Microsoft presentó el 4 de septiembre, en la feria IFA de Berlín, su Project Zenith, una configuración de Windows 11 "libre de distracciones" pensada para desarrolladores, que llegará preinstalada en lo que la compañía llama "equipos de clase desarrollador". Sobre el papel es un anuncio menor: herramientas de programación instaladas de fábrica y unos cuantos ajustes del sistema cambiados de antemano. Lo interesante está en los requisitos de hardware que lo acompañan, que muestran hacia dónde va el PC cuando el objetivo es ejecutar modelos de inteligencia artificial en local.
Qué es Project Zenith
No es una edición nueva de Windows, sino un paquete de software que los fabricantes instalan en equipos concretos. Incluye Visual Studio Code, GitHub Copilot, PowerToys, Python, Node.js, .NET 10 y el Subsistema de Windows para Linux (WSL 2) con Ubuntu, entre otras herramientas. También cambia valores por defecto que cualquier programador ajusta nada más estrenar un equipo: el Explorador muestra extensiones, archivos ocultos y rutas completas, se activa el soporte de rutas largas y desaparecen las sugerencias del menú Inicio y los avisos de cuenta.
Nada de eso es nuevo. Son ajustes que se pueden hacer a mano en cualquier Windows 11. Lo que sí es exclusivo es el hardware. Según el anuncio firmado por Logan Iyer, vicepresidente corporativo de Windows Platform + Developer, Zenith se destina a equipos con al menos 64 GB de memoria unificada y un ancho de banda de memoria de 250 GB/s o más. Con esa base, Microsoft asegura que se pueden ejecutar en local modelos de más de 30.000 millones de parámetros (30B).
El requisito de Microsoft parece relativamente conservador si se compara con el hardware que lo estrena. Zenith fija el suelo en 64 GB, pero la plataforma Ryzen AI Halo de AMD, el primer equipo de referencia, llega hasta los 128 GB. Microsoft ha anunciado además que otros fabricantes de equipos y de chips se sumarán a la iniciativa con nuevos modelos en los próximos meses.
De la NPU a la memoria
Cuando la compañía lanzó los Copilot+ PC en mayo de 2024, la exigencia central era una NPU (unidad de procesamiento neuronal) capaz de más de 40 billones de operaciones por segundo (40 TOPS), acompañada de 16 GB de RAM y 256 GB de almacenamiento. La memoria y el disco eran requisitos modestos para un portátil moderno; la NPU era la verdadera barrera.
En Zenith la NPU sigue estando ahí, pero su capacidad deja de ser la cifra de referencia. El Ryzen AI Halo tiene una NPU de 50 TOPS, apenas por encima del mínimo de Copilot+, y en la práctica el trabajo de IA recae sobre todo en su gráfica integrada. Lo que distingue a este equipo es su memoria: 128 GB de LPDDR5X a 8000 MT/s con 256 GB/s de ancho de banda.
Ambos proyectos tienen distinto público. Copilot+ es una certificación para el gran público, pensada para funciones de Windows como la traducción en tiempo real, videollamadas o la búsqueda inteligente, que usan modelos IA pequeños funcionando de forma continua. Para esa tarea la NPU es ideal porque consume poco. Zenith apunta a otro perfil: el desarrollador que quiere usar asistentes de programación con modelos grandes sin depender de la nube. Son dos respuestas distintas, y la vara de medir depende del tamaño del modelo que se quiera mover.
Por qué el dato clave es el ancho de banda
Al generar texto, el rendimiento suele quedar limitado por el ancho de banda de la memoria: cuanto más grande es el modelo, más datos hay que manejar para producir cada nuevo token. Por eso, una vez que el modelo cabe en memoria, el ancho de banda se convierte en uno de los principales límites de la velocidad. Como aproximación muy simplificada, el techo de generación puede estimarse dividiendo el ancho de banda entre el tamaño del modelo.
No es una fórmula de rendimiento real: también influyen la arquitectura del modelo, la cuantización, la caché, el software y la potencia de cálculo. Pero explica por qué la memoria no sirve solo para cargar modelos más grandes, sino que también determina, hasta cierto punto, la velocidad a la que pueden utilizarse.
Además, el número de parámetros ya no cuenta toda la historia. En los modelos de mezcla de expertos (MoE), solo una parte de los parámetros participa en cada token. Un modelo así necesita tener todos sus parámetros cargados en memoria, pero en cada paso lee y procesa solo una fracción, por lo que genera texto mucho más rápido que un modelo denso de tamaño parecido. Esto hace utilizables en un equipo de estas características modelos que, por su número total de parámetros, parecerían fuera de su alcance.
En resumen, la capacidad determina qué modelos caben y el ancho de banda, a qué velocidad responden. No es lo único que cuenta: al procesar la petición inicial pesa más la potencia de cálculo, y en esa fase las soluciones de Nvidia van por delante según varias reseñas. Pero en la experiencia de un asistente que va escribiendo código, el ancho de banda manda.
Por qué hace falta un diseño distinto
El ancho de banda depende de la velocidad de la memoria y del número de canales. Un PC convencional con DDR5-5600 en doble canal se queda en torno a 90 GB/s. El Ryzen AI Max+ 395 que monta el Halo alcanza 256 GB/s con LPDDR5X a 8000 MT/s sobre una interfaz de 256 bits, el equivalente a cuatro canales.
Ese rendimiento se paga en flexibilidad. A esas velocidades, la memoria tiene que estar muy cerca del procesador, y todos los equipos con este chip la llevan soldada. Existe un formato de módulo sustituible para LPDDR5X, el LPCAMM2, pero cada módulo ofrece una interfaz de 128 bits, la mitad de lo que usa esta plataforma. El resultado es un SoC con memoria unificada: CPU, GPU y NPU comparten un único bloque de memoria rápida, y la gráfica integrada puede usar buena parte de él como si fuera memoria de vídeo. Es el camino que Apple popularizó con sus chips propios a partir de 2020.
La alternativa tradicional, una tarjeta gráfica dedicada, es mucho más rápida mientras el modelo quepa en su memoria: una RTX 5090 supera los 1.700 GB/s, pero tiene 32 GB. Las tarjetas profesionales con memoria suficiente juegan en otra liga de precio: una RTX Pro 6000 de 96 GB tiene un precio oficial de 13.250 dólares, frente a los 3.999 del Ryzen AI Halo.
En otras palabras, Nvidia gana cuando se necesita memoria muy rápida y el modelo cabe en la VRAM; AMD juega otra partida, la de mucha memoria compartida a un precio más contenido.
La consecuencia para el usuario es un cambio de hábitos. En estos equipos, la memoria que se compra el primer día es la que se tendrá siempre. El PC por piezas, con RAM ampliable y gráfica intercambiable, seguirá siendo la opción para jugar o para quien necesita la máxima velocidad, pero el PC para IA local se parecerá cada vez más a un Mac.
La decisión inicial de compra importa mucho más que en un PC convencional, porque esos 128 GB no son simplemente memoria del sistema: también constituyen la reserva de memoria que puede utilizar la GPU integrada para cargar modelos.
La paradoja: un Windows para desarrolladores con Linux dentro
Aquí aparece la contradicción que da interés al anuncio. La plataforma elegida para estrenar Zenith no es un producto pensado solo para Windows. AMD presentó el Ryzen AI Halo como plataforma de referencia para desarrollo de IA en Windows y Linux, y lo vende con cualquiera de los dos sistemas. Sobre el papel ofrece soporte de ROCm, su alternativa a CUDA, en ambos, pero en la práctica ese soporte no es igual de completo.
Aunque AMD ha mejorado el soporte de ROCm en Windows, la diferencia con Linux sigue siendo importante. En Windows, el soporte para Ryzen AI Max se centra actualmente en PyTorch, mientras que la pila ROCm completa y herramientas como vLLM y SGLang tienen su soporte principal en Linux.
La propia Microsoft lo asume. Zenith llega con WSL 2 y Ubuntu preinstalados. WSL, el Subsistema de Windows para Linux, existe desde 2016, se rediseñó con WSL 2 para ejecutar un núcleo Linux real y su código se abrió el año pasado. En su conferencia Build de este año, Microsoft añadió los contenedores WSL, que permiten crear y ejecutar contenedores Linux directamente en Windows. Techzine lo resume al describir WSL como la vía de Microsoft para retener a los desarrolladores en Windows sin privarles de lo que buscan en Linux.
Hay además otra lectura. Fuera del ámbito profesional, Strix Halo ha acabado en dispositivos bastante alejados de la imagen de una estación de trabajo: portátiles para juegos, tabletas convertibles como la ROG Flow Z13, miniPC e incluso consolas portátiles. El mismo procesador que Microsoft usa como base de su PC para programar con IA aparece, por tanto, en máquinas pensadas para jugar.
Qué busca Microsoft
Leído en conjunto, Zenith es menos una novedad de software que un posicionamiento. Los equipos con mucha memoria unificada se han convertido en una opción razonable para ejecutar modelos grandes en local, y en ellos AMD y Apple ofrecen una alternativa al dominio de Nvidia y su plataforma CUDA. Es un terreno donde Linux y el Mac partían con ventaja. Microsoft no está intentando eliminar Linux del PC de desarrollo. Está intentando que Linux deje de ser una razón para abandonar Windows, y para conseguirlo ha fijado unos requisitos a la medida de los productos que ya existen y ha preparado el sistema para que el desarrollador empiece a trabajar sin configurar nada.
También refleja un cambio en la economía de la IA. El propio Iyer planteó que los modelos punteros se reserven para los problemas más difíciles y que el resto se ejecute en local, sin contador. No es que el precio por token esté subiendo: las tarifas de los grandes proveedores se han mantenido o han bajado. Lo que crece es el consumo, porque los agentes de programación encadenan peticiones, cargan contextos largos y razonan paso a paso, y cada tarea gasta muchos más tokens que una simple consulta. Para quien trabaja así a diario, un equipo de 4.000 dólares que ejecuta modelos sin contador puede tener sentido. Queda por ver si los desarrolladores, que suelen configurar su entorno a su manera, valoran un Windows preparado de fábrica. La web especializada Thurrott.com ya lo ha calificado de error de cálculo por ese motivo. Y queda por ver, sobre todo, cuántos acabarán instalando Linux en ese mismo hardware.
