LA PC
QUE NECESITA
LA INTELIGENCIA
ARTIFICIAL
Análisis técnico completo: qué componente hace qué, por qué importa y qué comprar hoy para IA local, LLMs y generación de imágenes.
// GPU · CPU · RAM · VRAM · NVMe · NPU · REFRIGERACIÓN · BUILDS 2026
POR QUÉ EL HARDWARE IMPORTA EN IA
La brecha entre un equipo correcto y uno incorrecto puede ser horas frente a segundos
Trabajar con inteligencia artificial no es como ejecutar un procesador de texto. Las herramientas de IA realizan millones de operaciones matemáticas por segundo: multiplicaciones de matrices, convoluciones, sumas vectoriales. Cada vez que un modelo genera una palabra hay miles de millones de operaciones de punto flotante en marcha.
La diferencia entre un equipo mal elegido y uno optimizado puede ser entre esperar 3 horas o hacerlo en 8 minutos. Para inferencia, la diferencia puede ser entre 2 tokens por segundo (inutilizable) y 45 tokens por segundo (tiempo real).
Las tres categorías de uso en IA
🗣️ INFERENCIA LOCAL
Ejecutar modelos ya entrenados (Llama, Mistral). Prioridad: VRAM y RAM. Un modelo de 7B cuantizado necesita ~4,5 GB de VRAM.
🎨 GENERACIÓN IMÁGENES
Stable Diffusion, Flux, SDXL. Prioridad: VRAM y CUDA cores. 8 GB mínimo viable; 16 GB recomendado.
🔬 FINE-TUNING / TRAINING
Entrenar modelos con tus propios datos. Prioridad: VRAM masiva. Requiere hardware de gama alta.
GPU — EL MOTOR PRINCIPAL
Sin una buena GPU cualquier inversión en IA es ineficiente. Es el componente que define todo.
La GPU nació para gráficos, pero su arquitectura de miles de núcleos pequeños en paralelo es perfecta para IA. Las GPUs NVIDIA incluyen Tensor Cores: unidades diseñadas exclusivamente para multiplicaciones de matrices en precisión reducida (FP16, BF16, INT8), exactamente las operaciones que dominan las redes neuronales.
Benchmarks reportados marzo 2026. Modelo cuantizado Q4_K_M.
GPUs recomendadas por presupuesto — marzo 2026
16 GB de VRAM, modelos hasta 10B cuantizados. Ideal para empezar.
Blackwell, 16 GB GDDR7, Tensor Cores 5ª gen. La compra más inteligente en 2026.
16–32 GB GDDR7. Para fine-tuning serio y modelos 30B+ en local.
CPU — EL DIRECTOR DE ORQUESTA
No entrena redes neuronales, pero decide cuán rápido llegan los datos a la GPU
La CPU coordina el sistema: preprocesa datos, tokeniza texto, gestiona transferencias PCIe y carga datasets. Una CPU débil crea un cuello de botella donde la GPU espera datos que la CPU no procesa suficientemente rápido. Esto es especialmente crítico en fine-tuning con datasets grandes.
AMD Ryzen — Reyes del multinúcleo
La tecnología 3D V-Cache añade caché L3 extra que reduce la latencia al acceder a datos. El Ryzen 9 9950X3D puede ser hasta un 40% más rápido en preprocesamiento.
| MODELO | NÚCLEOS | CACHÉ L3 | PRECIO |
|---|---|---|---|
| Ryzen 5 5500 | 6C/12T | 19 MB | ~90€ |
| Ryzen 7 9700X | 8C/16T | 32 MB | ~290€ |
| Ryzen 9 9950X | 16C/32T | 64 MB | ~580€ |
| Ryzen 9 9950X3D | 16C/32T | 144 MB | ~700€ |
Intel Core Ultra — Con NPU integrada
La serie Core Ultra 200 integra NPU nativa. Menor rendimiento multinúcleo que AMD, pero mejor integración con Windows 11 AI y Copilot.
| MODELO | NÚCLEOS | NPU TOPS | PRECIO |
|---|---|---|---|
| Core i5-14600K | 14C/20T | — | ~230€ |
| Core Ultra 7 265K | 20C/20T | 13 TOPS | ~350€ |
| Core Ultra 9 285K | 24C/24T | 13 TOPS | ~560€ |
| Core i9-14900KF | 24C/32T | — | ~480€ |
RAM — LA MEMORIA DE TRABAJO
32 GB mínimo. 64 GB recomendado. Quedarse sin RAM es quedarse sin trabajo.
La RAM actúa como mesa de trabajo entre el disco y los procesadores. En IA almacena los datasets mientras se procesan y actúa como extensión de la VRAM cuando los modelos no caben en la GPU (offloading).
DDR4 — Plataformas anteriores
~57 GB/s. Perfectamente válido si ya tienes el sistema. No justifica actualizar solo por la RAM.
DDR5 — PLATAFORMAS 2025–26
Hasta 89 GB/s. Diferencia real del 8–15% en preprocesamiento intensivo de datos para IA.
ALMACENAMIENTO NVMe
Carga un modelo de 8 GB en 1 segundo con NVMe, o en 53 segundos con un HDD
7.450/6.900 MB/s. Estándar del sector en 2026.
7.300 MB/s. Excelente en cargas sostenidas.
6.600 MB/s. Más que suficiente para inferencia.
NPU — EL ACELERADOR DE IA
El componente nuevo que redefine qué significa "PC con IA" en 2026
La NPU (Neural Processing Unit) está integrada en el procesador y se dedica exclusivamente a inferencia de redes neuronales. Su ventaja no es la potencia bruta sino la eficiencia energética: ejecuta tareas de IA ligeras consumiendo 5–10W frente a los 350–600W de una GPU de gama alta. Ideal para tareas que corren en segundo plano de forma continua.
AMD Ryzen AI Max+ 395
126 AI TOPS totales. GPU integrada con acceso a 96 GB de VRAM compartida. El chip más potente para IA integrada disponible.
Intel Core Ultra 200
13–36 TOPS de NPU. Mejor ecosistema Windows y soporte Copilot+. Ideal si no necesitas LLMs masivos.
Apple M4 Max
38 TOPS NPU + GPU integrada con hasta 128 GB de memoria unificada. Único portátil capaz de ejecutar modelos de 70B parámetros en local.
REFRIGERACIÓN Y ESTABILIDAD TÉRMICA
El hardware de IA trabaja al 100% durante horas. Sin refrigeración adecuada el rendimiento colapsa.
A diferencia del gaming, los trabajos de IA mantienen GPU y CPU al 100% de carga durante horas o días. Cuando el procesador supera su temperatura límite activa el thermal throttling: reduce su frecuencia automáticamente causando una pérdida de rendimiento del 20–40% que puede pasar completamente desapercibida.
Para CPU — Refrigeración líquida AIO
- Noctua NH-D15 — Mejor disipador de aire. ~90€
- ARCTIC Liquid Freezer III 280mm — Mejor calidad/precio. ~80€
- Corsair H150i Elite 360mm — Máxima exigencia. ~180€
Para GPU — Flujo de aire del chasis
- Fractal Design Meshify 2 / Lian Li Lancool III — Mejor airflow
- Noctua NF-A14 o be quiet! Silent Wings 4 — Top en ventiladores
- Thermal Grizzly Kryonaut — Pasta térmica profesional
VRAM — EL CUELLO DE BOTELLA
La memoria de vídeo es el factor limitante número uno en cualquier sistema de IA local
La VRAM es la memoria integrada en la GPU. Los Tensor Cores acceden a ella a 1.000–1.800 GB/s, frente a los 89 GB/s de la RAM DDR5. Pero tiene una capacidad fija e inamovible: no se puede ampliar después de comprar. Es la única decisión de hardware completamente irreversible.
FLUJO DE DATOS EN IA
Cómo cada componente colabora en tiempo real para generar una sola respuesta
Cuando escribes una pregunta a un modelo local y presionas Enter, esto es lo que ocurre en tu hardware en milisegundos:
NVIDIA vs AMD vs APPLE
Los tres ecosistemas para IA local: fortalezas, debilidades y cuándo elegir cada uno
| CARACTERÍSTICA | NVIDIA RTX (CUDA) | AMD Radeon (ROCm) | Apple Silicon (Metal) |
|---|---|---|---|
| Compatibilidad software IA | ✓✓✓ Nativa PyTorch/TF | ~ ROCm limitado | ~ MLX propio |
| VRAM gama alta | 32 GB (RTX 5090) | 24 GB (RX 7900 XTX) | 128 GB unificada |
| LLM 70B en local | ✗ Requiere 2× GPU | ✗ Insuficiente | ✓ Con 128 GB RAM |
| Stable Diffusion / Flux | ✓✓✓ Óptimo | ~ Funcional | ~ Lento sin CUDA |
| Fine-tuning / Training | ✓✓✓ Exclusivo | ~ Inestable | ✗ No recomendado |
| Eficiencia energética | ~ Aceptable | ~ Similar | ✓✓✓ Superior (ARM) |
| Precio por GB VRAM | ~ Medio-alto | ✓ Mejor €/GB | ✗ Muy caro |
| Veredicto IA 2026 | LA ELECCIÓN PRINCIPAL | Solo si presupuesto limita | Solo para LLMs 70B+ |
BUILDS RECOMENDADOS 2026
Tres configuraciones optimizadas según tu presupuesto y nivel de uso con IA
- CPURyzen 5 5600 / i5-13600K
- GPURTX 4060 Ti 16 GB
- RAM32 GB DDR4-3600
- SSD1 TB NVMe PCIe 4.0
- Fuente650W 80+ Gold
Llama 8B a ~30 t/s. Genera imágenes con SDXL. Perfecto para aprender y experimentar con IA.
- CPUAMD Ryzen 9 9950X
- GPURTX 5070 Ti 16 GB GDDR7
- RAM64 GB DDR5-5600
- SSD2 TB NVMe PCIe 4.0
- RefrigeraciónAIO 280–360mm
- Fuente850W 80+ Gold
Modelos 14B fluidamente. Fine-tuning básico. Mejor relación inversión/rendimiento del mercado en 2026.
- CPURyzen 9 9950X3D
- GPURTX 5090 32 GB GDDR7
- RAM128 GB DDR5-6000
- SSD4 TB NVMe PCIe 5.0
- RefrigeraciónAIO 420mm
- Fuente1.200W 80+ Platinum
El máximo del mercado consumidor en 2026. Fine-tuning avanzado, generación de vídeo con IA.
CONCLUSIÓN Y DECISIÓN FINAL
Los 7 principios del hardware para IA — resumen ejecutivo
LOS 7 PRINCIPIOS DEL HARDWARE PARA IA
- La GPU es el 70% de la inversión. No escatimes en GPU para gastar en CPU.
- La VRAM no se puede ampliar después. Elige siempre la GPU con más VRAM que tu presupuesto permita.
- 16 GB de VRAM es el mínimo real en 2026. Con 8 GB ya hay modelos actuales que no caben.
- NVIDIA y CUDA son el ecosistema de facto. AMD ROCm tiene compatibilidad muy limitada. No hay debate.
- 32 GB de RAM mínimo, 64 GB recomendado. La RAM actúa de colchón entre disco y VRAM.
- SSD NVMe PCIe 4.0 obligatorio. Cargar modelos desde HDD o SATA es inviable profesionalmente.
- La refrigeración determina el rendimiento sostenido. Thermal throttling = hasta 40% menos rendimiento durante horas.
PC PARA INTELIGENCIA ARTIFICIAL — GUÍA TÉCNICA 2026
Actualizada el 28 de marzo de 2026 · Benchmarks verificados · Precios orientativos mercado España