Los modelos mega no son la clave de la crisis de cómputo

Cada vez que se lanza un nuevo modelo de inteligencia artificial, como las actualizaciones de GPT, DeepSeek, Gemini, la gente se maravilla por el tamaño, la complejidad y, cada vez más, el hambre de cómputo de estos modelos mega. La suposición es que estos modelos están definiendo las necesidades de recursos de la revolución de la inteligencia artificial.

Esa suposición es incorrecta.

Sí, los modelos grandes son voraces en términos de cómputo. Pero la mayor presión sobre la infraestructura de inteligencia artificial no proviene de un puñado de modelos mega, sino de la proliferación silenciosa de modelos de inteligencia artificial en various industrias, cada uno afinado para aplicaciones específicas, cada uno consumiendo cómputo a una escala sin precedentes.

A pesar de la competencia de “el ganador se lo lleva todo” que se está desarrollando entre los LLM, el panorama de la inteligencia artificial en general no se está centralizando, sino fragmentando. Cada empresa no solo está utilizando la inteligencia artificial, sino que también está entrenando, personalizando y desplegando modelos privados adaptados a sus necesidades. Es esta última situación la que creará una curva de demanda de infraestructura que los proveedores de servicios en la nube, las empresas y los gobiernos no están preparados para manejar.

Hemos visto este patrón antes. La nube no consolidó las cargas de trabajo de TI, sino que creó un ecosistema híbrido en expansión. Primero fue la dispersión de servidores. Luego, la dispersión de máquinas virtuales. Ahora, la dispersión de la inteligencia artificial. Cada oleada de cómputo ha llevado a la proliferación, no a la simplificación. La inteligencia artificial no es diferente.

La dispersión de la inteligencia artificial: por qué el futuro de la inteligencia artificial son un millón de modelos, no uno

Finanzas, logística, ciberseguridad, servicio al cliente, I+D – cada una tiene su propio modelo de inteligencia artificial optimizado para su propia función. Las organizaciones no están entrenando un solo modelo de inteligencia artificial para gobernar toda su operación. Están entrenando miles. Eso significa más ciclos de entrenamiento, más cómputo, más demanda de almacenamiento y más dispersión de infraestructura.

Esto no es teórico. Incluso en industrias que tradicionalmente son cautelosas con la adopción de tecnología, la inversión en inteligencia artificial está acelerando. Un informe de McKinsey de 2024 encontró que las organizaciones ahora utilizan la inteligencia artificial en un promedio de tres funciones empresariales, con la manufactura, la cadena de suministro y el desarrollo de productos a la cabeza (McKinsey).

La atención médica es un ejemplo primordial. Navina, una startup que integra la inteligencia artificial en los registros electrónicos de salud para resaltar los conocimientos clínicos, acaba de recaudar $55 millones en financiación de serie C de Goldman Sachs (Business Insider). La energía no es diferente – los líderes de la industria han lanzado el Consorcio de Inteligencia Artificial Abierta para llevar la optimización de la inteligencia artificial a las operaciones de la red y las plantas (Axios).

La tensión de cómputo que nadie está discutiendo

La inteligencia artificial ya está rompiendo los modelos de infraestructura tradicionales. La suposición de que la nube puede escalar infinitamente para respaldar el crecimiento de la inteligencia artificial está completamente equivocada. La inteligencia artificial no se escala como las cargas de trabajo tradicionales. La curva de demanda no es gradual, es exponencial, y los hiperscalers no están manteniendo el ritmo.

• Restricciones de energía: Los centros de datos específicos de la inteligencia artificial ahora se están construyendo alrededor de la disponibilidad de energía, no solo de las redes troncales.
• Cuellos de botella de red: Los entornos de TI híbridos se están volviendo inmanejables sin automatización, lo que las cargas de trabajo de la inteligencia artificial solo exacerbarán.
• Presión económica: Las cargas de trabajo de la inteligencia artificial pueden consumir millones en un solo mes, creando imprevisibilidad financiera.

Los centros de datos ya representan el 1% del consumo de electricidad global. En Irlanda, ahora consumen el 20% de la red nacional, una participación que se espera aumente significativamente para 2030 (IEA).

Sumado a esto, está la presión que se avecina sobre las GPU. La empresa Bain & Company advirtió recientemente que el crecimiento de la inteligencia artificial está sentando las bases para una escasez de chips semiconductores, impulsada por la demanda explosiva de chips de grado de centro de datos (Bain).

Mientras tanto, el problema de sostenibilidad de la inteligencia artificial crece. Un análisis de 2024 en Sustainable Cities and Society advierte que la adopción generalizada de la inteligencia artificial en la atención médica podría aumentar sustancialmente el consumo de energía y las emisiones de carbono del sector, a menos que se compensen con eficiencias dirigidas (ScienceDirect).

La dispersión de la inteligencia artificial es más grande que el mercado – es una cuestión de poder estatal

Si piensas que la dispersión de la inteligencia artificial es un problema corporativo, piensa de nuevo. El mayor impulsor de la fragmentación de la inteligencia artificial no es el sector privado, sino los gobiernos y las agencias de defensa, que despliegan la inteligencia artificial a una escala que ningún hiperscaler o empresa puede igualar.

El gobierno de los Estados Unidos solo ha desplegado la inteligencia artificial en más de 700 aplicaciones en 27 agencias, que cubren análisis de inteligencia, logística y más (FedTech Magazine).

Canadá está invirtiendo hasta $700 millones para expandir la capacidad de cómputo de inteligencia artificial doméstica, lanzando un desafío nacional para fortalecer la infraestructura de centros de datos soberanos (Innovation, Science and Economic Development Canada).

Y hay llamadas crecientes para un “programa Apolo” para la infraestructura de la inteligencia artificial, destacando la elevación de la inteligencia artificial de una ventaja comercial a un imperativo nacional (MIT Technology Review).

La inteligencia artificial militar no será eficiente, coordinada ni optimizada para el costo – estará impulsada por mandatos de seguridad nacional, urgencia geopolítica y la necesidad de sistemas de inteligencia artificial cerrados y soberanos. Incluso si las empresas contienen la dispersión de la inteligencia artificial, ¿quién le dirá a los gobiernos que se paren?

Porque cuando la seguridad nacional está en juego, nadie se detiene a preguntar si la red de energía puede manejarlo.