Guía de Compra de Hardware para IA

Qué cubre este artículo

• Por qué el hardware adecuado es importante para IA local.
• Qué componentes marcan la diferencia.
• Cómo se mide el rendimiento del hardware para IA.
• Dónde encontrar mini-PCs y GPUs apropiadas en Amazon.

Introducción

La IA local no necesita un cuarto de servidores. Para los primeros pasos, a menudo basta una máquina económica, una GPU usada o un mini-PC compacto. Si quieres comprar algo de inmediato, surge la pregunta: ¿qué debe ser capaz de hacer realmente el hardware? Esta sección resume recomendaciones de compra y explica qué importa en RAM, VRAM, procesadores y aceleradores de IA.

¿Por qué necesito un PC de IA adecuado?

Un modelo de lenguaje es un archivo grande. Para calcular respuestas a partir de él, debe cargarse en memoria y procesarse allí. Sin suficiente RAM o VRAM, los modelos más pequeños o menos cuantizados simplemente no caben. Con el hardware correcto, Ollama, LM Studio o un agente de IA funcionan fluidamente sin esperar constantemente a que finalicen los cálculos.

Si quieres trabajar en serio con IA local, conviene prestar atención desde el principio a memoria suficiente y una GPU o APU potente. Esto ahorra mejoras posteriores y frustración.

Componentes clave

Componente	Función	Aspectos importantes
CPU	Ejecuta la inferencia y el sistema operativo	Núcleos modernos, mucha caché
RAM	Almacena modelos en inferencia por CPU	Mínimo 16 GB, 32 GB mejor, 64-128 GB ideal
GPU/VRAM	Cálculo paralelo rápido	Mínimo 8 GB, 16 GB o más mejor
APU	CPU y GPU en un solo chip	Memoria unificada o compartida aprovecha RAM común
SSD	Almacenamiento rápido para modelos	500 GB o más, preferiblemente NVMe

Términos importantes

• TOPS/NTOPS - Tera Operations Per Second. Indica cuántas operaciones de cálculo puede realizar un procesador por segundo. Valores más altos significan inferencia de IA más rápida.
• APU - Accelerated Processing Unit: CPU y GPU en un chip, como en Apple Silicon o Ryzen AI Max.
• Unified Memory / Shared Memory - La memoria de acceso se comparte entre CPU y GPU. Importante para Apple Silicon y Ryzen AI Max.
• Cuantización - Reduce el tamaño del modelo y los requisitos de memoria. Permite modelos más grandes en hardware más pequeño.
• VRAM - Memoria de la tarjeta gráfica. Decisivo en inferencia por GPU.

Mini-PCs y GPUs recomendadas

Encontrarás mini-PCs adecuados, dispositivos Ryzen AI Max y GPUs para IA local en Amazon. Te recomiendo revisar regularmente, ya que los precios y disponibilidades cambian rápidamente.

Contenidos

• PC de IA para principiantes - Guía de compra detallada con rangos de precio, variantes y modelos concretos.
• PC de IA gama media - Más potencia para modelos de 13B a 30B, entre 1000 y 2500 EUR.
• Estación de trabajo de IA - Máxima potencia para modelos de 70B+, dual-GPU y builds de alta gama.
• PC para Ollama - Hardware óptimo para Ollama con propuestas de configuración.
• PC para agentes de IA - Hardware para sistemas multi-agente y modelos en paralelo.
• PC para RAG - Hardware para bases de datos vectoriales, modelos de embedding y pipelines RAG.
• PC para generación de imágenes - Stable Diffusion, Flux y ComfyUI con recomendaciones de GPU.
• Mac mini para IA - Ordenador compacto de Apple para IA con M4, M4 Pro y M4 Max.
• Mac Studio para IA - Estación de trabajo de Apple para modelos de 70B+ con hasta 192GB de Unified Memory.
• GPU usada para IA - Potencial de ahorro, riesgos y qué tarjetas merece la pena.
• Mini-PC para IA - Ordenadores compactos: Ryzen AI Max, Intel NUC y Mac mini.

Preguntas frecuentes

¿Necesito una tarjeta gráfica cara de inmediato?

No. Para los primeros experimentos, a menudo basta la CPU o una GPU económica. Solo cuando quieras que modelos más grandes se ejecuten rápidamente vale la pena invertir en más VRAM.

¿Qué significa NTops?

NTops significa Nano o Tera Operations Per Second. Mide cuántas operaciones de cálculo puede realizar un chip para tareas de IA por segundo. Normalmente ves TOPS, es decir, billones de operaciones por segundo.

¿Dónde encuentro conceptos básicos de hardware?

En Conceptos básicos de hardware de IA explicamos RAM, VRAM y otros términos.