ES
13 de noviembre de 2026 · Jakub M.
Nvidia sin Jensen Huang: qué significa para la IA local y los precios del hardware
El fundador de Nvidia, Jensen Huang, ha dejado la dirección de la empresa. Pero para quienes ejecutan inteligencia artificial en su propio hardware importa más otra cosa: las tarjetas gráficas y las estaciones de IA se encarecen sobre todo por la escasez de memoria, no por el cambio en la cúpula.
Qué ha pasado
El domingo 8 de noviembre, el consejo de administración de Nvidia anunció una investigación independiente sobre su consejero delegado. En un mensaje interno a los empleados, Jensen Huang reconoció una relación extramatrimonial. Según medios estadounidenses, el caso afecta también a su relación con una directiva de Megaspeed, una empresa de Singapur. Según estos medios, las autoridades estadounidenses sospechan que esta directiva tiene vínculos con la inteligencia china; China rechaza las acusaciones. Megaspeed fue uno de los grandes clientes extranjeros de Nvidia y le compró chips y otro hardware por casi 5.000 millones de dólares.
El consejo aceptó la dimisión de Huang el 11 de noviembre, con efecto inmediato, y la empresa la anunció un día después. La directora financiera, Colette Kress, dirige la compañía de forma interina, Harvey C. Jones ha pasado a presidir el consejo y se busca un sucesor permanente. Las acciones de Nvidia perdieron alrededor de un 17 % en cinco días y están en su nivel más bajo en más de un año.
Qué no cambia por ahora
La salida del consejero delegado no cambia nada en el funcionamiento de las tarjetas gráficas actuales, los controladores ni las herramientas de software, incluido CUDA. Quien hoy ejecuta modelos de IA en hardware de Nvidia no tiene motivos para cambiar nada de inmediato.
Los analistas coinciden en que el negocio tampoco cambia a corto plazo. Según Cody Acree, de StoneX, la hoja de ruta de productos de Nvidia está trazada hasta la generación Feynman en 2028, y no ve impacto en los ingresos hasta entonces. Raymond James considera exagerada la reacción del mercado. Goldman Sachs espera que Nvidia cumpla sus compromisos actuales, aunque advierte de que sin Huang será más difícil negociar nuevas grandes alianzas. Según Digitimes, los fabricantes de servidores de Taiwán prevén que la demanda a corto plazo se mantenga.
La salida de Jensen Huang es el mayor cambio en la dirección de Nvidia en más de tres décadas. Sin embargo, para quienes eligen hardware para ejecutar sus propios modelos de IA, llega en un momento en que el mercado ya es complicado de por sí. Los precios de la memoria suben, las tarjetas gráficas potentes escasean y cada vez más usuarios buscan alternativas a los equipos clásicos con GPU.
La causa principal: la memoria
El encarecimiento actual del hardware para IA local se debe sobre todo a la escasez de chips de memoria. Según The Wall Street Journal, los centros de datos de IA consumirán este año alrededor del 70 % de la producción de DRAM de gama alta. La memoria subió cerca de un 50 % a finales de 2025, y los analistas de TrendForce preveían otra subida de alrededor del 70 % para este año. Los fabricantes ya venden capacidad para 2027 y 2028 y no esperan un alivio notable antes de 2028. En los precios finales influyen también otros factores, como la demanda y la política de precios de los fabricantes.
Para la IA local, la memoria es clave. Su capacidad determina qué tamaño de modelo cabe en el equipo, y su ancho de banda, a qué velocidad responde.
Cuánto cuesta hoy el hardware para IA local
| Equipo | Memoria para IA | Precio | Tipo de precio |
|---|---|---|---|
| GeForce RTX 5090 | 32 GB (gráfica) | 1.999 USD | precio recomendado |
| GeForce RTX 5090 | 32 GB (gráfica) | ~6.000 USD | mercados en línea, noviembre de 2026 |
| Nvidia DGX Spark | 128 GB (compartida) | 6.950 USD | tarifa de Nvidia desde octubre de 2026 (en el lanzamiento, 3.999 USD) |
| Nvidia DGX Spark | 64 GB (compartida) | desde 4.999 USD | socios de Nvidia |
| AMD Ryzen AI Halo | 128 GB (compartida) | desde 3.999 USD | AMD, junio de 2026 |
| Mac Studio M5 Ultra | 256 GB (unificada) | 12.429 € | tarifa de Apple, Alemania |
La memoria gráfica de una tarjeta es mucho más rápida, pero pequeña: un modelo que no cabe debe dividirse o se ralentiza mucho. La memoria compartida y la unificada son más lentas, pero admiten modelos mucho mayores. Por eso ambas cifras no son directamente comparables.
Las tarjetas gráficas están entre los componentes más afectados. La RTX 5090 desapareció de las grandes tiendas de Estados Unidos ya en enero. Según GPU Poet, en noviembre se vendía por unos 6.000 dólares en mercados en línea, alrededor del triple de su precio recomendado. Según fuentes chinas, los fabricantes de tarjetas vuelven a subir precios en noviembre, casi 500 dólares en la RTX 5090 y la 5080.
Las estaciones de IA compactas con memoria compartida son la vía más asequible para modelos grandes, pero también se encarecen. La DGX Spark de Nvidia con 128 GB ha subido un 75 % desde su lanzamiento. AMD vende su propio ordenador Ryzen AI Halo con 128 GB desde 3.999 dólares. Esta primavera, Apple daba plazos de entrega de hasta cuatro o cinco meses para los Mac Studio con más memoria.
Qué mostró nuestra propia prueba
Comprobamos nosotros mismos hasta dónde se puede llegar con memoria compartida. Un Mac Studio M5 Ultra con 256 GB de memoria unificada ejecutó la versión de 4 bits de Qwen3.5, con 397.000 millones de parámetros. Ocupó unos 224 GB de memoria y generó alrededor de 62 tokens por segundo, sin cambiar ningún ajuste de macOS. Con un contexto de 128.000 tokens, la velocidad bajó a 44 tokens por segundo. Un modelo así no cabría ni de lejos en una sola tarjeta gráfica. Los detalles están en nuestra prueba de Qwen3.5 397B.
Qué puede cambiar en los próximos años
La salida de Huang añade incertidumbre sobre todo a largo plazo. Mucho depende de quién dirija Nvidia: un ingeniero probablemente mantendría el rumbo actual, mientras que un directivo externo podría priorizar los resultados a corto plazo. El caso Megaspeed ha abierto además la pregunta de si los chips de Nvidia llegan a China a través de otros países. Unos controles de exportación más estrictos afectarían sobre todo a los grandes clientes y, por ahora, no a los usuarios domésticos. Mientras tanto, AMD y Apple siguen reforzando el soporte de herramientas para IA local, y cualquier tropiezo de Nvidia les abre una oportunidad.
La primera gran prueba llega el 17 de noviembre, cuando Nvidia publique sus resultados trimestrales. La atención estará en los pedidos y en lo que la empresa diga sobre el suministro.
Qué significa para la IA local
No hay motivo para el pánico. El hardware que ya tienes sigue funcionando, y los nuevos productos de Nvidia siguen en su hoja de ruta. Pero comprar con prisa no compensa: una RTX 5090 cuesta hoy alrededor del triple de su precio recomendado, y la escasez de memoria no desaparecerá pronto.
También conviene no apostarlo todo a una sola plataforma. llama.cpp funciona en gráficas de Nvidia y AMD, en Apple Silicon y solo con el procesador. MLX nació para Apple Silicon, pero ya admite también CUDA. vLLM necesita un backend distinto para cada plataforma. Cambiar de plataforma no es gratis, pero es posible.
Pruébalo antes de comprar
Con equipos que cuestan miles de euros, conviene comprobar primero si tu modelo y tu carga de trabajo van lo bastante rápido. Puedes alquilar el Mac Studio M5 Ultra con 256 GB en el que hicimos la prueba desde un solo día.
Fuentes: NVIDIA Form 8-K (SEC), ABC News, CBS News, TipRanks, Investing.com, Digitimes, Windows Central (WSJ, TrendForce), GPU Poet, Dataconomy, TechRadar, Implicator, Digital Citizen, BGR. Precios a 13 de noviembre de 2026.