Si miras las especificaciones de las GPUs modernas y sus consumos, es normal llevarse las manos a la cabeza: 360 W, 450 W, 575 W… Cifras que hace no tanto habrían parecido ciencia ficción. Sin embargo, cuando sales del mundo gaming puro y duro y te mueves en tareas como renderizado, IA, edición de vídeo o cálculo científico, el consumo empieza a verse con otros ojos: la clave ya no es solo cuánta energía gastan, sino cuánta faena sacan por cada vatio.
El problema es que se mezclan conceptos: TDP, TGP, límite de potencia, eficiencia, conectores 12VHPWR, modos eco, undervolt… Y al final muchos se quedan solo con el número gordo de vatios pensando que la GPU es un peligro de incendio o un sumidero de dinero en la factura de la luz, o incluso consultar el consumo por aplicación en Windows 11.
De las GT y GTX antiguas a las RTX actuales: la sensación de locura energética
Si vienes de generaciones como las GT 210, GTX 650, GTX 680, GTX 970 o RTX 3060 Ti, el salto de consumos que ves en una RTX 4090 o 5090 parece exagerado. Estamos hablando de tarjetas de hace unos años que se movían entre los 30 W y los 200 W, frente a modelos que rozar o superar los 500 W.
Para ponerlo en contexto, estos eran consumos aproximados de algunas de esas GPUs clásicas que muchos siguen teniendo en mente como referencia de «lo razonable»: GT 210: ~30 W; GTX 650: <75 W; GTX 680: ~195 W; GTX 970: ~149 W; RTX 3060 Ti: ~200 W. Aquel salto de la serie GTX 600/700 a la 900 se percibió como un avance enorme: más rendimiento, menos consumo relativo y PCs fáciles de refrigerar.
En aquella época, incluso las gráficas tope de gama de consumo doméstico rondaban los 200-250 W. Las antiguas «x90» con dos GPUs en el mismo PCB (prácticamente un SLI integrado), que se iban por encima, eran la excepción. Hoy, en cambio, encontramos tarjetas monolíticas (una única GPU) con cifras muy superiores.
El salto más chocante llega cuando miras la gama alta actual de NVIDIA: una RTX 5080 ronda los 360 W, una RTX 4090 unos 450 W y una RTX 5090 oficiales ~575-600 W según modelo. A simple vista parece que la industria se ha vuelto loca, pero el matiz que cambia el debate es uno: rendimiento por vatio.
Consumo bruto vs eficiencia: por qué más vatios no siempre es peor
Que una GPU consuma mucho no significa automáticamente que sea ineficiente. Lo importante es cuánta carga de trabajo resuelve ese chip con cada vatio que absorbe. Algo que en tareas no gaming como IA, renderizado o edición de vídeo es incluso más crítico que en juegos. La eficiencia energética es la cantidad de trabajo (FPS, frames renderizados, inferencias, etc.) que se hace por cada W consumido.
Si comparamos generaciones, se ve clarísimo. Un ejemplo típico es contraponer una RX 580 de hace años con una RX 6800 o una RTX 4080/4090. A igualdad de consumo, una RX 6800 puede rendir casi tres veces más que una RX 580. Y las RTX 4080/4090 superan incluso ese margen: son hasta cuatro veces más eficientes que una RX 580 en juegos exigentes. Traducido: para hacer el mismo trabajo, hoy necesitas muchos menos vatios que antes. Aunque el tope de consumo admisible de la tarjeta se haya disparado.
Este mismo razonamiento se traslada a cargas no gaming. En renderizado, IA o edición 8K, una GPU moderna puede terminar en minutos lo que una vieja tardaría horas. El resultado práctico es que, aunque el pico de potencia pueda ser más alto, el tiempo total de uso a plena carga se reduce. Y, con ello, también la energía total consumida para completar la tarea.
Incluso en el terreno gaming hay datos muy ilustrativos. Una RTX 4090 limitada de fábrica a ~422 W puede dar unos 123 FPS en cierto título de prueba, mientras que bajando su límite de potencia a ~284 W mantiene ~111 FPS. Pierdes alrededor de un 10 % de rendimiento, pero recortas más de un 30 % de consumo y mejoras la eficiencia en vatios por FPS. Ese «punto dulce» existe también en cargas de cálculo, IA o render y se aprovecha con técnicas como el undervolt o el ajuste fino del TGP.
Qué es el TGP y por qué las GPUs no van todo el rato al máximo
En las GPUs GeForce modernas, NVIDIA utiliza el término TGP (Total Graphics Power) para indicar el límite de energía que puede usar la GPU (y parte de la tarjeta) cuando entra en juego la tecnología GPU Boost. Este sistema ajusta automáticamente las frecuencias en función de tres factores principales: potencia disponible, temperatura y calidad del silicio.
Ese valor de TGP es, digamos, el techo: la potencia máxima que la tarjeta podría usar en escenarios muy exigentes. Pero eso no significa que esté ahí todo el rato. De hecho, en la mayoría de juegos y en muchas tareas ligeras, la GPU no se acerca ni de lejos a ese tope y se mantiene muy por debajo. Si la carga no es demasiado pesada o la CPU hace cuello de botella, el consumo real puede ser sensiblemente inferior.
Por ejemplo, hay mediciones públicas de una RTX 4080 con TGP oficial de 320 W ejecutando varios juegos pesados, con ray tracing y DLSS activados. En ningún caso la media de consumo se acerca a esos 320 W. A 1080p y 1440p la tarjeta consume bastante menos porque la arquitectura Ada Lovelace es mucho más eficiente y el límite que se alcanza no suele ser el de potencia, sino el de frecuencia máxima o el voltaje permitido.
En tareas no gaming se acentúa todavía más. Trabajos ofimáticos, navegación, vídeo o edición ligera disparan solo pequeñas porciones de la GPU, con consumos de decenas de vatios en lugar de centenares. Es precisamente este comportamiento dinámico el que hace que, en la práctica, una RTX 40 o 50 series pueda ser más «amable» con la factura eléctrica de lo que su ficha técnica sugiere.
Eficiencia en CPU y GPU: el papel del undervolt y los límites de potencia
Una ventaja clave del PC frente a las consolas es que puedes toquetear casi todo: frecuencias, voltajes, límites de potencia, modos de energía…. Eso te permite adaptar tu equipo a tu uso real. Un aspecto vital si haces muchas horas de trabajo no gaming pero necesitas puntualmente potencia bruta.
En CPUs, un ejemplo muy repetido es el de un Intel Core i9-13900K. De fábrica puede dispararse a más de 300-350 W en benchmarks tipo Cinebench R23 si se le deja ir sin control. Sin embargo, limitando su TDP o estableciendo un power limit más razonable, puedes pasar de unos 40.000 puntos consumiendo más de 350 W a ~35.700 puntos con unos 200 W. La pérdida de rendimiento es modesta, mientras que el recorte de consumo ronda los 150 W.
En AMD ocurre algo similar. Un Ryzen 7 7700X con undervolt y ajustes en BIOS (PBO2 más Curve Optimizer, por ejemplo a -30) puede pasar de consumir ~138 W a ~85 W, reduciendo además la frecuencia apenas de 5.300 MHz a 5.100 MHz. El resultado son unos 50 W menos, temperaturas 30 ºC más bajas y un rendimiento en juegos casi idéntico. En uso intensivo de productividad. eso se traduce en un equilibrio mucho mejor entre velocidad y costes energéticos.
Las GPUs aceptan el mismo tipo de optimización. Con herramientas como MSI Afterburner puedes ajustar la curva de voltaje/frecuencia y encontrar un punto donde, al bajar ligeramente el voltaje y el límite de potencia, apenas pierdes rendimiento, pero ganas un montón en consumo y ruido. Esto es aplicable tanto a juegos como a cargas de trabajo GPGPU (CUDA, OpenCL, etc.), donde la penalización en tiempos puede ser mínima comparada con el ahorro energético.
Conectores de alimentación modernos: 12VHPWR, 12V-2×6 y seguridad
Uno de los motivos por los que estas cifras de consumo asustan es el tipo de conector que traen las GPUs actuales. En la gama alta de NVIDIA se ha impuesto el conector PCIe 5.0 de 16 pines (12VHPWR y su revisión 12V-2×6), capaz de suministrar hasta alrededor de 600-1000 W según implementación. A 12 V, eso significa manejar corrientes en torno a 83 A, unos números que impresionan si los piensas en un único cable.
Es comprensible que surjan dudas sobre riesgos de sobrecalentamiento o incluso incendios si el conector es de baja calidad o está mal montado. Hay casos documentados de conectores quemados, casi siempre debidos a malos contactos, doblados excesivos del cable, adaptadores defectuosos o conectores sin insertar correctamente hasta el fondo. No obstante, con los 12V-2×6 más recientes se han reforzado las especificaciones y la detección de inserción correcta para reducir todavía más estos problemas.
En el día a día, si se usa una fuente de alimentación de calidad certificada, cables adecuados, sin forzar el ángulo de entrada al conector y revisando periódicamente que no haya holguras, las probabilidades de fallo crítico son muy bajas. Lo importante para quien monta estaciones de trabajo no gaming es dimensionar bien la fuente.
Tarjetas modernas, ruido y diseño térmico: no todo es vatios
Aunque los consumos hayan subido en la gama alta, las soluciones de refrigeración también han evolucionado mucho. Hoy es habitual ver tarjetas de alta potencia con tres ventiladores grandes, disipadores enormes y cámaras de vapor que, pese a mover entre 300 y 450 W, se mantienen sorprendentemente silenciosas en uso real.
Un ejemplo claro son muchas RTX 4090 personalizadas. A pesar de su TGP, son tarjetas que en juegos y cargas pesadas se mantienen a bajas revoluciones, con muy poco ruido, precisamente porque se ha sobredimensionado el sistema térmico. En la práctica, es más fácil tener un equipo silencioso con una GPU moderna bien refrigerada que con ciertas tarjetas antiguas más ruidosas y con ventiladores pequeños.
Para gama media y baja también se han popularizado los modelos «mini» de un solo ventilador, pensados para cajas compactas o mini-PCs. En gráficas de consumo moderado, como algunas RTX 4060 o equivalentes, estos diseños pueden ser silenciosos y eficientes. Eso sí, en gamas superiores (tipo RTX 4070) una mini de un solo ventilador puede llegar a hacer más ruido que una de doble ventilador con buen disipador. Por eso en estaciones de trabajo pequeñas conviene revisar bien el diseño térmico.
GPU en tareas no gaming: por qué tiene sentido tanto músculo
Fuera del juego competitivo, una GPU actual tiene una cantidad de usos profesionales y semiprofesionales brutal. Desde la perspectiva de consumo, muchas de estas tareas son perfectas para aprovechar la eficiencia de las arquitecturas modernas, porque exprimen mucho la GPU durante un tiempo relativamente corto frente a lo que tardaría una CPU o una GPU antigua.
En diseño gráfico, animación y renderizado 3D, motores como Octane, Redshift o Blender Cycles escalan casi linealmente con la potencia de la GPU. Renderizar una escena que antes podía llevar media hora puede reducirse a pocos minutos con una RX 9000 o una RTX 5000. Lo mismo pasa con la edición de vídeo 4K/8K, donde la decodificación y codificación por hardware, combinadas con la potencia bruta, acortan enormemente tiempos de exportación.
En inteligencia artificial, simulación científica o big data, las GPUs con núcleos Tensor, RT y grandes cantidades de VRAM cambian completamente la experiencia: entrenar modelos, ejecutar inferencias en local o lanzar simulaciones pesadas se vuelve algo asumible para un usuario avanzado. En todos estos casos, una RTX 5090 o una RX 9070 XT puede consumir muchos vatios, pero el coste energético por tarea terminada suele ser muy inferior al de soluciones anteriores.
Arquitectura, memoria y conectividad: implicaciones en eficiencia
Más allá de la cifra de TGP, la eficiencia de una GPU depende de su arquitectura interna y el subsistema de memoria. AMD y NVIDIA usan enfoques distintos, pero ambos han mejorado mucho en cómo mueven datos y cómo aprovechan cada ciclo de reloj.
En memoria de vídeo, las tecnologías actuales van desde GDDR5/GDDR5X hasta GDDR6, GDDR6X y GDDR7, con la HBM reservada casi en exclusiva para entornos profesionales o GPUs específicas. El ancho de banda se calcula multiplicando la velocidad efectiva por el ancho del bus (64, 128, 192, 256, 320, 384 o 512 bits). Lo relevante a nivel práctico es que con mejores algoritmos de compresión de memoria (NVIDIA suele ir un paso por delante aquí), hace falta mover menos información bruta para conseguir el mismo resultado, lo que también reduce consumo.
La cantidad de VRAM (8, 12, 16, 24, 32 GB…) es clave para cargas no gaming. Porque si una escena de 3D, un modelo de IA o un proyecto de vídeo se ajusta en memoria de la GPU, evitas paginaciones a almacenamiento, que son operaciones mucho más lentas y costosas energéticamente. En este sentido, modelos como una RTX 5090 con 32 GB GDDR7 o una RX 9070/9070 XT con 16 GB GDDR6 pueden resultar tremendamente eficientes para proyectos muy pesados.
En conectividad, los estándares como DisplayPort 2.1 y HDMI 2.1 permiten usar monitores 4K e incluso 8K a altas tasas de refresco. Con HDR y mayor profundidad de color. Para trabajo profesional con varios monitores, las GPUs modernas soportan fácilmente tres o cuatro pantallas simultáneas. Sin aumentar demasiado el consumo adicional, sí mejora en gran medida la productividad.
Relación potencia/precio y rangos de consumo según gama
Aunque buena parte de la conversación suele centrarse en los monstruos de más de 1000 euros, la eficiencia real que interesa a la mayoría está en la gama media. Aquí se suelen mover consumos entre 120 y 200 W, que son relativamente fáciles de refrigerar y compatibles con fuentes de 550-650 W de calidad.
- Hasta 200 €. GPU como las Radeon RX 6400 o RX 6500 XT, o una veterana GTX 1660 Super, se sitúan alrededor de los 50-130 W de consumo. Son tarjetas muy manejables energéticamente y válidas para FHD en calidad baja/media, edición de vídeo ligera o alguna tarea GPGPU moderada. Siempre que se respete su limitación de memoria y bus PCIe.
- 200-300 €. En modelos como RX 6600, Arc B580 o RTX 5050 es bastante equilibrada. Consumos de 130-190 W, rendimiento muy decente y suficiente VRAM para proyectos algo más serios (8-12 GB).
- 300-500 €. En este rango aparecen opciones como RX 9060 XT, RTX 5060 y RTX 5060 Ti, así como modelos tipo RX 6750 XT. Aquí ya entras en potencias gráficas donde FHD y QHD son su territorio natural, con consumos entre 145 y 250 W según chip y versión. Para un entorno de productividad exigente pero sin llegar a la gama extrema, este suele ser el punto dulce entre rendimiento, consumo y coste.
- 500 €-1000 €. Encontramos las RX 9070, RX 9070 XT, RTX 5070, RTX 5070 Ti y similares. Suelen trabajar en torno a los 220-300 W, con 12-16 GB de VRAM y tecnologías modernas de escalado y trazado de rayos. Para QHD y UHD, tanto en juegos como en uso profesional, son opciones muy potentes. Aunque la relación euro/rendimiento ya empieza a caer respecto la gama media.
- Más de 1000 €. Están las RTX 5080, RTX 5090 y restos de RTX 4090. Sus consumos típicos de 360, 450 y 575 W respectivamente hacen que solo tengan sentido en equipos con fuentes de 850-1000 W de alta calidad y buenas cajas. Aquí pagas por rascar los últimos escalones de rendimiento en 4K/8K, IA pesada, renderizado extremo o uso profesional continuado.
Escalado de imagen, IA y eficiencia percibida
Otra pieza que influye en cómo percibimos la eficiencia de las GPUs actuales son las tecnologías de escalado e interpolación de fotogramas. DLSS (NVIDIA), FSR (AMD) y XeSS (Intel) permiten generar menos píxeles reales y reconstruir la imagen final mediante IA, lo que reduce drásticamente el trabajo bruto de la GPU.
En el terreno gaming ya se ha visto que DLSS permite doblar o triplicar los FPS en algunos juegos sin disparar el consumo en la misma proporción. En tareas no gaming también se están empezando a ver aceleraciones de IA aplicadas a reescalado de vídeo, mejora de imagen, denoising en renderizado o aceleración de flujos de trabajo creativos. Es decir, más resultado con el mismo consumo. Eso es lo que al final importa.
En la última hornada de GPU, tecnologías como DLSS 4 con interpolación múltiple de fotogramas o el AFMF de AMD (Frame Generation) añaden una capa más de eficiencia percibida. Aunque el consumo instantáneo pueda ser similar, el usuario ve muchos más frames útiles. En entornos profesionales, la adopción de núcleos tensores y motores específicos para IA en arquitecturas como NVIDIA Blackwell o AMD RDNA 4 va en la misma línea: hacer muchísimo más trabajo paralelo sin multiplicar los vatios en la misma proporción.
Al final, las GPUs modernas han pasado de ser «solo para juegos» a convertirse en el corazón de estaciones de trabajo, equipos de creación de contenido y máquinas de IA domésticas o profesionales, y su diseño energético refleja precisamente esa transición: picos de potencia muy altos, pero una eficiencia enorme cuando miras la cantidad de trabajo real que son capaces de sacar adelante.
