El experimento de conectar una GPU RTX 5090 a un MacBook Air M4: desafíos y limitaciones en el ecosistema de Apple

Qué pasó

Scott JG, un desarrollador y entusiasta de la tecnología, publicó en su blog un detallado registro de su intento de conectar una GPU NVIDIA RTX 5090 a un MacBook Air con chip M4 mediante una interfaz Thunderbolt eGPU. La RTX 5090 es una tarjeta gráfica de escritorio de gama alta con un consumo energético de 600W, mientras que el M4 MacBook Air es un equipo ultraligero con un consumo máximo de 22W. Para realizar la conexión, utilizó un dock Thunderbolt que adapta PCIe a Thunderbolt, conectado a través de un puerto USB-C. Thunderbolt 4 ofrece cuatro líneas PCIe a 40 Gbps, pero con una penalización de rendimiento por la tunelización.

El primer obstáculo fue que macOS no incluye controladores para GPU NVIDIA o AMD en Apple Silicon. Como alternativa, probó tinygrad, un stack de inteligencia artificial que recientemente lanzó sus propios controladores eGPU para macOS. Sin embargo, el rendimiento fue decepcionante: según el video del youtuber Alex Ziskind, la inferencia mediante tinygrad con eGPU era aproximadamente diez veces más lenta que usando Metal nativo en un M4 Pro sin eGPU. Además, el driver de tinygrad solo funciona con su propio stack, limitando su utilidad para juegos u otras aplicaciones.

A pesar de estas dificultades, Scott JG logró ejecutar algunos benchmarks y juegos, como Cyberpunk 2077, Shadow of the Tomb Raider, Horizon Zero Dawn Remastered y Doom (2016). También probó tareas de inferencia de IA con modelos como Qwen 3.6 y Gemma 4. Los resultados mostraron que, si bien era posible obtener imágenes en pantalla, el rendimiento estaba muy lejos del que se esperaría de una RTX 5090 en un sistema con soporte nativo. Las pruebas incluyeron configuraciones de 720p, 1080p y 4K, con detalles bajos en Cyberpunk 2077. Las conclusiones iniciales indican que la combinación no es práctica para juegos exigentes debido al cuello de botella del ancho de banda Thunderbolt y la falta de optimización de controladores.

El autor también exploró aspectos técnicos como el mapeo de PCI BARs, DMA en Apple Silicon, y problemas de alineación con NVIDIA. Documentó la ingeniería necesaria para hacer funcionar el sistema, pero dejó claro que se trata de un experimento de viabilidad más que una solución lista para producción.

Contexto

El uso de eGPU (unidades externas de procesamiento gráfico) ha sido históricamente una opción para usuarios de laptops que buscan mayor potencia gráfica sin cambiar de equipo. En Windows y Linux, el soporte es relativamente maduro, con controladores que reconocen las GPU conectadas por Thunderbolt. Sin embargo, Apple tomó un camino diferente al migrar a su silicio personalizado M1, M2, M3 y M4, abandonando gradualmente el soporte para GPU externas. Aunque las primeras Mac con Intel sí ofrecían compatibilidad con eGPU, Apple nunca habilitó esta funcionalidad en sus chips propietarios.

Este movimiento ha generado críticas entre profesionales creativos, científicos de datos y entusiastas de los videojuegos que prefieren macOS pero requieren potencia gráfica adicional. La decisión de Apple responde probablemente a su estrategia de integrar GPU de alto rendimiento en sus propios chips, como los M4 Max o M4 Ultra, que compiten directamente con GPU discretas de gama media. No obstante, para tareas extremas como renderizado 3D, simulaciones científicas o entrenamiento de modelos de IA, incluso los chips más potentes de Apple se quedan cortos frente a una RTX 5090 de escritorio.

En el ámbito de la inteligencia artificial, la inferencia local se ha vuelto cada vez más relevante con modelos como Gemma, LLaMA o Qwen. Los usuarios buscan ejecutar estos modelos en sus propios dispositivos para ahorrar costos de nube y mejorar la privacidad. Sin embargo, la falta de soporte para GPU NVIDIA en macOS limita severamente esta posibilidad, ya que la mayoría de los frameworks de IA están optimizados para CUDA, la plataforma de NVIDIA. Proyectos como tinygrad intentan llenar ese vacío, pero aún están lejos de ofrecer un rendimiento competitivo.

El experimento de Scott JG se inscribe en una larga tradición de usuarios que intentan llevar hardware no compatible a plataformas cerradas. Si bien el resultado no es práctico en el corto plazo, demuestra que es posible sortear algunas barreras técnicas. La comunidad open source sigue presionando para que Apple considere abrir su ecosistema, aunque las señales de la compañía indican lo contrario.

Impacto para empresas chilenas

Para el mercado chileno, donde el ecosistema Apple tiene una presencia significativa en sectores como diseño, publicidad, desarrollo de software y educación, esta limitación representa un desafío concreto. Muchos profesionales y pymes que trabajan con aplicaciones que requieren GPU, como edición de video en Final Cut Pro, modelado 3D en Blender o simulaciones en MATLAB, se ven forzados a elegir entre equipos Mac con silicio Apple (que ofrecen buen rendimiento integrado pero sin posibilidad de expansión) o migrar a plataformas PC con GPU NVIDIA, lo que implica costos de cambio y aprendizaje.

Las pymes tecnológicas chilenas que incursionan en inteligencia artificial, como startups de visión computacional, procesamiento de lenguaje natural o recomendaciones personalizadas, suelen depender de servicios en la nube como AWS, Google Cloud o Azure para acceder a GPU NVIDIA. Sin embargo, la inferencia local en dispositivos Mac podría reducir costos y latencia. El experimento demuestra que, con el software adecuado, es posible conectar una GPU externa a un MacBook Air, pero el rendimiento actual no es competitivo. Esto refuerza la dependencia de la nube o de hardware especializado.

En el ámbito educativo, universidades chilenas que utilizan Mac en laboratorios de computación podrían beneficiarse de poder conectar GPU externas para tareas de IA o renderizado. Sin embargo, la falta de controladores oficiales de NVIDIA para macOS limita esta posibilidad. Algunas instituciones ya están migrando a Linux o Windows para estas tareas, fragmentando aún más sus entornos tecnológicos.

Por otra parte, la comunidad de videojuegos en Chile, aunque menos visible, también se ve afectada. Los usuarios de Mac que desean jugar títulos AAA deben recurrir a servicios de streaming o mantener equipos adicionales con Windows. El experimento, aunque no práctico, ofrece una esperanza técnica para quienes insisten en usar Mac para todo. No obstante, mientras Apple no habilite oficialmente las eGPU o mejore la compatibilidad con controladores de terceros, el impacto para el usuario chileno promedio será marginal.

Qué sigue

El futuro del soporte de eGPU en Mac depende en gran medida de las decisiones estratégicas de Apple. La compañía podría, en algún momento, habilitar controladores para GPU externas en sus chips M4 o futuros, especialmente si la demanda de inferencia local de IA sigue creciendo. Sin embargo, dado el enfoque de Apple en la integración vertical y el control del hardware, parece más probable que continúen mejorando sus propias GPU integradas, dejando las eGPU como una opción para nichos muy específicos.

Paralelamente, proyectos como tinygrad y otras iniciativas de código abierto podrían madurar y ofrecer un rendimiento aceptable para ciertas cargas de trabajo. La mejora en los estándares de conectividad, como Thunderbolt 5 con velocidades de hasta 80 Gbps, podría reducir el cuello de botella de ancho de banda. No obstante, la ausencia de soporte oficial de Apple sigue siendo la barrera principal.

En el corto plazo, los usuarios chilenos que requieran GPU NVIDIA para IA o juegos deberán seguir optando por soluciones en la nube o equipos dedicados con Windows o Linux. La posibilidad de una Mac con soporte nativo para eGPU sigue siendo una incógnita, y el experimento de Scott JG sirve más como un indicador de las limitaciones actuales que como un presagio de un cambio inminente en el ecosistema Apple.