La aceleración de proyectos de inteligencia artificial está reconfigurando el mercado secundario de hardware gráfico. La presión sobre el suministro de GPUs nuevas —con incrementos de hasta el 39% en series de última generación y aumentos adicionales proyectados del 30%— está elevando el valor de reventa de tarjetas gráficas usadas que cumplen con un requisito técnico específico: capacidad de VRAM suficiente para ejecutar o entrenar modelos de lenguaje. Este fenómeno no responde únicamente a la demanda de grandes corporaciones. Startups y equipos técnicos independientes que buscan construir infraestructura propia de IA están presionando el mercado desde abajo, generando competencia directa por unidades que antes se consideraban obsoletas. El umbral mínimo de VRAM que buscan estos perfiles oscila entre 12 y 16 GB, mientras que configuraciones más exigentes requieren hasta 48 GB para almacenar los datos temporales que demandan los procesos de generación y entrenamiento de modelos. ## El factor VRAM como determinante de valor residual Una particularidad del ciclo actual es que modelos de generaciones anteriores —como la NVIDIA GeForce RTX 3090— superan en capacidad de VRAM a varios lanzamientos recientes, lo que invierte la lógica habitual de depreciación tecnológica. En la práctica, esto significa que una tarjeta gráfica usada en buen estado y con VRAM suficiente puede retener entre el 40% y el 60% de su valor original, una tasa de retención inusualmente alta para hardware de consumo. Para organizaciones con activos tecnológicos en inventario —desde equipos de diseño hasta estaciones de trabajo de desarrollo— esta dinámica abre una ventana de liquidez o reasignación estratégica que merece evaluación antes del próximo ciclo de actualización. El mercado secundario de GPUs, históricamente volátil, está operando hoy con una lógica distinta: la escasez de cómputo para IA está sosteniendo precios en segmentos que normalmente habrían depreciado. La tendencia también tiene implicaciones para decisiones de compra futura: en un entorno donde la VRAM se ha convertido en el indicador de valor más relevante, priorizar capacidad de memoria sobre velocidad de procesamiento puede traducirse en mayor valor residual y mayor vida útil del activo dentro de flujos de trabajo de inteligencia artificial.