¿Por qué una memoria RAM, esa pieza casi invisible que hace que una notebook o un servidor respondan rápido, se ha convertido de pronto en un bien tan peleado? La respuesta no está en tu escritorio, sino en el centro de la carrera global por la inteligencia artificial.
Nvidia, la empresa que durante años fue asociada sobre todo a los videojuegos, terminó de ocupar una posición central en ese engranaje. Según un comunicado de la compañía, firmó un acuerdo multianual con SK Hynix para asegurarse acceso prioritario a su memoria más avanzada y acelerar el desarrollo de hardware para IA.
El hallazgo de fondo es más amplio: Nvidia ya no solo vende chips. También ordena el cableado de la cadena de suministro. Samsung, SK Hynix, TSMC y ASML orbitan alrededor de una demanda que hoy tiene nombres propios: H200, Blackwell B200 y la futura plataforma Vera Rubin.
Jensen Huang, CEO de Nvidia, ya había advertido en varias palabras públicas que la escasez de memoria y chips durará “bastantes años”. No es una alarma aislada. Es la señal de que el sistema funciona al límite.
Para entenderlo, sirve una imagen doméstica. La IA funciona cada vez más como una casa con electrodomésticos más potentes, pero con el mismo depósito de agua. Los chips son los motores. La memoria es la tubería que les lleva el caudal. Si un aparato nuevo consume mucho más, no alcanza con enchufarlo: hay que reforzar toda la instalación.
Eso es lo que está pasando con la IA generativa. El entrenamiento e inferencia, es decir, aprender de grandes cantidades de datos y luego responder en tiempo real, exigen enormes bloques de memoria avanzada. Por eso los H200 y Blackwell B200 son tan demandados y por eso Vera Rubin necesitará todavía más.
De hecho, entre el 60% y el 70% de la memoria HBM4, una memoria de alto ancho de banda (datos muy rápidos), de SK Hynix va para el Vera Rubin de Nvidia. La cifra revela quién está absorbiendo buena parte del stock global antes de que llegue al resto del mercado.
El interruptor que cambió de lugar
Además, el acuerdo no se limita a comprar piezas. Nvidia y SK Hynix quieren codesarrollar nuevas generaciones de memoria optimizadas para fábricas de IA, centros de datos diseñados para entrenar y ejecutar modelos a gran escala. Es un movimiento clave porque el hardware de este sector tiene ciclos largos y costos altísimos.
Aquí aparece otro mecanismo: usar inteligencia artificial para diseñar y fabricar semiconductores más rápido. En otras palabras, la industria está intentando que la propia IA ayude a construir su siguiente generación de chips, como si una fábrica empezara a ajustar sola sus cintas, válvulas e interruptores para producir antes.
SK Hynix incluso aspira a una planta casi autónoma hacia 2030, según reportes sobre cómo busca consiga automatizar su producción. Samsung también participa en iniciativas para acelerar el suministro. Pero eso no significa alivio inmediato.
Mientras Nvidia asegura memoria para Vera Rubin, para los chips RTX Spark y para la plataforma robótica Jetson Thor, la presión sobre el mercado general sigue creciendo. La pieza clave que alimenta a los centros de datos también es necesaria en muchos productos cotidianos.
Y ahí aparece la aplicación práctica para el usuario. Más tensión en el suministro suele traducirse en menos disponibilidad y precios más altos en RAM, placas, servidores y otros dispositivos electrónicos. No siempre se ve en el escaparate el primer día, pero termina filtrándose como una subida silenciosa en toda la instalación.
Nvidia entendió antes que muchos que en la era de la IA no gana solo quien diseña el mejor chip. Gana quien asegura la memoria, el silicio y la maquinaria que mantienen encendida la central. Y eso, aunque parezca lejano, puede definir cuánto costará la próxima computadora que entre en tu casa.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
