Los jugadores de videojuegos fueron de los primeros en quejarse cuando el año pasado comenzaron a escasear los suministros de chips de memoria de acceso aleatorio (RAM), lo que provocó que los precios se dispararan. Pero la crisis actual, que ha sido bautizada como RAMmageddon y se espera que se prolongue hasta bien entrado 2027, también está afectando a algunos científicos.
La escasez se debe al auge de los sistemas de inteligencia artificial, que ha creado una demanda voraz de chips de memoria de alta velocidad. A lo largo de 2025, algunas formas de RAM se triplicaron en precio, lo que causó problemas a los laboratorios con recursos limitados que ya enfrentaban barreras para acceder a potentes herramientas informáticas. La escasez también está impulsando a los investigadores a desarrollar algoritmos y hardware más eficientes para reducir la cantidad de memoria necesaria.
«La investigación científica depende cada vez más de infraestructuras informáticas a gran escala», afirma Matteo Rinaldi, director del Instituto de Innovación en Nanosistemas de la Universidad Northeastern de Boston, Massachusetts. «Y muchas de estas cargas de trabajo requieren una capacidad de memoria considerable».
Pérdida de memoria
Los chips de RAM ayudan a proporcionar almacenamiento a corto plazo para los datos que se utilizan activamente, lo que permite que el procesador de un ordenador acceda rápidamente a la información que necesita. La IA utiliza chips de memoria más complejos que los que se encuentran en las computadoras personales, y el aumento de la demanda ha impulsado a los fabricantes a trasladar la mayor parte de su producción a los de alta capacidad necesarios para entrenar los modelos de IA.
El resultado son precios más altos tanto para los chips estándar como para los ordenadores personales que dependen de ellos: la memoria ahora representa más de un tercio del costo de construir un ordenador, frente a aproximadamente el 15% hace solo unos meses, según el gigante informático HP, en Palo Alto, California.
Incluso con el cambio en la producción hacia chips de alta capacidad, todavía no hay suficiente memoria compleja necesaria para entrenar la IA para satisfacer la demanda, dice Tom Coughlin, un consultor de tecnología en Atascadero, California. Los fabricantes podrían tardar 18 meses o más en aumentar el suministro. «La demanda es enorme y la oferta está fijada en este momento», afirma. «Si eres un actor más pequeño o un profesor universitario, es posible que puedas o no utilizar esos recursos».
Los laboratorios con buena financiación probablemente puedan asumir el coste adicional, dice Rinaldi. Pero es probable que los altos precios de los chips de memoria y la infraestructura informática basada en la nube intensifiquen las barreras que ya dificultan que los investigadores de entornos menos acomodados accedan a los recursos para la IA y otros modelos informáticos sofisticados.
Reducir
Por ejemplo, Pravallika Sree Rayanoothala, patóloga vegetal de la Universidad Centurion de Tecnología y Gestión de Paralakhemundi, India, afirma que la escasez la llevó a ella y a sus colegas a reducir el número de cultivos que estudian como parte de un proyecto que utiliza modelos construidos a partir de grandes conjuntos de datos para predecir el riesgo de enfermedades en los cultivos agrícolas.
Para reducir aún más su necesidad de adquirir servicios de memoria cada vez más caros en la nube, Rayanoothala y sus compañeros dividen sus datos en fragmentos para modelarlos por separado. Cumple su función, dice, pero ralentiza el análisis de datos. «El cronograma del proyecto se está alargando y los gastos operativos están aumentando», dice ella. El lento desarrollo de modelos está retrasando las herramientas para la predicción temprana de enfermedades.
En Sudáfrica, Abejide Ade-Ibijola afirma que la escasez de RAM no ha supuesto un problema para el instituto de investigación sin ánimo de lucro que fundó, GRIT Lab Africa, en Johannesburgo (Sudáfrica). Allí recibe el apoyo de la industria por su trabajo con la IA. Pero los investigadores de África que no tienen acceso a financiación internacional a veces viajan a universidades más ricas para realizar sus investigaciones, dice. «Se quedan seis meses, analizan sus datos y se van con un PDF», dice Ade-Ibijola. «Está polarizado».
RAM en demanda
Incluso en entornos más ricos, los investigadores buscan formas de mejorar la eficiencia. Los científicos que dependen de los datos de los sensores, por ejemplo, han pasado de sensores que generan datos continuamente a sensores que se activan solo cuando es necesario, dice Rinaldi.
Otros están analizando más de cerca sus algoritmos para ver si hay formas de reducir la demanda de RAM. «La memoria era muy barata, por lo que la gente no tenía incentivos para ahorrar memoria», dice Eben Upton, fundador y director ejecutivo de Raspberry Pi, una empresa de tecnología en Cambridge, Reino Unido. «Ahora sí lo son».
Otra forma de hacer que la computación sea más eficiente es combinar la memoria RAM y los procesadores capaces de realizar cálculos en el mismo chip. Ese enfoque, denominado diseño de memoria cercana, podría reducir la necesidad de que las máquinas muevan datos mientras ejecutan cálculos, una ineficiencia en los diseños actuales que aumenta la demanda de memoria, afirma Onur Mutlu, que estudia arquitectura informática en el Instituto Federal Suizo de Tecnología de Zúrich.
Mutlu y sus colegas han informado de que la combinación de un diseño de memoria cercana con algoritmos mejorados puede aumentar la eficiencia de los análisis genómicos y reducir la cantidad de energía y hardware que el trabajo requiere. Sin embargo, es probable que la adopción más generalizada de estos enfoques resulte difícil, ya que requeriría una fuerte inversión por parte de los fabricantes.
Aun así, RAMmageddon podría ser el empujón que algunas personas necesitan, dice Rinaldi. «La escasez es perjudicial, pero también puede acelerar los esfuerzos para diseñar modelos más eficientes en cuanto a memoria y crear más oportunidades para la comunidad investigadora», afirma. «Cuando hay escasez, la gente se vuelve creativa».
Heidi Ledford