El 22 de agosto de 2026 Bloomberg publicó que Nvidia avisó a algunos de sus mayores clientes: los servidores de inteligencia artificial van a costar más de un 15% adicional en muchos casos, y eso vale para los sistemas Grace Blackwell y Vera Rubin entregados a comienzos de 2027. El aviso llegó a las grandes compradoras a través de los fabricantes que montan los servidores, y el tamaño de cada ajuste depende de la generación del chip y de la configuración de memoria.
Durante dos años, casi toda noticia sobre el costo de la IA fue en la misma dirección: más barato. Esta va en la dirección contraria — y por un motivo que no tiene nada que ver con inteligencia artificial. Es falta de memoria.
Por qué sube: la memoria pasó a ser casi un tercio de la máquina
Un rack Vera Rubin VR200 tiene una lista de materiales de cerca de US$ 2,1 millones. La memoria, que ya fue una porción pequeña de esa cuenta, llegó a cerca del 29% — algo cercano a US$ 609 mil solo en memoria, cuando el objetivo de la propia Nvidia es quedarse alrededor del 20% del costo del sistema.
La salida que apareció en los reportes fue recortar capacidad: la memoria SOCAMM de la CPU Vera caería de cerca de 55 terabytes a 28 terabytes por rack, manteniendo la HBM4 de la GPU en 20,7 terabytes. Es decir, además de más caro, el sistema entregado puede venir con menos memoria de la que preveía el proyecto original.
El telón de fondo es el mercado de memoria. TrendForce proyectó un alza de 58% a 63% en el precio de contrato de la DRAM convencional en el segundo trimestre de 2026, y prevé otro 13% a 18% en la DRAM de servidor en el tercero. No es un repunte de un trimestre: la consultora espera aumentos sucesivos hasta la segunda mitad de 2027, aunque a un ritmo decreciente.
Y Nvidia optó por trasladarlo. La empresa opera con un margen bruto no-GAAP del 75,0% — ese fue el número del primer trimestre del año fiscal 2027, y la proyección para el trimestre siguiente era el mismo nivel. O sea, el aumento no es una empresa apretada compartiendo el dolor con el cliente; es una decisión de preservar margen.
¿Esto contradice lo que escribimos hace un mes?
No, y la diferencia es el punto de este texto. En julio publicamos que el precio de la IA cayó un 80% en tres semanas. Sigue siendo verdad — pero son dos cuentas distintas.
El precio del token, que es lo que tu empresa paga para usar el modelo, baja por software: modelos más eficientes, cuantización, enrutamiento, competencia entre proveedores. El precio del metal, que es lo que el proveedor paga para tener la máquina, sube por escasez física de un componente que nadie fabrica de un día para otro.
Las dos curvas convivieron hasta ahora porque la caída de software fue más rápida que el alza de hardware. La noticia de Nvidia es la primera señal clara de que la segunda curva empezó a apretar. Eso no significa que tu factura vaya a subir un 15% en enero — significa que el margen que venía empujando los precios hacia abajo se hizo más chico.
La cláusula que separa a quien se protege de quien paga
Acá está la parte que casi nadie comenta y que es la más útil para una empresa mediana.
La propia TrendForce explica que varios proveedores de nube estadounidenses firmaron acuerdos plurianuales de suministro, y que esos acuerdos impiden a los fabricantes de memoria subirles el precio. La consecuencia es directa: el aumento no se distribuye de forma pareja. Se concentra en quien no tiene contrato largo.
La misma lógica baja por toda la cadena. Quien compra rack negocia directo con el proveedor de memoria; quien compra API de un proveedor grande está protegido por el contrato de ese proveedor hasta el día en que deje de estarlo; y quien contrató un sistema con IA integrada a un pequeño integrador está en la punta más frágil de esa fila, porque no tiene ningún contrato fijando nada.
La pregunta práctica no es “¿la IA va a ser más cara?”. Es “¿en qué escalón de esa escalera estoy, y mi precio está fijado por cuánto tiempo?”
Tres decisiones que esto cambia en tu empresa
1. Leer lo que dice tu contrato sobre el ajuste. No el precio de lista — la cláusula. El precio de tabla de la IA es lo que menos importa en un mercado que cambió tres veces en doce meses. Lo que importa es si hay plazo fijo, cuál es el índice de ajuste, con cuánta anticipación puede avisar el proveedor y qué pasa si cambia el modelo por debajo del contrato.
2. Saber cuánto de tu costo es IA, de verdad. En la mayoría de los proyectos que entregamos, el gasto en el modelo es la línea más chica de la cuenta — el dinero está en integración, en dato organizado y en quien cuida del sistema después. Si la IA es el 6% de tu costo, un aumento del 15% en ella mueve menos del 1% del total, y esa cuenta calma la decisión. Si no sabes la proporción, el aumento parece mayor de lo que es.
3. Tener un segundo proveedor configurado, no solo pensado. Cambiar de modelo tiene que ser barato. Eso significa prompts que no dependan de un único proveedor, evaluación propia con tareas reales y un plan B que ya corrió al menos una vez. Quien tiene eso negocia; quien no lo tiene, acepta.
¿Quieres saber dónde la IA se paga primero en tu negocio — y dónde solo suma costo?
Hacemos ese diagnóstico antes de escribir una sola línea de código.
La otra cara de la misma moneda: la memoria también decide en el celular
Ese mismo fin de semana, Artificial Analysis publicó, en alianza con Liquid AI, una medición independiente de modelos pequeños corriendo dentro del aparato, en iPhone 17 Pro y Galaxy S26 Ultra.
El resultado interesa porque muestra la misma restricción del otro lado. El LFM2.5-2.6B empata en el primer puesto con 63 puntos respondiendo a un pedido de 1.024 tokens en 8,0 segundos y usando 2,3 GB de memoria, mientras que modelos de 9 mil millones de parámetros tardan más de 25 segundos y 6,9 GB para llegar a una nota parecida.
Y el ranking entero cambia según la memoria disponible: con el contexto limitado a 16 mil tokens, un modelo queda cuarto; con 64 mil, sube. Solo que una ventana de 64 mil tokens no cabe en la memoria de un celular, y a la velocidad medida generar esa cantidad llevaría más de 20 minutos y bastante batería.
Es la misma lección en dos escalas: lo que decide qué es posible no es el tamaño del modelo, es la memoria disponible en la máquina que va a ejecutarlo. En el centro de datos eso se volvió precio; en el celular, límite.
Lo que no se puede concluir de acá
Vale marcar las fronteras, porque los titulares de precio suelen prometer más de lo que el dato sostiene.
- El aviso es sobre servidores entregados en 2027, no sobre la factura de tu suscripción del mes que viene.
- Un ajuste de hardware no se convierte en ajuste de API en la misma proporción — en el medio hay contrato, competencia, eficiencia de modelo y la decisión comercial de cada proveedor.
- Nvidia no comentó públicamente el asunto, y los porcentajes vinieron de reportes de mercado, no de una tabla publicada.
- La escasez de memoria tiene historial de ciclo: aprieta, atrae inversión en fábricas y afloja. Lo que nadie sabe es cuándo.
El resumen honesto
El abaratamiento de la IA nunca fue una ley de la naturaleza — fue el software corriendo más rápido que el hardware. Esa ventaja se achicó.
Para una empresa que usa IA, la respuesta no es postergar el proyecto esperando un precio mejor. Es dejar de tratar el precio como criterio principal y mirar lo que sobrevive a un aumento: contrato con plazo, costo total conocido y libertad para cambiar de proveedor sin rehacer todo. Quien organizó eso atraviesa el alza quejándose; quien ató todo a un proveedor por el precio de la promoción, la atraviesa rehaciendo.
Fuentes
- Bloomberg — “Nvidia Customers Notified About AI-Related Price Hikes Above 15%” (22 de agosto de 2026).
- TrendForce — proyecciones de precio de contrato de DRAM (31 de marzo y 9 de julio de 2026).
- NVIDIA — resultados del primer trimestre del año fiscal 2027 (margen bruto no-GAAP).
- Artificial Analysis y Liquid AI — medición de modelos pequeños en dispositivos móviles (24 de agosto de 2026).
Preguntas frecuentes
¿Mi suscripción de IA va a costar un 15% más?
No es eso lo que se anunció. El aviso de Nvidia es sobre el precio de los servidores entregados a comienzos de 2027, comprados por grandes proveedores de nube. Entre ese costo y tu factura hay contrato, competencia y ganancia de eficiencia de los modelos. Lo que cambia es la dirección: el margen que venía empujando los precios hacia abajo se hizo más chico.
¿Por qué los servidores de IA se están encareciendo?
Por la memoria. En un rack Vera Rubin VR200, la memoria llegó a cerca del 29% de una lista de materiales de aproximadamente US$ 2,1 millones, cuando el objetivo de Nvidia es quedarse cerca del 20%. TrendForce proyectó un alza de 58% a 63% en el precio de contrato de la DRAM convencional en el segundo trimestre de 2026 y prevé otro 13% a 18% en la DRAM de servidor en el tercero.
¿Esto contradice la noticia de que el precio de la IA cayó un 80%?
No, son dos cuentas distintas. El precio del token baja por software — modelos más eficientes, cuantización, competencia. El precio del hardware sube por escasez física de memoria. Las dos curvas convivieron porque la caída de software era más rápida; ahora el alza de hardware empezó a apretar.
¿Qué debería hacer mi empresa ahora?
Tres cosas: leer la cláusula de ajuste del contrato en vez de mirar solo el precio de lista; calcular qué porcentaje del costo del proyecto es de hecho el modelo de IA, que suele ser la línea más chica; y dejar un segundo proveedor configurado y probado, para que cambiar sea barato.
¿Conviene postergar un proyecto de IA por el aumento?
En general no. El gasto en el modelo suele ser la parte más chica del costo de un proyecto — la mayor parte es integración, organización del dato y mantenimiento. Postergar no reduce esas líneas y encima retrasa el retorno. Lo que conviene es elegir un proyecto que termine y medir el resultado.
¿Los modelos pequeños corriendo en el propio aparato resuelven el problema?
Resuelven una parte, y solo para algunas tareas. La medición de Artificial Analysis con Liquid AI muestra que un modelo de 2,6 mil millones de parámetros responde en 8 segundos usando 2,3 GB en un iPhone 17 Pro, con una nota igual a la de modelos bastante mayores. Pero la memoria del aparato limita el tamaño del contexto, y las tareas largas siguen pidiendo servidor.