La industria de la inteligencia artificial no solo está transformando la forma en que construimos software, sino que también está redefiniendo el valor del hardware que teníamos guardado en un cajón. Si tienes una GPU antigua en casa, podría ser el momento de reconsiderar si merece la pena tirarla o, mejor dicho, venderla.

El fenómeno que los analistas del sector han bautizado como "RAMaggedon" —un híbrido de RAM y Armageddon— describe la tormenta perfecta que está sacudiendo los mercados de memoria y procesadores gráficos. La demanda insaciable de VRAM por parte de empresas de IA, startups y centros de datos ha encendido una carrera por hacerse con chips de memoria que antes se consideraban baratos o de segunda categoría.

Durante los últimos años, el mercado de GPUs de segunda mano vivía su propio invierno. La burbuja criptográfica había reventado, dejando miles de tarjetas gráficas usadas en el mercado a precios hundidos. Las GPUs de generaciones anteriores, como las Nvidia GeForce RTX 2000 o incluso las RTX 3000, veían cómo su valor se desplomaba conforme nuevos modelos llegaban al mercado y la fiebre del mining desaparecía.

Pero la irrupción masiva de la IA generativa ha cambiado las reglas del juego por completo. Modelos de lenguaje, herramientas de generación de imágenes y plataformas de inferencia requieren cantidades significativas de memoria de video para funcionar de manera eficiente. Un desarrollador que quiera ejecutar modelos como LLaMA o Stable Diffusion de forma local necesita, como mínimo, 8 GB de VRAM, y cuanto más complejo sea el modelo, más memoria se exige. Esto ha convertido a las GPUs de consumo con buena cantidad de VRAM en activos muy codiciados.

El efecto dominó es claro: la escasez de memorias HBM de alta gama, fabricadas exclusivamente por empresas como SK Hynix y Samsung para los chips de IA de última generación, ha encarecido toda la cadena de suministro de memoria. Los precios de las memorias GDDR6 y GDDR6X han subido de forma pronunciada, y con ellos, el valor de las GPUs que las incorporan. Tarjetas que hace doce meses se vendían por la mitad de su precio de lanzamiento ahora recuperan terreno en plataformas como eBay y MercadoLibre.

Para los profesionales del sector tecnológico en habla hispana, esta situación abre un interesante abanico de oportunidades. Quienes se dedican al desarrollo de modelos de IA, al entrenamiento de redes neuronales o incluso al trabajo con herramientas de computer vision pueden encontrar en una GPU de segunda mano una solución viable y significativamente más económica que adquirir un hardware de centro de datos. La tendencia sugiere que el valor de las GPUs con al menos 8 GB de VRAM seguirá al alza en los próximos trimestres.

Sin embargo, los expertos advierten que no todo es positivo. El encarecimiento del hardware gráfico de consumo puede frenar la innovación en comunidades de desarrolladores independientes y en pequeños laboratorios de investigación que no cuentan con los presupuestos de las grandes corporaciones. La democratización del acceso a la IA, uno de los pilares de los últimos años, corre el riesgo de verse comprometida si el coste del hardware se aleja del alcance de los creadores independientes.

La lección es clara: en un ecosistema tecnológico donde la IA dicta el ritmo, lo que ayer era obsoleto puede convertirse hoy en una pieza clave. Antes de desechar esa GPU antigua, conviene revisar sus especificaciones. En plena RAMaggedon, la memoria es oro, y las GPUs que la albergan también.