Hardware para IA: RTX 3090 vs la tentación de las tarjetas raras

¿Es posible usar una «tarjeta de minería» para entrenar modelos de inteligencia artificial? Al principio, la respuesta puede parecer confusa. Tradicionalmente, las GPUs se asociaban con el minado de criptomonedas por su alta potencia de cálculo, pero la industria de la IA tiene requisitos diferentes y ahora se fabrica hardware mucho más orientado a los modelos de lenguaje y visión computacional que a la minería pura.

Foto profesional de una tarjeta gráfica RTX 3090 mostrando sus componentes físicos como disipadores y conectores.
Una vista detallada de una tarjeta gráfica NVIDIA GeForce RTX 3090, el hardware estándar recomendado para entrenar modelos de IA con estabilidad y soporte oficial.

Hardware para IA: VRAM y conectores

Aunque el hardware de consumo como la NVIDIA GeForce RTX 4090 o la nueva RTX 5090 es excelente para experimentar con LLMs medianos en casa, no están diseñadas específicamente para minería. Las tarjetas verdaderamente robustas para entrenar modelos grandes suelen ser las versiones datacenter como la A100 o H100, que son extremadamente costosas.

Un punto clave a considerar es el requisito de alimentación: ¿existen tarjetas RTX que no requieran conectores externos? Sí, pero solo los modelos de gama baja o muy eficientes energéticamente, como la NVIDIA GeForce RTX 3050 6 GB. Las tarjetas modernas de alto rendimiento superan los ~75 W que puede entregar una ranura PCIe estándar y obligatoriamente necesitan alimentadores adicionales.

El dilema del «FrankenDriver»

Pero, ¿qué pasa con ofertas tentadoras? He visto una tarjeta usada etiquetada como «NVIDIA RTX A2000 8 GB DDR6» a un precio de $150.000 pesos chilenos que requiere un «frankendriver» para funcionar.

Esto es una señal de alerta importante. El término «FrankenDriver» implica modificar los archivos del instalador oficial de Nvidia para reconocer hardware que no debería estar ahí, como una GPU móvil reciclada en un PCB de escritorio. Comprar este tipo de tarjeta conlleva riesgos significativos: conflictos de drivers si se intenta usar junto a una tarjeta legítima como la RTX 3090, problemas de identificación de hardware en CUDA, y soporte limitado para frameworks de IA.

En conclusión, aunque la idea de obtener VRAM extra por un precio bajo suena atractiva, es mucho más prudente utilizar hardware oficial y reconocido. Una configuración con una sola GPU potente o dos GPUs legítimas ofrece menos dolor de cabeza y mayor estabilidad que depender de drivers trucados para hacer funcionar tarjetas no estándar.