La tecnología SOT-MRAM (memoria magnetorresistiva de par spin-órbita) demostró una reducción del 60% en el consumo energético de sistemas de inteligencia artificial, según pruebas realizadas por investigadores de la Universidad de Minnesota en colaboración con Samsung Electronics. El avance representa una oportunidad para empresas tecnológicas que enfrentan costos operativos crecientes en centros de datos y aplicaciones de machine learning.
Para los directivos del sector tecnológico en México y el mundo, este desarrollo podría significar menores costos de infraestructura y mayor competitividad en proyectos de IA empresarial. La demanda de capacidad de cómputo para inteligencia artificial generativa ha disparado el gasto energético de los centros de datos, convirtiendo la eficiencia en un factor crítico de rentabilidad.
Cómo funciona la tecnología SOT-MRAM
La memoria SOT-MRAM utiliza corrientes eléctricas para manipular la orientación magnética de los electrones, almacenando datos sin necesidad de mantener energía constante. A diferencia de la memoria RAM convencional, que requiere electricidad permanente para conservar información, esta tecnología retiene los datos incluso sin alimentación eléctrica.
TAMBIÉN LEE. Samsung Wide View duplica brillo en plegables: qué cambia para 2027
Resultados de las pruebas con Samsung
Los investigadores de la Universidad de Minnesota integraron chips SOT-MRAM en sistemas de prueba que ejecutaban cargas de trabajo típicas de redes neuronales. Los resultados mostraron una disminución del 60% en el consumo total de energía comparado con arquitecturas basadas en memoria SRAM tradicional. 
Samsung Electronics, socio industrial del proyecto, proporcionó los prototipos de los chips utilizados en las pruebas. La compañía surcoreana ha invertido en el desarrollo de memorias no volátiles como parte de su estrategia para liderar el mercado de semiconductores para inteligencia artificial.
El equipo de investigación también reportó mejoras en la velocidad de escritura de datos, alcanzando tiempos de nanosegundos que permiten operaciones en tiempo real para aplicaciones de IA.
TAMBIÉN LEE. Princeton Critical Minerals recauda 16 MDD para producción de litio
Impacto en centros de datos y costos operativos
Los centros de datos dedicados a inteligencia artificial consumen cantidades masivas de electricidad. Según estimaciones de la industria, el entrenamiento de un solo modelo de IA generativa puede requerir tanta energía como el consumo anual de cientos de hogares.
La adopción de SOT-MRAM podría reducir significativamente estos costos operativos. Para empresas que operan infraestructura de cloud computing y servicios de IA, cada punto porcentual de ahorro energético se traduce en millones de dólares anuales.
Los principales proveedores de servicios en la nube como Amazon Web Services, Microsoft Azure y Google Cloud han manifestado interés en tecnologías que reduzcan su huella energética, tanto por razones económicas como por compromisos de sustentabilidad corporativa.
Retos para la comercialización masiva
A pesar de los resultados prometedores, la tecnología SOT-MRAM enfrenta obstáculos antes de llegar al mercado masivo. El principal reto es escalar la producción a niveles industriales manteniendo costos competitivos frente a las memorias DRAM y SRAM establecidas.
Los investigadores estiman que la comercialización a gran escala podría ocurrir en un horizonte de tres a cinco años, dependiendo de las inversiones que realicen fabricantes de semiconductores. Samsung ya cuenta con líneas de producción para memorias MRAM de primera generación, lo que facilita la transición hacia la variante SOT.
Otro factor crítico es la compatibilidad con las arquitecturas de procesadores existentes. Las empresas que desarrollan chips para IA, como NVIDIA y AMD, tendrían que adaptar sus diseños para aprovechar las ventajas de la nueva tecnología.
Oportunidad para el sector tecnológico
El mercado global de semiconductores para IA continúa en expansión acelerada. Las empresas que logren integrar tecnologías de bajo consumo energético tendrán ventaja competitiva en un entorno donde los costos de electricidad representan una porción creciente del presupuesto operativo.
Para los directivos tecnológicos que evalúan inversiones en infraestructura de IA, el desarrollo de SOT-MRAM señala una tendencia clara: la eficiencia energética será diferenciador clave en los próximos años. Las empresas que anticipen esta transición y establezcan relaciones con proveedores de memorias avanzadas estarán mejor posicionadas para capturar valor en el mercado de inteligencia artificial empresarial.
