Los ejecutivos de Intel presentaron un cambio estratégico en la inteligencia artificial empresarial en The Six Five Summit: AI Unleashed 2026, haciendo hincapié en la eficiencia de costes y los beneficios medibles como factores críticos para su adopción más allá de las primeras fases piloto.
El martes, Anil Nanduri, vicepresidente de productos de IA y responsable de la entrada en el mercado para la división de Centros de datos de Intel, subrayó que las empresas están priorizando ahora el retorno de la inversión (ROI) sobre los enfoques que privilegian el hardware. El precio de las acciones de la compañía ha aumentado un 255% en el último año, cerrando a 90,07 dólares el 24 de agosto de 2026, antes de descender un 2,24% en la negociación posterior al cierre.
Nanduri mencionó a Uber como un caso de estudio, señalando que el gigante del transporte de pasajeros superó inicialmente su presupuesto de tokens de IA anual en cuestión de meses. La compañía redujo posteriormente los costes y amplió las implementaciones mejorando la eficiencia del algoritmo, potenciando la observabilidad de los tokens para los ingenieros y seleccionando modelos adaptados a tareas específicas. Destacó que no todos los tokens de IA son iguales, distinguiendo entre los requisitos de latencia ultrabaja para aplicaciones en tiempo real, como la detección de fraude, y los procesos por lotes con ventanas de entrega extendidas.
El debate también abordó la creciente complejidad de los sistemas de IA agentes, que ahora requieren la optimización, la orquestación, la verificación y la ejecución de flujos de trabajo de extremo a extremo. La estrategia de computación heterogénea de Intel abarca cuatro capas: un plano de control que utiliza CPU Xeon para la orquestación y la seguridad, un plano de datos que combina CPU, GPU y arquitecturas especializadas, un plano de red para la comunicación entre sistemas y un plano de almacenamiento que aprovecha soluciones basadas en CPU para las bases de datos y la agrupación de memoria.
Las GPU de Intel en Crescent Island, que se han diseñado con memoria DDR de bajo consumo en lugar de GDDR o HBM, se han destacado por su coste y eficacia energética en las implementaciones de tarjetas PCIe. La compañía estima que alrededor del 80% de las cargas de IA empresarial puede gestionarse con modelos de peso abierto, mientras que el 20% restante requiere inteligencia en modelos avanzados. Además, más del 90% de los datos disponibles públicamente ya se ha accedido, lo que subraya la necesidad de una gestión y procesamiento eficientes de los datos.
