Windows 11 está a punto de recibir una de las actualizaciones más importantes en su gestión interna del hardware: la posibilidad de controlar manualmente cómo se reparte la memoria unificada entre la CPU, la GPU y los aceleradores de Inteligencia Artificial.
Esta novedad, detectada en varias builds experimentales del Windows 11, apunta directamente a un futuro donde los PCs con memoria compartida serán cada vez más comunes, especialmente con la llegada de plataformas como NVIDIA RTX Spark y AMD Ryzen AI Max.
La gestión de memoria unificada llega a Windows: más rendimiento en juegos y tareas de IA
La clave de esta evolución es una función oculta llamada IntelligentCarveout, encontrada en la build 29648.1000 de Windows 11. Esta característica permitiría reservar una parte concreta de la RAM exclusivamente para gráficos o IA, creando un bloque de memoria que quedaría aislado del resto del sistema.
A diferencia de la memoria compartida tradicional, que Windows asigna dinámicamente según la carga, esta reserva sería fija y no estaría disponible para otras aplicaciones. Esto abre la puerta a optimizaciones muy específicas según el tipo de tarea que el usuario quiera ejecutar.
La memoria unificada no es nueva: Apple lleva años utilizándola en sus procesadores Apple Silicon, y plataformas como consolas, mini PCs y algunos portátiles ya trabajan con este modelo.
Windows Latest detectó referencias en la documentación interna de NVIDIA que apuntaban a que Windows tenía más control sobre cómo se reserva la memoria unificada para cargas gráficas y de IA – Foto: NVIDIA
Qué ventajas ofrece la memoria unificada
Windows 11 decide automáticamente cuánta memoria puede usar la GPU integrada o los aceleradores de IA, adaptándose a la mayoría de los escenarios habituales, pero que se queda corto en cargas de trabajo intensivas como videojuegos exigentes o modelos de IA con miles de millones de parámetros.
Con IntelligentCarveout, el usuario podría ajustar la cantidad de memoria reservada según sus necesidades. Por ejemplo, un creador que trabaje con modelos de IA locales podría aumentar la reserva para la NPU o la GPU, mientras que un jugador podría destinar más memoria a gráficos para mejorar la estabilidad y el rendimiento en títulos exigentes. En equipos con 64 o 128 GB de RAM unificada, como los futuros dispositivos con RTX Spark, esta flexibilidad puede marcar una diferencia enorme.
