Entramos en una nueva fase de la revolución de la inteligencia artificial. Ya no es solo una cuestión de habilidad, velocidad o precisión: ahora se ha convertido un problema de electricidad pura y simple. Los centros de datos que alojan los servidores para entrenar y hacer que los modelos de IA funcionen se están volviendo enormes y devoran electricidad a ritmos aterradores. Y las previsiones para el futuro son aún más alarmante.
Los números hacen girar la cabeza: segundo La Agencia Internacional de Energíaen 2022 los centros de datos consumidos 1.65 mil millones de gigajúule de electricidad, aproximadamente el 2% de la demanda global. Para 2026 se espera un aumento entre 35% y 128%El equivalente del consumo anual de Suecia en el mejor de los casos o Alemania en el peor. Una sola solicitud al GPT-4 Chatbot consume la energía necesaria para recargar completamente un teléfono inteligente. Y capacitar un gran modelo lingüístico «estadounidense» (en un momento veremos por qué) requiere el equivalente del consumo anual de 3.700 familias estadounidenses.
El papel de procesadores especializados
El problema no es solo de escala sino también de arquitectura. Miles de procesadores especializados, las famosas GPU (unidad de procesamiento de gráficos), trabajan en paralelo para capacitar a los modelos de IA. Como sabemos Nvidia, la compañía que domina este mercadovio su valor subir a las estrellas gracias a esta carrera de oro digital. Pero estos chips son extremadamente energía: Un solo estante de GPU de última generación (un armario de poco menos de dos metros de altura con servidores múltiples individuales en el interior) puede consumir Hasta 35 kilovatios. Para dar una idea de lo que estamos hablando, es el equivalente a 25 apartamentos. Y una base de datos retorcida de cientos de bastidores.
Es un drama para el medio ambiente y la economía. Pero la situación se está volviendo insostenible también para los gigantes del sector. Google ha informado un aumento del 48% en las emisiones de CO2 en los últimos cinco años, mientras que Microsoft ha visto crecer su 30% a partir de 2020. Los grandes compensan «créditos» y disfrazando su impacto ambiental en neutral, pero en realidad El consumo de energía está explotando. Y desde un punto de vista ambiental no terminó allí. De hecho, los centros de datos no solo devoran energía para que los procesadores funcionen, sino que sino que también requiere lo mismo para enfriar: Millones de litros de agua por día para mantener las temperaturas bajo control, movidas por bombas y sistemas de energía.
La sorpresa de China
En este escenario, la noticia de Deepseek llegó como un rayo. La compañía china ha desarrollado un modelo de IA que promete el rendimiento de GPT-4 al consumir, según él, Entre el 10% y el 4% de la energía. Una diferencia tan marcada que ha desencadenado un terremoto en la bolsa de valores, con el colapso de los títulos de Nvidia y los servicios públicos estadounidenses. Un resultado obtenido no con hardware revolucionariopero al optimizar el software y la arquitectura del sistema.
La noticia rápidamente dio la vuelta al mundo. Un artículo sobre Naturaleza confirmado perliminariamente que Deepseek requiere aproximadamente una undécima de recursos computacionales en comparación con un modelo similar de destino. Los analistas occidentales, inicialmente escépticos, se están recuperando frente a estos datos. Las confirmaciones parecen estar allí. Y ahora se preguntan si esto no representa un cambio de paradigma en el sector.
La carrera a las soluciones
Los estadounidenses Big Techs no se han quedado para mirar. Una solución es la que empuja a todos de regreso a la energía nuclear. Más moderno, más limpio, pero siempre nuclear. Eso En Italia se ha prohibido un famoso referéndumpero cuya energía se usa igual comprándola en las centrales eléctricas francesas.
Microsoft ha hecho un acuerdo con Constellation Energy Reactivar un reactor de la planta de energía nuclear de las tres millas en Pensilvania, dedicándolo exclusivamente a sus centros de datos. Nvidia está desarrollando chips cada vez más eficientesprometiendo mejoras del 4,000% en la eficiencia energética. Amazon y Google Point en su lugar en energías renovablescon proyectos para centros de datos impulsados por Sun and Wind. Finalmente, hay varias nuevas empresas que intentan construir reactores de fusión en lugar de fisión nuclear, mini reactores y otros sistemas siempre basados en átomos para producir energía en abundancia y rápidamente. O más soluciones creativas como la de paneles solares en órbita que «disparan» la energía en el suelo Hacia centros de recolección a través de rayos de microondas o láser.
Pero el verdadero problema podría ser estructural. La investigación espasmódica de modelos cada vez más poderosos y poderosos Está conduciendo a un círculo vicioso de consumo de crecimiento. Los expertos en el pasado (incluso antes de la exploit china) sugirieron que Puede ser más sensato desarrollar modelos más pequeños y especializados.optimizado para tareas específicas, en lugar de Enormes sistemas generalistas. Una forma que parece haber sido seguida con éxito por Deepseek.
Sin embargo, el tema de la optimización y la propuesta de mejorar las iteraciones de las mismas tecnologías es Alien a la forma del Valle del Silicónque se desarrolló en la mente El paradigma de Wintel. En los años noventa y dos mil, de hecho, Intel y Microsoft habían desarrollado un acuerdo hecho de rápidos ciclos de innovación basados no en la optimización de lo existente, sino en el lanzamiento de noticias ya no es compatible con las generaciones anteriores.
Funcionó así: Un año de Intel emitió nuevos procesadores que permitió usar mejor la última versión de Windows E Un año Microsoft lanzó una nueva versión de Windows que requirió que los nuevos procesadores se utilizaran en el mejor de los casos. El incentivo para hacer una nueva versión de Windows que estaba optimizada para trabajar con cinco o seis años antes, porque era cero, porque detendría la venta de hardware de nuevo.
El tema de la seguridad
Volvamos al datos de hoy. También está el camino hacia la optimización, como aparentemente lo hace Deepseek. Sin embargo, no todos están convencidos de que La solución china es práctica a gran escala. Betsy Soehren Jones, de la compañía de consultoría West Monroe, señala que Las grandes empresas estadounidenses difícilmente confiarán sus datos confidenciales a una empresa china.. El caso Tiktok creó un anterior difícil de ignorar. Además, la ventaja energética de Deepseek podría limitarse a la fase de entrenamiento, mientras que durante el consumo de uso diario sería similar a los otros modelos.
El problema de la energía También está influyendo en las estrategias de crecimiento en el sector. El proyecto Stargatepresentado por Trump y apoyado por varios grandes técnicos estadounidenses, proporciona inversiones por 500 mil millones de dólares en los próximos cuatro años. Pero la llegada de Deepseek podría remitir las cartas. Analistas de Morgan Stanley Creen que «el mercado ha sobreestimado el impacto negativo de la tecnología china» (es decir, que El colapso del título de Nvidia y los otros grandes nombres de tecnología ha sido excesivamente punitivo), pero admite que El enfoque estadounidense Sigue siendo «muy intensivo tanto en términos de capital como de energía»
¿Hacia un futuro sostenible?
La paradoja es que AI podría ser parte de la solución. Los sistemas de inteligencia artificial ya se utilizan para optimizar el consumo de energía en varios sectores, desde la industria hasta el transporte. Podrían ayudar a administrar mejor las redes eléctricasintegrando fuentes renovables y reduciendo los desechos. Pero para hacer esto, primero deben resolver su problema de sostenibilidad.
El debate está abierto y las soluciones no son simples. Por un lado hay la necesidad de Continuar el desarrollo de la IApor el otro el imperativo de Hazlo de manera sostenible. Las empresas están explorando varias rutas, desde nuclear hasta energías renovables, desde la optimización del software hasta los nuevos tipos de hardware. El desafío es encontrar un equilibrio entre la innovación y la sostenibilidad. Antes de que el hambre de energía de la IA se vuelva inmanejable.
¿Se podría hacer el futuro mediante una combinación de diferentes enfoques? Es la solución más plausible, si recordamos que la verdad, además de la virtud, casi siempre está en el medio. Modelos más eficientes como Deepseek, energía limpia de reactores nucleares de nueva generación, hardware optimizado y mayor atención a la eficiencia energética. Lo que es seguro es que la era de la IA a toda costa, sin preocuparse por el consumo, es establecido definitivamente. Y tal vez sea bueno.