La computación óptica abre posibilidades, pero una demostración solo se convierte en ventaja empresarial cuando mejora el coste de una tarea completa.
Imagina que tu empresa encuentra una forma de generar imágenes con menos energía, pero necesita rehacer su aplicación para aprovecharla. ¿Sigue compensando el ahorro? Esa es la pregunta que conviene hacer ante la IA sin GPU, una búsqueda de alternativas a las unidades de procesamiento gráfico que también abre decisiones de negocio.
Para quien dirige una empresa tecnológica en España o América Latina, la oportunidad merece atención. Mi criterio para evaluarla es sencillo: exigir que la mejora sobreviva al recorrido completo entre la petición del cliente y un resultado que pueda utilizar.
La luz permite calcular; falta demostrar el negocio
Ilker Oguz presenta una propuesta de computación óptica en su intervención en Y Combinator, desde el minuto 22:23: aprovechar la propagación de la luz para generar imágenes mediante difusión. Estos modelos parten de ruido visual y lo van transformando hasta producir una imagen. La propuesta adapta ese proceso a un dispositivo óptico especializado.
El estudio de Oguz y sus colaboradores describe capas que modifican la luz para predecir el ruido que debe retirarse. También conserva herramientas digitales durante el entrenamiento, cuando se ajusta el modelo. Conviene distinguirlo de la inferencia: utilizar un modelo ya entrenado para obtener un resultado. Sustituir una parte del cálculo no equivale a eliminar las GPU de todo el proceso.
Hay una condición decisiva. Oguz explica que su comparación energética presupone capas ópticas pasivas y fijas, mientras que el prototipo emplea un dispositivo programable. Además, plantea demostrar un sistema completo a mayor escala. Para una empresa compradora, eso deja una pregunta abierta: cuánto del ahorro estimado se conservaría en una instalación que atienda su demanda real.
La prueba decisiva: retirar la pieza novedosa
Una demostración con neuronas biológicas ofrece una buena lección sobre cómo comprobar qué aporta una tecnología. Sean Cole cuenta que, en sus pruebas con Doom, el componente digital que traducía la actividad neuronal en acciones podía jugar incluso al anular las señales de las neuronas. Su equipo redujo ese componente y realizó pruebas para comprobar la aportación de las señales biológicas, según explica a partir de 1:10:54.
La pregunta es aplicable a cualquier oferta tecnológica: ¿qué mejora desaparece cuando retiramos la pieza que el proveedor destaca? Es una prueba de contribución. Permite distinguir qué parte del resultado depende de la novedad y cuánto trabajo realizan los componentes que la acompañan.
Si estás evaluando una solución, pide comparaciones con y sin esa pieza, manteniendo la tarea y el criterio de calidad. Un resultado llamativo gana valor cuando puedes identificar su causa. También ayuda a entender qué estarías pagando.
Del consumo eléctrico al coste por resultado
Pensemos en un caso hipotético: una empresa que prepara imágenes para catálogos de comercio electrónico. Su unidad de comparación podría ser cada imagen aceptada para publicación. Tendría que contar las propuestas descartadas, el tiempo de revisión y las correcciones necesarias para respetar el producto y la identidad visual del cliente.
Con ese criterio, una prueba útil debería responder a preguntas concretas:
- Calidad: ¿cuántos resultados cumplen los requisitos acordados sin repetir el trabajo?
- Tiempo: ¿cuánto tarda el proceso completo, incluidas las transferencias y la revisión?
- Coste: ¿qué suman el servicio, la integración, el mantenimiento y las horas del equipo?
Incluye situaciones incómodas: peticiones simultáneas, entradas difíciles y fallos que obliguen a repetir una operación. Define esas condiciones antes de probar la alternativa. Así evitarás comparar una demostración cuidadosamente preparada con las exigencias cotidianas de tu servicio.
También conviene separar eficiencia energética y precio de compra. Un proveedor podría consumir menos electricidad y mantener su tarifa; el ahorro para tu empresa dependería de las condiciones que ofrezca. Por eso, la competencia entre proveedores de inteligencia artificial merece leerse desde la posición del comprador: precio, calidad y facilidad para cambiar.
Prepararse sin hipotecar el producto
Para una empresa pequeña, explorar la IA sin GPU puede empezar con una prueba acotada. Elige una tarea repetitiva cuyo coste conozcas y fija cuánto tiempo puedes dedicarle. Si necesitas meses de adaptación antes de obtener una primera comparación, incorpora ese esfuerzo a la decisión desde el principio.
Procura que las reglas de tu servicio y los criterios de evaluación queden separados de la conexión con el proveedor. Guarda ejemplos representativos y resultados de referencia. Esa organización puede facilitar una sustitución, aunque cada alternativa seguirá requiriendo trabajo de integración y nuevas comprobaciones.
Hay una pregunta de equipo detrás de todo esto: quién mantendrá la solución cuando termine la prueba. Si buscas hacer crecer el negocio sin hacerlo todo por tu cuenta, necesitas responsabilidades claras, soporte y procedimientos que otra persona pueda seguir.
Y hay una pregunta comercial: qué mejora percibirá el cliente. Relaciona el experimento con tu modelo de captación de clientes: una entrega más rápida o un servicio que antes resultaba demasiado caro. Esa conexión ayuda a decidir qué prueba merece recursos.
La lección: compra resultados verificables
La computación óptica merece curiosidad porque propone aprovechar propiedades físicas distintas para tareas concretas. Los límites que sus investigadores explican también son información valiosa: permiten formular mejores preguntas y elegir pruebas razonables.
Antes de comprometer presupuesto, pide una comparación reproducible con tus datos, tu volumen de trabajo y tus requisitos de calidad. Acuerda qué resultado justificaría continuar y cuál obligaría a detener la prueba. Así tendrás una decisión que podrás explicar al equipo.
El ahorro empieza a ser una ventaja cuando puedes medirlo en una tarea que el cliente valora. Ese es un buen criterio para explorar tecnologías nuevas sin perder de vista el negocio que estás construyendo.
Un resultado llamativo gana valor cuando puedes identificar su causa.
El ahorro empieza a ser una ventaja cuando puedes medirlo en una tarea que el cliente valora.

Fuentes
- Y Combinator: ¿y si dejáramos de usar GPU? — Publicado el 2 de octubre de 2026. Computación óptica y generación de imágenes: intervención de Ilker Oguz desde 22:23. Pruebas sobre la contribución de las neuronas biológicas: explicación de Sean Cole desde 1:10:54.
- Modelos ópticos de difusión para generar imágenes — Investigación de Ilker Oguz y colaboradores, publicada en 2024. Describe el procesamiento óptico, el entrenamiento con herramientas digitales y las condiciones de evaluación del sistema.
- Transcripción de la conversación de Y Combinator sobre alternativas a las GPU — Transcripción automática consultada para contrastar las explicaciones y localizar las intervenciones. Las ideas se presentan mediante paráfrasis, sin citas textuales.
Innohub TV
Mira este contenido también en Innohub TV
Hemos seleccionado en Innohub TV los clips que siguen con este mismo tema.
Eficiencia energéticaEOI Escuela de Organización Industrial
No hay episodios.