La carrera de inteligencia artificial está a punto de volverse física

Durante los últimos años, la historia de la inteligencia artificial se ha contado casi enteramente en el lenguaje del software. Los modelos están creciendo más capaces por minuto, volviéndose más rápidos y especializados. Miles de millones de dólares están fluyendo hacia modelos de base, laboratorios de investigación y startups que prometen reformar industrias enteras. Los gobiernos han publicado estrategias nacionales de inteligencia artificial y todas las salas de juntas del país han debatido mapas de integración. La conversación ha sido amplia, prospectiva y, en aspectos importantes, incompleta.

La inteligencia artificial no es magia. No vive en la nube en ningún sentido metafórico. Cada modelo entrenado, cada consulta respondida, cada imagen generada depende de la infraestructura física: centros de datos que consumen enormes cantidades de energía, sistemas de enfriamiento que funcionan las 24 horas, cables de fibra que transportan datos a través de continentes, subestaciones que conectan todo a redes eléctricas funcionales.

El alto costo energético de la inferencia

Encuestamos a más de 200 tomadores de decisiones senior de inteligencia artificial en EE. UU., y los datos proporcionan números duros a lo que muchos dentro de la industria han estado reconociendo. Casi el 29% de las organizaciones dicen que los costos de energía ya están limitando su capacidad para escalar la inteligencia artificial. Más de un cuarto (28%) dice que el aumento de los precios de la energía los ha obligado a ralentizar o pausar la actividad de entrenamiento de inteligencia artificial por completo. Los retrasos en la conexión a la red, las limitaciones de enfriamiento, la escasez de conectividad y los cuellos de botella en la planificación se citan como barreras en crecimiento. La capa de infraestructura, tratada durante mucho tiempo como el problema de alguien más, se ha convertido en el problema de todos.

Esto no es del todo sorprendente en retrospectiva. La escala a la que opera la inteligencia artificial moderna es verdaderamente extraordinaria. Entrenar un modelo de frontera grande puede consumir tanta electricidad como cientos de hogares en un año – una sola ejecución de entrenamiento de GPT-4 consume aproximadamente 50 GWh de electricidad – equivalente al consumo anual de 40,000 hogares estadounidenses. Ejecutar inferencia en millones de usuarios diarios requiere centros de datos de un tamaño y densidad que habrían parecido inverosímiles una década atrás. Y la demanda está acelerando, impulsada por la proliferación de aplicaciones de inteligencia artificial, la expansión de sistemas agenticos y la integración creciente de la inteligencia artificial en operaciones comerciales básicas. El consumo de electricidad de los centros de datos está creciendo alrededor del 15% por año – más de cuatro veces más rápido que el consumo total de electricidad en todos los demás sectores combinados. El mundo físico se le está pidiendo que absorba una curva exponencial, y nunca fue diseñado para hacerlo tan rápido.

La estrategia cambia al mundo físico

Lo que hace que el momento actual sea particularmente revelador es dónde están apareciendo las limitaciones. La tierra, resulta, no es el problema principal. Solo alrededor del 14% de las empresas en nuestra investigación identifican la disponibilidad de tierra como su desafío principal. El problema más difícil es todo lo que necesita suceder después de encontrar la tierra. Un sitio sin capacidad de red es inútil; no hay aprobación de planificación significa que estás varado; y si no hay conectividad resiliente, la construcción de inteligencia artificial no puede funcionar. El cuello de botella no es el espacio: es el proceso complejo y lento de convertir el espacio físico en entornos de cómputo operativos. Esa distinción es importante porque es mucho más difícil de resolver solo con dinero.

También reenmarca cómo debemos pensar sobre la competitividad nacional de la inteligencia artificial. La conversación se ha centrado durante mucho tiempo en el talento de investigación, el volumen de inversión y la carrera por entrenar los modelos más capaces. Pero la estrategia de infraestructura está surgiendo como una variable igualmente decisiva. En regiones donde la concesión de permisos se mueve más rápido, donde la política energética está más alineada con la demanda industrial y donde la inversión privada en infraestructura a gran escala es más madura, la inteligencia artificial puede escalar más rápidamente. EE. UU. tiene ventajas estructurales aquí que a menudo se subestiman. No son ventajas glamorosas: involucran planificación de la red, reforma de zonificación y coordinación de servicios públicos: pero son cada vez más importantes.

La geopolítica está agregando otra capa de complejidad. Alrededor de un tercio (33%) de las empresas encuestadas dicen que están considerando activamente reubicar las cargas de trabajo de inteligencia artificial a otras regiones o países debido a preocupaciones geopolíticas. Junto con las limitaciones prácticas de energía y planificación, las organizaciones también están sopesando la soberanía, la resiliencia de la cadena de suministro y la estabilidad política de los entornos en los que despliegan cómputo. El resultado es una reconfiguración de dónde fluye la inversión en infraestructura de inteligencia artificial: hacia regiones con energía renovable abundante, capacidad de red disponible y vías regulatorias más rápidas, independientemente de dónde se encuentren esas regiones en un mapa de tecnología tradicional.

La primera fase de la revolución de la inteligencia artificial se definió por lo que era posible en el software. La próxima fase estará definida por lo que es alcanzable en el mundo físico: por el trabajo desglamorizado y tedioso de construir infraestructura de energía, asegurar el suministro de energía y navegar la complejidad burocrática de la implementación industrial a gran escala.

Este es el lugar donde EE. UU. tendrá una ventaja que ninguna cantidad de capacidad de modelo puede superar fácilmente. El futuro de la inteligencia artificial depende de que la red se mantenga. Eso es menos emocionante de lo que sugieren los titulares. También es más importante.