El aumento del coste de las tarjetas gráficas está dificultando que los usuarios de PC construyan sistemas capaces de ejecutar modelos de IA localmente. Los aficionados que buscan una tarjeta potente tanto para jugar como para experimentar con IA local se enfrentan a precios más altos en el hardware nuevo y usado.
Según cifras de Price Squirrel citadas a través de Reddit, los precios de las tarjetas gráficas han aumentado más de un 30 % en los últimos tres meses. Se informa de que la RTX 5090 ha duplicado su precio, mientras que los modelos más antiguos también se han encarecido. Por ejemplo, las tarjetas RTX 3090 usadas se anuncian por encima de los 1.000 € en plataformas como Wallapop, aunque los precios de los anuncios no reflejan necesariamente las ventas completadas.
La presión no se limita a las tarjetas gráficas de consumo. El artículo atribuye parte del problema a que los fabricantes están dando prioridad a la memoria de gran ancho de banda, o HBM, para los aceleradores de IA, por encima de la memoria GDDR utilizada en las tarjetas gráficas. A empresas como Samsung, SK Hynix y Micron puede resultarles más rentable producir componentes para el mercado de la IA, lo que reduce la oferta disponible para el hardware de consumo y contribuye a unos precios más elevados.
Los centros de datos también afrontan un aumento de los costes de los componentes, pero sus acuerdos de compra de grandes volúmenes y a largo plazo pueden ayudar a reducir parte de ese impacto. Los compradores individuales no tienen el mismo poder de negociación, por lo que los jugadores y los usuarios de IA local están más expuestos a las subidas de precios.
Esta situación también afecta al acceso a la IA local. Las tarjetas gráficas, especialmente los modelos RTX de Nvidia debido a su compatibilidad con CUDA, pueden ejecutar directamente en un ordenador personal una variedad de modelos abiertos. Sin embargo, el mayor coste inicial significa que algunos usuarios están abandonando sus planes de construir sistemas para realizar inferencias locales y, en su lugar, tienen más probabilidades de depender de servicios en la nube.
OpenAI, xAI y Anthropic podrían beneficiarse indirectamente de esta tendencia porque sus servicios se ejecutan en servidores de las empresas. El artículo contrapone este enfoque al de proveedores como DeepSeek y Z.ai, que ponen los modelos a disposición de forma abierta y también ofrecen acceso en la nube.
El director ejecutivo de OpenAI, Sam Altman, describió recientemente la inferencia local como «una asignación terrible de recursos escasos». La declaración refleja el desacuerdo sobre dónde debería ejecutarse la IA: en una infraestructura centralizada operada por grandes empresas o en el propio hardware de los usuarios. A medida que las tarjetas gráficas se vuelven menos asequibles, aumenta el coste de elegir la opción local, lo que deja a los consumidores con menos alternativas prácticas.
Fuentes: Xataka.