Desplegar la IA a gran escala requiere construir numerosos centros de datos para disponer de la capacidad de computación necesaria para ejecutarla.
A medida que crece la demanda de IA en todo el mundo, también aumenta la carga sobre la red eléctrica, y preocupa que pronto la demanda pueda superar la oferta.
Crear una IA supereficiente es exactamente el tipo de reto al que la industria tecnológica se ha enfrentado una y otra vez, basándose en sucesivas capas de investigación e innovación.
Nadie sabe exactamente qué impacto tendrá la revolución de la IA generativa en la sociedad y la economía mundial. Sin embargo, si todas las predicciones hiperbólicas son acertadas, desencadenará un enorme aumento de la productividad y la innovación. Pero eso solo se hará realidad si todo sale bien, y uno de los mayores factores que podrían fallar es la energía. Desplegar la IA a gran escala requiere construir numerosos centros de datos para disponer de la capacidad de computación necesaria para ejecutarla.
A medida que crece la demanda de IA, también aumenta la carga sobre la red eléctrica. Investigadores y gobiernos de todo el mundo prevén que, en un plazo de dos a tres años, la demanda de electricidad podría superar la oferta, lo que limitaría las operaciones y elevaría las tarifas eléctricas para todos.
Con la IA, la demanda de electricidad se dispara rápidamente
El bastidor informático típico —la estructura estándar para instalar equipos informáticos en un centro de datos— consume unas 20 kilovatios hora al día. Es algo menos que el consumo diario de electricidad de un hogar medio en EE. UU., de unos 30 kilovatios hora al día.
Sin embargo, el despliegue típico de IA ha disparado las necesidades energéticas de los centros de datos. Un solo bastidor basado en GPU de Nvidia consumirá hasta 120 kilovatios hora al día o el equivalente al consumo de 4,5 hogares estadounidenses. No parece mucho hasta que se tiene en cuenta la escala necesaria para instalar cientos de miles de estos bastidores en varios miles de centros de datos: entonces, la demanda de electricidad aumenta rápidamente.
Una estimación de Goldman Sachs de mayo de 2024 calculó que, para 2030, el aumento de la demanda de electricidad atribuible únicamente a la IA rondaría los 200 teravatios hora al año. Para ponerlo en perspectiva, la ciudad de Nueva York consume unos 55 teravatios hora al año, un promedio de unos 10.000 gigavatios hora al día. Si Goldman Sachs tiene razón, la IA añadirá a la red eléctrica de EE. UU. el equivalente a tres ciudades de Nueva York.
Es evidente que hace falta más electricidad. Algunas de las mayores corporaciones —Microsoft, Amazon y Google— están comprando o construyendo sus propias centrales nucleares para asegurar el suministro futuro. Es una gran opción si se cuenta con los recursos, pero la mayoría de las organizaciones no los tiene. Para el resto, las partes interesadas del sector empresarial y los responsables de las políticas públicas deben colaborar para encontrar la mejor manera de aumentar la capacidad y mejorar la red.
Todos estos despliegues de IA impulsarán significativamente la productividad, gracias a la IA agéntica, en la que agentes de software autónomos completan tareas e interactúan entre sí con poca o ninguna intervención humana. La IA agéntica catalizará un cambio en la proporción de cargas de trabajo de IA en ejecución. En 2023, el entrenamiento representaba la mayoría de las cargas de trabajo de IA, en una proporción aproximada de 2 a 1. Está surgiendo un consenso según el cual, en 2025, las cargas de trabajo de inferencia se equipararán aproximadamente a las de entrenamiento a medida que se extienda el uso de agentes y, el año que viene, la inferencia se convertirá en la carga de trabajo dominante, con una ventaja cada vez mayor.
¿Cómo está creando el Foro Económico Mundial marcos de protección para la inteligencia artificial?
El Centro para la Excelencia en IAconecta a líderes de distintos sectores para comprender la rápida evolución de la inteligencia artificial y sus implicaciones para las economías y las sociedades. Promueve un diálogo fundamentado sobre las oportunidades, los riesgos y las compensaciones vinculados a la adopción de la IA.
Mediante espacios de confianza e iniciativas de colaboración, el Centro permite que sus socios construyan una comprensión compartida y trabajen juntos en enfoques responsables para la innovación y el uso de la IA.
La demanda de electricidad superará la oferta
La capacidad de computación y la electricidad necesarias para hacer posible este cambio superarán todo lo que hemos visto hasta ahora. En muchos lugares del mundo, harán falta más recursos eléctricos de los que las redes actuales están preparadas para generar o suministrar. Estimaciones recientes en EE. UU., Europa y Asia-Pacífico indican que, en zonas con una alta concentración de centros de datos —el norte de Virginia es el ejemplo más citado en EE. UU.—, la demanda de electricidad superará la ofertaen un plazo de dos o tres años si no se realizan inversiones importantes en la red y en la generación. Entre las consecuencias habrá centros de datos que no podrán funcionar a plena capacidad y retrasos en la construcción de otros. También podrían aumentar las facturas de electricidad de todos.
¿O no? Como director ejecutivo de SambaNova, hablo de este tema a diario con clientes, líderes gubernamentales y socios. Integramos nuestro chip en una plataforma de hardware que ofrece un rendimiento diez veces superior al de las soluciones basadas en GPU, con un consumo de aproximadamente una décima parte de la energía. Nuestro enfoque, basado en un silicio y un hardware más eficientes, abre la puerta a un debate más amplio que debemos mantener sobre cómo hacer que la IA sea más eficiente a medida que evoluciona.
Para que la IA tenga éxito, las empresas que la construyen, despliegan y ofrecen tendrán que aprovechar mejor la electricidad disponible, de forma más inteligente y eficiente. Esto requiere nuevos enfoques en todo el ecosistema de la IA.
Cómo hacer que la IA sea más eficiente
En el último año, los modelos de código abierto, como Llama, de Meta, han abierto la posibilidad de que las empresas creen sus propios modelos personalizados. Estos modelos preentrenados se pueden descargar gratis, ajustar con grandes conjuntos de datos existentes y ejecutar en combinación con modelos especializados más pequeños. Mejoran constantemente y pronto alcanzarán el nivel de los modelos fundacionales propietarios. Los modelos de código abierto ayudan a las organizaciones a evitar el costoso proceso de entrenamiento de modelos, que consume mucha energía. Pueden pasar directamente al ajuste y al despliegue de un modelo propio, que podrán seguir mejorando indefinidamente.
También es importante aprovechar al máximo el hardware que se despliega. Existe un sólido ecosistema de empresas —algunas de ellas emergentes— que lideran el uso de innovadoras técnicas de optimización basadas en software para garantizar que las cargas de trabajo de IA se ejecuten de la manera más eficiente posible. Esto puede reducir el coste total de operación y ayudar a disminuir la carga eléctrica sobre las redes de suministro.
Por último, podemos combinar todos estos enfoques: modelos de código abierto y hardware más eficiente funcionando en un entorno plenamente optimizado. El resultado es una mayor productividad de la IA y un mejor aprovechamiento de la electricidad disponible.
Desarrollar una IA supereficiente es exactamente el tipo de reto al que la industria tecnológica se ha enfrentado una y otra vez durante las últimas décadas, basándose en sucesivas capas de investigación e innovación. Para lograrlo se requiere un enfoque multifacético, y podemos conseguirlo juntos.
