsoft también invierten en versiones más pequeñas de sus modelos para correr en dispositivos edge, el término técnico para hardware que procesa datos localmente. Lo que diferencia el enfoque de PrismML es el nivel de compresión alcanzado sin pérdida perceptible de calidad.
Este movimiento también aviva un debate importante sobre el futuro de la industria de chips. La memoria se convirtió en uno de los mayores cuellos de botella y costos tanto en electrónica de consumo como en servidores de IA. Morgan Stanley estima que el costo promedio de memoria DRAM por bit de Apple podría subir alrededor de un 190% interanual en el año fiscal 2027, con los costos de NAND subiendo cerca de un 180%. La proyección es que la empresa aumente el precio inicial de modelos comparables del iPhone 18 en unos 200 dólares para proteger sus márgenes.
Herramientas que usamos a diario
PrismML afirma que su tecnología podría permitir que un modelo de nube que normalmente requiere ocho GPUs corra en solo una, además de llevar a celulares y laptops modelos que antes solo funcionaban en servidores. Pero eso no significa, necesariamente, que la demanda general de chips vaya a caer.
Gil Luria, analista de D.A. Davidson, explicó que reducir el tamaño de los modelos no elimina la necesidad de procesadores o memoria, solo desplaza buena parte de esos chips de los datacenters a los celulares y otros dispositivos. Según él, todavía vas a necesitar la GPU y todavía vas a necesitar la memoria. También señaló que correr IA en dispositivos individuales puede ser menos eficiente que usar infraestructura compartida, ya que los chips de los celulares permanecen ociosos buena parte del tiempo.
Curiosamente, las ganancias de eficiencia suelen generar más uso y no menos gasto, ya que una IA más barata y rápida viabiliza nuevos productos e incentiva a las personas a usar los modelos con más frecuencia. Aun así, el mercado tiende a reaccionar de forma nerviosa ante cualquier señal de que la IA necesitará menos memoria. Las acciones de Micron llegaron a desplomarse en marzo, cuando Google publicó su paper TurboQuant sobre recorte de uso de memoria sin pérdida de rendimiento, pero el papel se recuperó después.
Para el usuario final, la diferencia va a aparecer de formas muy concretas. Imagina pedirle a Siri que resuma un documento largo, traduzca una conversación en tiempo real, sugiera respuestas de correo electrónico basándose en tu historial o edite una foto con instrucciones en lenguaje natural, todo eso sin esperar carga y sin enviar nada a servidores de terceros. Como resumió Pathak, de Counterpoint, la combinación de nube e IA en el dispositivo puede ofrecer una experiencia más completa, eficiente y centrada en la privacidad, con tareas complejas yendo a la nube y tareas sensibles y urgentes quedándose en el aparato.
Ese es exactamente el tipo de salto que Apple necesita dar para mantenerse relevante en la disputa por el liderazgo en inteligencia artificial aplicada al consumidor. Y si la alianza con PrismML se confirma, el iPhone podría convertirse en uno de los mayores escenarios de esta nueva fase de la IA que corre en tu bolsillo. 🚀
