El impulso por la Inteligencia Artificial ya no sólo pasa por la promoción de Políticas Públicas de un país, sino que el mercado está haciendo lo suyo, incorporando a la IA en todo ámbito cotidiano. Esto está generando diversos efectos. Uno de ellos es la generación de una nueva economía del hardware.
La integración acelerada de la Inteligencia Artificial está tensionando la cadena de suministro de memoria y chips, disparando los precios de la RAM y generando un alza sostenida —aunque más moderada— en computadores y notebooks. Esta dinámica está redefiniendo el costo total de propiedad de los equipos y obliga a empresas y profesionales a repensar sus ciclos de reemplazo tecnológico.
La demanda de IA está encareciendo de forma directa los módulos DRAM de servidor porque concentra la oferta en data centers, empuja un nuevo “superciclo” de precios y obliga a los fabricantes a priorizar productos de mayor margen como HBM y DDR5 para IA. El resultado son módulos RDIMM y LRDIMM sensiblemente más caros, con subidas de doble dígito trimestre a trimestre y riesgo de que el coste se duplique hacia 2026.
Contexto: IA como nuevo “consumidor masivo” de hardware
Los grandes modelos de IA (LLM, entrenamiento de visión, inferencia en tiempo real) demandan servidores con cantidades descomunales de DRAM y HBM, convirtiendo a los data centers de IA en el principal comprador de memoria del mundo.
Un solo servidor de IA puede usar terabytes de memoria, y miles de estos equipos están siendo desplegados por los grandes proveedores de nube, drenando la oferta disponible para PCs, notebooks y smartphones.
Crisis de memoria RAM: el epicentro del problema
Los precios de DRAM han subido con fuerza: informes recientes hablan de aumentos de hasta 50% en 2025 y proyecciones similares hacia 2026, mientras algunos módulos DDR5 han más que duplicado su precio en pocos meses.
La demanda de IA llevó a que los precios spot de DRAM casi se triplicaran desde 2024, con DDR5 disparándose más de 300% desde septiembre de 2024, empujando a fabricantes como Samsung a subir precios entre un 30% y 60%.
Del servidor al escritorio: cómo se trasladan los costos
Los fabricantes de computadores y notebooks dependen de la misma base de memoria que consumen los data centers de IA; al subir el costo de DRAM, el costo de materiales de un notebook (BOM) aumenta de forma inmediata.
Se estima que los OEM están subiendo precios de laptops en torno al 10–15%, mientras el mercado de PCs podría contraerse hasta un 9% en 2026 precisamente por el encarecimiento de la RAM.
Gráfico: memoria vs precio de PCs
El siguiente gráfico ilustra, con un índice 2023=100, cómo los precios de la memoria DRAM/DDR5 se disparan mucho más rápido que los de PCs y notebooks entre 2023 y 2026.
La IA aumenta fuertemente la demanda de memoria en centros de datos porque cada nueva generación de modelos y GPUs necesita más HBM y más DRAM por servidor. Esto se multiplica cuando esos modelos se ofrecen como servicios masivos tipo ChatGPT, lo que dispara el número total de servidores cargados de memoria.
Ejemplos concretos por capa de memoria
Servidores con GPUs H100/H200
Una GPU NVIDIA H100 incorpora hasta 80 GB de memoria HBM3 de muy alta velocidad, mientras que la nueva H200 sube a 141 GB de HBM3e, casi el doble de capacidad por acelerador.
Un clúster de entrenamiento puede usar cientos o miles de estas GPUs, de modo que un solo centro de datos de IA acumula decenas de terabytes de HBM solo para alojar modelos de gran tamaño.
Modelos de lenguaje de gran tamaño (LLM)
Modelos de 13.000 millones de parámetros pueden requerir en torno a 8 GB de VRAM solo para la inferencia, mientras que modelos de 70.000 millones superan fácilmente los 100 GB y deben repartirse entre varias GPUs.
Para el entrenamiento, las guías técnicas estiman hasta 40 GB de VRAM por cada 1.000 millones de parámetros, de modo que un modelo de 7.000 millones puede necesitar unos 280 GB de memoria de GPU, empujando a arquitecturas distribuidas y más nodos por centro de datos.
DRAM de sistema en servidores de IA
Además de la HBM en las GPUs, cada nodo de IA suele incorporar entre 2 y 4 TB de DRAM DDR5 para CPUs y buffers, lo que multiplica el consumo de módulos de memoria de servidor frente a un servidor tradicional.
Análisis de mercado estiman que las cargas de trabajo de IA ya consumen cerca del 40% de la producción de memoria “premium” (HBM y DRAM de alto rendimiento) y podrían llegar a absorber alrededor del 20% de toda la capacidad global de obleas DRAM en 2026.
Plataformas de IA como servicio (ChatGPT, copilotos, etc.)
Servicios de inferencia masiva (chatbots, asistentes, motores de búsqueda con IA) requieren flotas completas de servidores con GPUs de alta memoria para mantener baja latencia para millones de usuarios concurrentes.
Esto lleva a que los grandes proveedores de nube dediquen presupuestos crecientes exclusivamente a memoria, hasta el punto que en algunos racks de IA se gastan decenas de miles de dólares mensuales solo en HBM y DRAM.
Reasignación de capacidad hacia IA
Grandes fabricantes (Samsung, SK hynix, Micron) están desviando capacidad de obleas desde DRAM “commodity” a HBM y DDR5 de alto rendimiento, porque los contratos con hyperscalers de IA pagan mejores márgenes y consumen hasta 3 veces más capacidad de wafer que la DRAM estándar.
Este cambio provoca escasez relativa de módulos de servidor convencionales: TrendForce calcula que los precios de DRAM convencional suben 8–13% por trimestre, y si se suma HBM la subida llega a 13–18% en 4Q 2025.
Empresas como OpenAI, Google o Microsoft están comprando cantidades enormes de estos componentes para sus centros de datos. El resultado es sencillo: menos stock para el mercado general y precios al alza.
Por tanto, si este año quieres un equipo PC o notebook “AI ready” con más RAM, mejores GPUs, tendrás que considerar un mayor costo base. No es culpa del IPC ni de la economía del país. Es culpa del desarrollo de la IA.
La pregunta final es: ¿tu estrategia de renovación tecnológica ya incorpora el ‘impuesto IA’ en hardware?
