Apple está en conversaciones activas con PrismML, una empresa derivada de Caltech respaldada por Khosla Ventures, para evaluar la tecnología que puede reducir los potentes modelos de IA lo suficiente como para ejecutarse directamente en un iPhone, transformando potencialmente la forma en que Apple Intelligence procesa las solicitudes en sus dispositivos.

CNBC informó por primera vez el 14 de julio de 2026 que Apple está evaluando la tecnología de compresión de modelos de PrismML, que según la startup puede reducir los tamaños de los modelos de IA mediante factores de orden de magnitud utilizando arquitecturas de precisión de bits extremadamente bajos. PrismML confirmó las discusiones en un comunicado a AppleInsider el mismo día.

Para conocer los últimos desarrollos de la industria de la IA y análisis tecnológicos, AI Buzz Wire cubre las herramientas que están remodelando el panorama.

El gran avance: ejecutar Qwen 3.6 en un iPhone

Según Buscando Alpha, PrismML comprimió con éxito el modelo de lenguaje grande Qwen 3.6 de código abierto de Alibaba para ejecutarlo en el iPhone 17 Pro, un hito descrito como la ejecución del modelo de inteligencia artificial más grande jamás creado en un teléfono inteligente de consumo. La startup dice que su tecnología utiliza hasta 15 veces menos memoria que las arquitecturas de modelos convencionales.

El enfoque de PrismML se centra en arquitecturas de redes neuronales ternarias y de 1 bit. En los modelos de IA tradicionales, cada parámetro de peso se almacena como un número de punto flotante de 16 o 32 bits. En cambio, PrismML almacena pesos con una precisión extrema de bits bajos, como valores binarios (+1, -1) o valores ternarios (+1, 0, -1), lo que reduce drásticamente la huella de memoria sin sacrificar gravemente el razonamiento o las capacidades generativas.

Esta no es una simple cuantificación, la técnica ampliamente utilizada para reducir la precisión en un modelo ya entrenado. Las arquitecturas de PrismML están diseñadas desde cero para operaciones de bits bajos, lo que, según la compañía, preserva la calidad del modelo mucho mejor que los métodos de compresión posteriores al entrenamiento.

Por qué Apple quiere IA en el dispositivo

El avance informado ha atraído la atención de Apple a medida que la compañía expande su plataforma Apple Intelligence. La ejecución de modelos de IA más grandes directamente en iPhones permitiría operar más funciones en el dispositivo en lugar de a través de los servidores Private Cloud Compute de Apple, que actualmente manejan solicitudes complejas de IA.

Los beneficios son dobles. En primer lugar, el procesamiento en el dispositivo mejora la privacidad del usuario al mantener los datos en el teléfono en lugar de transmitirlos a servidores en la nube, un diferenciador central que Apple ha enfatizado desde el lanzamiento de Apple Intelligence. En segundo lugar, reduce los costos operativos de Apple al disminuir la dependencia de una costosa infraestructura en la nube y la capacidad del centro de datos necesaria para atender a cientos de millones de usuarios de iPhone.

MacRumors señala que la tecnología podría permitir a Apple ofrecer funciones de inteligencia artificial más sofisticadas, como generación de texto avanzada, tareas de razonamiento complejas e interacciones Siri más ricas, sin requerir una conexión de red ni consumir una batería significativa.

Impacto potencial en el mercado de chips de IA

Si las afirmaciones de PrismML se confirman en las pruebas del mundo real, las implicaciones podrían extenderse mucho más allá de Apple. CNBC informa que la tecnología podría remodelar la demanda de chips de memoria y computación de centros de datos, a medida que más procesamiento de IA se traslada de la nube a los dispositivos de consumo.

Actualmente, la industria de la IA está gastando cientos de miles de millones de dólares en infraestructura de centros de datos, GPU Nvidia y memoria de gran ancho de banda para entrenar y dar servicio a grandes modelos de lenguaje. Si los modelos pueden comprimirse drásticamente para su uso en dispositivos, parte de esa demanda podría desplazarse hacia chips informáticos de vanguardia y alejarse de los centros de datos centralizados.

Sin embargo, los analistas advierten que entrenar modelos de IA seguirá requiriendo recursos informáticos masivos, independientemente de la eficiencia con la que se puedan comprimir para realizar inferencias. La tecnología de compresión aborda la implementación y la inferencia, no la fase de entrenamiento, que sigue siendo la parte más intensiva en computación del proceso de IA.

Antecedentes y financiación de PrismML

PrismML es una startup de IA y un laboratorio de investigación surgido del Instituto de Tecnología de California. La empresa ha sido pionera en arquitecturas de redes neuronales de bits bajos comercialmente viables, un área que ha despertado un importante interés académico pero un despliegue comercial limitado hasta ahora.

La startup cuenta con el respaldo de Khosla Ventures, la destacada firma de capital de riesgo conocida por sus primeras inversiones en empresas de tecnología transformadora. The Information informó por primera vez sobre el avance de PrismML el 9 de julio, describiéndolo como ejecutando el modelo de IA más grande jamás creado en un iPhone.

La conexión con Caltech es significativa. La investigación académica sobre redes neuronales binarias y ternarias ha estado activa durante años, pero traducir estas técnicas en sistemas de calidad de producción que igualen el rendimiento de los modelos estándar ha resultado extraordinariamente difícil. La afirmación de viabilidad comercial de PrismML, validada mediante la ejecución de un modelo tan grande como Qwen 3.6 en hardware de consumo, representa un importante paso adelante.

Panorama competitivo

Apple no es el único que apuesta por la IA en los dispositivos. Qualcomm ha estado mejorando las capacidades de IA en los dispositivos a través de sus procesadores Snapdragon, Google ha integrado modelos en los dispositivos en los teléfonos Pixel y Samsung se ha asociado con Google para llevar Gemini Nano a los dispositivos Galaxy. Sin embargo, la mayoría de los modelos de dispositivos actuales son relativamente pequeños, normalmente entre 1.000 y 3.000 millones de parámetros.

La tecnología de PrismML, si se demuestra a escala, podría permitir que modelos mucho más grandes (potencialmente de decenas de miles de millones de parámetros) funcionen en teléfonos inteligentes, cambiando fundamentalmente la dinámica competitiva. Esto le daría a Apple una ventaja significativa sobre sus rivales que dependen más del procesamiento de inteligencia artificial basado en la nube.

TrendForce señala que el hito de PrismML "refleja el impulso más amplio de Apple para ejecutar la IA directamente en los dispositivos en lugar de depender de la infraestructura de la nube". La firma de investigación de mercado sugiere que una compresión exitosa en el dispositivo podría acelerar el cambio hacia la IA de vanguardia en toda la industria de la electrónica de consumo.

¿Qué viene después?

Según se informa, las conversaciones de Apple con PrismML se encuentran en la fase de evaluación, lo que significa que las empresas están evaluando si la tecnología cumple con los estándares de rendimiento y confiabilidad de Apple. No hay garantía de que la asociación resulte en un producto comercial y Apple no ha comentado públicamente sobre las discusiones.

Si la tecnología se integra en futuros productos de Apple, podría aparecer en actualizaciones de iOS o en nuevas generaciones de hardware. El iPhone 17 Pro, que PrismML utilizó para su demostración, ya presenta importantes capacidades de procesamiento neuronal a través del Neural Engine de Apple.

La pregunta más amplia es si las arquitecturas de IA de bajo bit se convertirán en un estándar de la industria o seguirán siendo una optimización de nicho. Por ahora, los resultados de PrismML sugieren que el enfoque ha cruzado un umbral crítico, y el interés de Apple indica que la tecnología se está tomando en serio en los niveles más altos de la industria de la electrónica de consumo.

Manténgase por delante de la IA

Para obtener una cobertura completa del hardware de IA, la optimización de modelos y los desarrollos de la industria, visite AI Buzz Wire.

Leer más noticias sobre IA →