AMD Ryzen AI Halo Box: la mini workstation con Ryzen AI Max+ 395, 128 GB de memoria unificada y la respuesta 100% AMD al NVIDIA DGX Spark

AMD por fin tiene una respuesta seria al NVIDIA DGX Spark. No una laptop gamer reciclada con una etiqueta de “AI PC”, no una mini PC bonita para oficina, sino una estación de trabajo compacta pensada para correr modelos de IA localmente con 128 GB de memoria unificada. Se llama Ryzen AI Halo Developer Platform, viene con Ryzen AI Max+ 395, Radeon 8060S, NPU XDNA 2, Windows o Linux, 2 TB de SSD y un precio que apunta directo al punto débil de NVIDIA: el costo.

Pero la pregunta incómoda es inevitable: ¿llega tarde AMD?

Porque mientras AMD acaba de poner su propuesta sobre la mesa, NVIDIA ya tiene DGX Spark en el mercado, tiene CUDA, tiene TensorRT, tiene el ecosistema de IA más fuerte de la industria y ahora además acaba de anunciar RTX Spark: laptops y desktops compactos con 128 GB de memoria unificada que llegarán este otoño. O sea, AMD no está entrando a una pelea limpia. Está entrando a una pelea donde NVIDIA ya puso la música, cobró la entrada y está vendiendo las camisetas.

Aun así, esta Ryzen AI Halo Box es importante. No para jugar. No para Excel. No para comprarla porque “tiene mucha RAM”. Esta máquina está dirigida a desarrolladores, investigadores, creadores técnicos, equipos pequeños de IA, automatización local, inferencia privada, prototipado de agentes y usuarios avanzados que quieren correr modelos grandes sin depender siempre de la nube.

La respuesta rápida

La AMD Ryzen AI Halo Developer Platform tiene sentido si quieres:

• correr modelos de IA localmente;
• experimentar con LLMs grandes;
• trabajar con agentes autónomos;
• hacer inferencia privada;
• prototipar productos de IA;
• usar Windows o Linux;
• evitar costos constantes de cloud;
• tener 128 GB de memoria unificada en una caja compacta;
• explorar una alternativa 100% AMD al DGX Spark.

No tiene sentido si quieres:

• jugar;
• hacer ofimática;
• navegar;
• editar documentos;
• montar una PC gamer;
• reemplazar una RTX 5080/5090;
• comprar “una mini PC potente” sin uso claro;
• correr IA como hobby casual.

Mi opinión: como workstation compacta de IA local, AMD Ryzen AI Halo es interesante; como compra para público general, no tiene sentido. Y eso no es una crítica. Es simplemente entender para quién existe.

AMD Ryzen AI Halo vs NVIDIA DGX Spark: comparación directa

La lectura rápida: AMD gana en precio y flexibilidad de sistema operativo; NVIDIA gana en ecosistema, madurez de software y aceleración especializada para IA.

Qué es realmente la Ryzen AI Halo Box

La Ryzen AI Halo Developer Platform es una mini workstation basada en el procesador AMD Ryzen AI Max+ 395. Este chip, conocido también dentro de la familia Strix Halo, combina CPU Zen 5, gráficos integrados RDNA 3.5 y NPU XDNA 2.

Lo más importante no es que tenga una iGPU potente. Lo más importante es su memoria unificada: 128 GB LPDDR5x-8000. Esa memoria puede ser compartida entre CPU y GPU, lo que permite cargar modelos que normalmente no entrarían en la VRAM de una GPU de consumo común.

En una PC gamer tradicional, puedes tener 64 GB de RAM del sistema y una GPU con 12 o 16 GB de VRAM. Si el modelo no cabe en la VRAM, empiezan los problemas. En una arquitectura de memoria unificada, la frontera es más flexible. No significa que todo vuele mágicamente, pero sí significa que puedes cargar modelos más grandes en una sola máquina compacta.

Ese es el punto de este producto.

No es “una PC con mucha RAM”. Es una caja para trabajar con modelos que necesitan mucha memoria.

Especificaciones principales de AMD Ryzen AI Halo Developer Platform

Sobre papel, es una máquina muy coherente para IA local. CPU fuerte, mucha memoria, iGPU capaz, NPU dedicada, red rápida y soporte Windows/Linux.

Pero también hay una realidad: para IA, el hardware no es todo. El software importa igual o más. Y ahí NVIDIA juega en modo jefe final.

Qué es NVIDIA DGX Spark

DGX Spark es la propuesta de NVIDIA para llevar un “AI supercomputer” al escritorio. No está pensado como PC gamer ni como workstation tradicional. Está pensado para desarrolladores de IA que quieren construir, probar, validar, hacer inferencia y fine-tuning local antes de escalar a cloud o datacenter.

Su gran ventaja no es solo el hardware. Es el ecosistema:

• CUDA;
• TensorRT;
• NVIDIA AI Enterprise;
• NIM;
• cuDNN;
• soporte FP4;
• Tensor Cores de quinta generación;
• integración con frameworks;
• compatibilidad con flujos profesionales de IA;
• migración natural a infraestructura NVIDIA en cloud/datacenter.

Si trabajas en IA en serio, esto pesa mucho. A veces más que el precio. El hardware puede ser excelente, pero si el software te hace perder dos días configurando drivers, el ahorro empieza a verse menos bonito.

¿AMD llega tarde?

Mi respuesta corta: sí y no.

Sí llega tarde porque NVIDIA ya convirtió el discurso de “IA local profesional” en producto, ecosistema y narrativa. DGX Spark ya existe como referencia. Y ahora RTX Spark amenaza con llevar una versión más amplia de esa idea a laptops y desktops Windows este otoño.

Eso significa que AMD tiene una ventana corta para posicionarse. Si RTX Spark llega con buen precio, buen rendimiento, buen soporte de fabricantes y experiencia Windows pulida, AMD puede quedar como “la alternativa interesante” en vez de “la nueva referencia”.

Pero AMD no llega tarde en todo.

Llega justo a un momento donde muchos desarrolladores están cansados de pagar cloud, quieren modelos locales, quieren privacidad, quieren experimentar con agentes y no necesariamente quieren casarse con NVIDIA en cada flujo. Además, que AMD soporte Windows y Linux desde el inicio es una ventaja real para usuarios hispanos en EE. UU. que trabajan en entornos mixtos, desarrollo de software, automatización, creación técnica o consultoría.

AMD no necesita ganarle a NVIDIA en narrativa. Necesita ofrecer una alternativa suficientemente buena, más barata y flexible.

RTX Spark cambia la conversación

El anuncio de NVIDIA RTX Spark mete presión por una razón simple: ya no estamos hablando solo de DGX Spark como caja especializada. NVIDIA quiere meter 128 GB de memoria unificada, Blackwell, CUDA, DLSS, RTX y agentes locales dentro de laptops delgadas y desktops compactos Windows.

Eso puede cambiar el mercado.

Si este otoño llegan laptops y mini desktops RTX Spark desde ASUS, Dell, HP, Lenovo, Microsoft Surface y MSI, AMD Ryzen AI Halo deja de competir solo contra DGX Spark. También competirá contra una nueva generación de PCs premium con IA local integrada, Windows nativo, software NVIDIA y marcas conocidas en retail.

Pero cuidado: RTX Spark todavía tiene preguntas abiertas.

• ¿Cuánto costarán esas laptops?
• ¿Qué tan bien rendirán bajo carga sostenida?
• ¿Qué tan compatible será Windows ARM en flujos reales?
• ¿Cuánta libertad tendrá el usuario avanzado?
• ¿El rendimiento de IA será cercano al DGX Spark o recortado?
• ¿Qué modelos traerán realmente 128 GB?
• ¿Cuánto thermal throttling habrá en laptops delgadas?

Por eso, para comparar hoy, lo justo es Ryzen AI Halo vs DGX Spark. RTX Spark es la sombra que viene caminando detrás.

Y esa sombra tiene logo verde.

Para qué se pueden usar estos equipos

Estos equipos no son para Word, Excel y Chrome. Tampoco son para reemplazar una PC gamer. Están hechos para flujos muy específicos.

1. Inferencia local de modelos grandes

Puedes correr modelos de lenguaje localmente sin mandar datos a la nube. Esto importa si trabajas con:

• código privado;
• documentos internos;
• contratos;
• datos sensibles;
• investigación;
• clientes;
• bases de conocimiento;
• propiedad intelectual.

Ejemplos de uso:

• asistente interno para documentos;
• agente que revisa código;
• chatbot local para una empresa pequeña;
• análisis de PDFs;
• generación de respuestas privadas;
• búsqueda semántica local.

2. Agentes de IA locales

Este es uno de los usos más interesantes. Un agente local puede:

• leer archivos;
• ejecutar scripts;
• analizar logs;
• resumir información;
• controlar herramientas;
• revisar repositorios;
• crear tickets;
• automatizar tareas repetitivas;
• preparar reportes;
• operar sin mandar todo a servicios externos.

Aquí es donde equipos como DGX Spark, RTX Spark y Ryzen AI Halo empiezan a tener sentido. No como “chatbot bonito”, sino como máquina dedicada a correr procesos de IA de forma continua.

3. Desarrollo de software

Para desarrolladores, estos equipos pueden servir como laboratorio local:

• asistentes de código privados;
• generación de tests;
• revisión de PRs;
• análisis de dependencias;
• documentación automática;
• agentes para QA;
• ejecución de modelos para tareas internas;
• prototipos con LangChain, LlamaIndex, Ollama, LM Studio o frameworks equivalentes.

Si trabajas con código propietario, correr modelos localmente puede ser una ventaja real. No todo se puede pegar en un chatbot externo, aunque medio internet lo haga igual.

4. Fine-tuning y adaptación de modelos

DGX Spark tiene una ventaja clara aquí porque NVIDIA lo posiciona directamente para fine-tuning de modelos de hasta 70B parámetros. AMD puede participar en flujos de ajuste y adaptación, pero el ecosistema NVIDIA está más maduro.

Para fine-tuning serio:

• NVIDIA tiene mejor stack;
• CUDA sigue siendo estándar de facto;
• muchas librerías están optimizadas primero para NVIDIA;
• la documentación y comunidad son más amplias.

AMD puede ser competitivo, pero normalmente requiere más paciencia técnica.

5. Generación de imágenes, video y 3D

Ryzen AI Halo también puede trabajar con flujos como:

• Stable Diffusion;
• Flux;
• modelos de imagen;
• edición generativa;
• 3D;
• render asistido;
• workflows creativos locales.

AMD mostró comparaciones fuertes frente a Apple M4 Pro en cargas de imagen y generación. Eso no convierte a Ryzen AI Halo en una RTX 5090, pero sí lo hace interesante como workstation compacta para creación técnica.

6. Privacidad y reducción de costos de cloud

Este es el argumento más fácil de entender.

Si usas mucho cloud para IA, pagas por tokens, GPUs, almacenamiento, transferencia y tiempo. Una workstation local puede tener sentido si:

• haces muchas pruebas;
• necesitas privacidad;
• quieres preprocesar localmente;
• quieres reducir costos recurrentes;
• quieres disponibilidad sin depender de internet;
• trabajas con clientes que no permiten cloud público.

No siempre vas a ahorrar. Pero puedes controlar mejor tus costos.

Qué modelos pueden correr localmente

Con 128 GB de memoria unificada, estos equipos pueden correr modelos que una laptop gamer común simplemente no puede cargar.

Modelos pequeños y medianos

Muy razonables para uso diario:

• Llama 3.x / Llama 4 variantes pequeñas;
• Qwen 7B/14B/32B;
• Mistral;
• Mixtral;
• DeepSeek pequeños;
• Gemma;
• Phi;
• modelos de coding compactos.

Estos modelos pueden servir para:

• asistentes locales;
• coding;
• resúmenes;
• agentes ligeros;
• RAG;
• automatización.

Modelos grandes

Aquí empieza lo interesante:

• Qwen 72B/100B+ cuantizados;
• modelos MoE grandes;
• GPT-OSS-120B;
• Qwen 3.5 122B;
• GLM Flash 30B-A3B;
• modelos de hasta 200B en escenarios concretos.

AMD ha mostrado pruebas con modelos como Qwen 3.5 122B y GPT-OSS-120B. NVIDIA también declara soporte para inferencia de hasta 200B parámetros en DGX Spark.

Pero hay que decirlo claro: poder cargar un modelo no significa que vaya a responder como un servidor con múltiples GPUs H100/B200.

Hay tres niveles:

1. Cabe en memoria.
2. Corre de forma usable.
3. Corre rápido para producción real.

Estos equipos pueden hacer 1 y 2 en muchos casos. Para 3, depende del modelo, cuantización, batch, contexto, framework y expectativas.

Rendimiento: AMD reclama ventaja, NVIDIA tiene ecosistema

AMD publicó comparaciones donde Ryzen AI Halo supera a DGX Spark entre 4% y 14% en algunos modelos específicos. Eso suena fuerte, especialmente considerando que AMD cuesta menos.

Pero hay que leerlo con cuidado.

No porque AMD esté mintiendo, sino porque todo benchmark de fabricante es una foto escogida desde el ángulo que más favorece. La pregunta real no es solo “cuántos tokens por segundo dio este modelo en esta prueba”, sino:

• qué framework se usó;
• qué cuantización;
• cuánto contexto;
• qué parte corrió en GPU;
• qué parte en CPU;
• qué sistema operativo;
• qué versión de drivers;
• qué optimizaciones;
• qué estabilidad;
• qué tan fácil fue reproducirlo;
• qué pasa con otros modelos no seleccionados.

AMD puede ganar algunas pruebas. NVIDIA puede ganar muchas otras. Pero el usuario final no vive en una gráfica de marketing. Vive en terminales, drivers, dependencias, errores, documentación y deadlines.

Y ahí NVIDIA todavía tiene una ventaja enorme.

Windows y Linux: ventaja real para AMD

Uno de los puntos más fuertes de Ryzen AI Halo es que soporta Windows 11 y Linux. Esto importa más de lo que parece.

Muchos desarrolladores y creadores viven en Windows, pero usan WSL, Docker, Python, VS Code, herramientas de Adobe, Unreal, Blender, GitHub, terminales Linux y apps de productividad. Tener una máquina que no te obliga a elegir desde el día uno es muy atractivo.

DGX Spark está más orientado a Linux y al stack NVIDIA. Eso tiene sentido para IA seria, pero puede ser menos cómodo para usuarios que quieren una workstation mixta.

Para el público hispanohablante en EE. UU., especialmente freelancers, consultores, desarrolladores y creadores técnicos, Windows + Linux puede ser un argumento fuerte.

FSR vs DLSS: comparación necesaria, pero secundaria

Aquí hay que poner las cosas en orden.

FSR y DLSS importan para gaming y gráficos. Pero estos equipos no están pensados principalmente para jugar. Aun así, como tanto AMD como NVIDIA están mezclando IA, gráficos y creación, vale la pena comparar.

NVIDIA DLSS

DLSS sigue siendo la tecnología más madura:

• usa Tensor Cores;
• tiene mejor soporte en juegos;
• incluye Super Resolution;
• incluye Frame Generation;
• incluye Multi Frame Generation;
• tiene Ray Reconstruction;
• DLSS 4.5 mejora calidad con modelos transformer;
• se integra con Reflex, RTX y G-SYNC;
• tiene ventaja clara en path tracing.

Para gaming y creación con ray tracing, NVIDIA sigue arriba.

AMD FSR

FSR ha mejorado mucho, especialmente con las versiones basadas en machine learning y nuevas técnicas de generación de frames y reconstrucción. Su ventaja histórica es compatibilidad más abierta, aunque las funciones más nuevas pueden depender de hardware moderno.

Puntos fuertes:

• enfoque más abierto;
• soporte en GPUs AMD;
• mejoras de upscaling;
• frame generation;
• evolución hacia ML;
• buena opción si estás en ecosistema Radeon.

Puntos débiles:

• menor adopción que DLSS;
• calidad variable según juego;
• menos ventaja en ray tracing;
• menos peso en workflows profesionales de IA.

En estos equipos, ¿importa para comprar?

Sí, pero no como factor principal.

Si vas a comprar para IA local, pesa más:

• memoria unificada;
• soporte de frameworks;
• tokens/segundo;
• CUDA vs ROCm;
• estabilidad;
• compatibilidad;
• sistema operativo;
• documentación;
• costo total;
• facilidad para pasar del prototipo a producción.

DLSS vs FSR importa si además quieres usar el equipo para gaming o creación visual. Pero si la compra es para IA, no pongas el carro delante del caballo. O en este caso, no compres una workstation de IA por frame generation.

¿Sirven para jugar?

Técnicamente sí. Comercialmente no deberían venderse como eso.

Ryzen AI Max+ 395 tiene una iGPU Radeon 8060S bastante capaz para ser integrada. Puede jugar mucho mejor que una iGPU tradicional y acercarse a GPUs dedicadas de entrada en algunos escenarios. NVIDIA RTX Spark promete gaming 1440p en laptops delgadas y desktops compactos.

Pero seamos claros: si quieres jugar, una PC gamer con RTX 5070, RTX 5080 o RX 9070 XT te da mejor relación precio/rendimiento.

Estos equipos son para IA. Que puedan jugar es un extra. No el motivo de compra.

Comprar una Ryzen AI Halo Box para gaming sería como comprar una camioneta de trabajo para ir por pan porque tiene buen aire acondicionado.

¿A qué usuario va dirigido Ryzen AI Halo?

Sí tiene sentido para:

• desarrolladores de IA;
• desarrolladores de software que quieren agentes locales;
• freelancers técnicos;
• equipos pequeños;
• consultores;
• investigadores;
• universidades;
• labs;
• creadores técnicos;
• usuarios que trabajan con datos privados;
• quienes quieren Windows y Linux;
• quienes quieren evitar costos recurrentes de cloud;
• quienes quieren experimentar con modelos grandes.

No tiene sentido para:

• gamers;
• estudiantes con presupuesto limitado;
• oficina básica;
• edición ligera;
• usuarios que solo quieren “probar IA”;
• streamers casuales;
• quien no sabe qué modelo quiere correr;
• quien no tiene flujo de trabajo claro.

Si tu caso de uso es “quiero tener una máquina potente por si acaso”, esta no es tu máquina. Ese “por si acaso” cuesta cuatro mil dólares.

¿DGX Spark para quién?

DGX Spark tiene sentido para:

• desarrolladores CUDA;
• equipos que ya usan NVIDIA;
• IA profesional;
• fine-tuning;
• robótica;
• agentes;
• research;
• prototipos que luego migran a cloud/datacenter NVIDIA;
• empresas que priorizan soporte y ecosistema;
• usuarios que necesitan máxima compatibilidad con librerías de IA.

Si tu flujo ya vive en CUDA, DGX Spark es más natural. Puede costar más, pero te ahorra fricción.

Y en IA, la fricción también cuesta.

¿Ryzen AI Halo para quién?

Ryzen AI Halo tiene sentido para:

• quienes quieren alternativa AMD;
• usuarios que necesitan Windows y Linux;
• desarrolladores que valoran x86;
• quienes quieren 128 GB unificados por menos dinero;
• quienes quieren una caja compacta para inferencia local;
• quienes no dependen 100% de CUDA;
• quienes quieren experimentar con ROCm;
• usuarios que quieren más control y menos dependencia de NVIDIA.

AMD no necesita convencer al usuario que vive feliz en CUDA. Necesita convencer al usuario que quiere algo más flexible, más barato y suficientemente potente.

Precio: AMD gana, pero no por goleada

La diferencia aproximada es:

• AMD Ryzen AI Halo Developer Platform: US$3,999.99
• NVIDIA DGX Spark: US$4,699

AMD es unos US$700 más barata.

Eso importa. Con US$700 puedes comprar:

• SSD adicional;
• monitor;
• UPS;
• RAM/almacenamiento para otro equipo;
• periféricos;
• varias suscripciones o herramientas;
• parte de una GPU para otro build.

Pero en una compra profesional, US$700 no siempre decide. Si DGX Spark te ahorra tiempo por software, documentación y compatibilidad, puede justificar la diferencia.

Si eres usuario técnico independiente, AMD se ve mucho más atractiva. Si eres empresa o investigador en stack NVIDIA, DGX Spark probablemente sigue siendo la apuesta segura.

¿Puede llegar tarde AMD por culpa de RTX Spark?

Sí, ese es el riesgo.

Si RTX Spark llega este otoño con:

• laptops premium;
• desktops compactos;
• 128 GB unificados;
• Windows;
• CUDA;
• DLSS;
• RTX;
• buen precio;
• soporte OEM masivo;
• buena autonomía;
• experiencia pulida;

entonces AMD Ryzen AI Halo puede quedar apretada.

Porque una cosa es competir contra DGX Spark, un producto especializado y caro. Otra es competir contra una ola de laptops y mini PCs RTX Spark vendidos por ASUS, Dell, HP, Lenovo, Microsoft y MSI, con NVIDIA haciendo marketing a todo volumen.

AMD tiene una ventaja ahora: disponibilidad temprana, precio menor y x86 Windows/Linux. Pero necesita moverse rápido. Necesita software, guías, soporte, benchmarks reproducibles y disponibilidad real.

Si no, el usuario promedio va a escuchar “RTX Spark” y entenderlo más rápido que “Ryzen AI Halo Developer Platform con ROCm”. El nombre también juega. Y NVIDIA es muy buena poniendo nombres que suenan a que el futuro ya empezó.

Manzanas con manzanas: veredicto por categoría

Qué compraría yo

Si mi flujo depende de CUDA, TensorRT, PyTorch optimizado para NVIDIA, NIM o planeo escalar a cloud NVIDIA, compraría DGX Spark. No porque sea barato, sino porque reduce fricción.

Si quiero experimentar con IA local, correr modelos grandes, usar Windows/Linux, mantener costo más bajo y no dependo totalmente de CUDA, miraría muy en serio Ryzen AI Halo.

Si quiero jugar, no compraría ninguno. Armaría una PC gamer.

Si quiero esperar, miraría RTX Spark este otoño antes de decidir. Porque puede ser la jugada que cambie la conversación.

Qué modelos o productos vigilar

AMD / Ryzen AI Halo

• GMKtec EVO X3 Ryzen AI Max 395
• GMKtec EVO X2 Ryzen AI Max 395
• HP ZBook Ultra G1a Ryzen AI Max PRO 395
• Framework Desktop Ryzen AI Max 395
• Corsair AI Workstation 300 Ryzen AI Max 385

NVIDIA / DGX Spark / RTX Spark

• NVIDIA DGX Spark
• ASUS DGX Spark
• MSI DGX Spark

Accesorios útiles

• SSD NVMe 4TB
• NAS 10GbE
• Switch 10GbE
• UPS 1500VA
• Monitor 4K Productivity
• Keyboard Productivity
• Mouse Productivity

Conclusión

AMD Ryzen AI Halo Developer Platform es una respuesta real al NVIDIA DGX Spark. Tiene 128 GB de memoria unificada, Ryzen AI Max+ 395, Radeon 8060S, NPU XDNA 2, Windows/Linux, 10 GbE, Wi-Fi 7 y un precio inferior. Para desarrolladores independientes, equipos pequeños y usuarios técnicos que quieren IA local sin pagar tanto ni depender totalmente de NVIDIA, es una propuesta muy interesante.

Pero no hay que confundir interesante con universal.

Este equipo no es para jugar. No es para oficina. No es para comprarlo porque suena futurista. Es una mini workstation especializada para IA local, inferencia, agentes, prototipos, automatización, privacidad y desarrollo técnico.

Frente a DGX Spark, AMD gana en precio y flexibilidad. NVIDIA gana en ecosistema, CUDA, software, madurez y ruta profesional hacia cloud/datacenter. Y con RTX Spark llegando este otoño a laptops y desktops compactos, AMD tiene una ventana corta para convencer al mercado.

Mi veredicto final: Ryzen AI Halo no llega tarde, pero llega con prisa.

Si necesitas una workstation local de IA hoy, quieres Windows/Linux y no dependes de CUDA, AMD tiene sentido. Si tu trabajo vive en NVIDIA, DGX Spark sigue siendo más seguro. Si puedes esperar unos meses, RTX Spark puede cambiar el mapa.

Y si solo querías jugar Cyberpunk, aléjate de estas cajas y compra una GPU. Tu billetera y tus FPS te lo van a agradecer.