Por qué los autócratas de la IA deben ser desafiados a hacerlo mejor

Si hemos aprendido algo de la Era de la IA, es que la industria está luchando con importantes desafíos de poder. Estos desafíos son tanto literales, como encontrar formas de satisfacer las voraces demandas de energía que requieren los centros de datos de la IA, como figurativos, como la concentración de la riqueza de la IA en pocas manos basada en intereses comerciales estrechos en lugar de beneficios sociales más amplios.

La paradoja del poder de la IA: Altos costos, control concentrado

Para que la IA tenga éxito y beneficie a la humanidad, debe volverse ubicua. Para volverse ubicua, debe ser económicamente y ambientalmente sostenible. Ese no es el camino que estamos siguiendo ahora. La batalla obsesiva por construir sistemas de IA cada vez más poderosos está impulsada más por ganancias de rendimiento a corto plazo y dominio del mercado que por lo que es mejor para una IA sostenible y asequible.

La carrera por construir sistemas de IA cada vez más poderosos está acelerándose, pero esto tiene un costo ambiental elevado. Los chips de IA de última generación, como el H100 de Nvidia (hasta 700 vatios), ya consumen cantidades significativas de energía. Se espera que esta tendencia continúe, con expertos de la industria que predicen que la próxima arquitectura Blackwell de Nvidia (NVDA ) podría aumentar el consumo de energía por chip a más de 1.200 vatios. Con los líderes de la industria anticipando que millones de estos chips se desplegarán en centros de datos en todo el mundo, las demandas de energía de la IA están a punto de aumentar drásticamente.

El costo ambiental de la carrera armamentista de la IA

Pongámoslo en un contexto cotidiano. La electricidad que alimenta su casa podría hacer funcionar todos sus electrodomésticos al mismo tiempo, aunque nadie lo haría. Ahora imagine un solo rack de Nvidia de 120 kW que demande la misma cantidad de energía, especialmente cuando puede haber cientos o miles en grandes centros de datos. Ahora, 1.200 vatios equivalen a 1,2 kW. Así que, en realidad, estamos hablando de un barrio de tamaño medio. Un solo rack de Nvidia de 120 kW, esencialmente 100 de esos chips que consumen mucha energía, necesita suficiente electricidad para alimentar aproximadamente 100 hogares.

Esta trayectoria es preocupante, dado las restricciones de energía que enfrentan muchas comunidades. Los expertos en centros de datos predicen que Estados Unidos necesitará entre 18 y 30 gigavatios de nueva capacidad en los próximos cinco a siete años, lo que ha llevado a las empresas a buscar formas de manejar ese aumento. Mientras tanto, mi industria sigue creando más aplicaciones de IA generativa que consumen energía mucho más allá de lo que es teóricamente necesario para la aplicación o lo que es factible para la mayoría de las empresas, y mucho menos deseable para el planeta.

Equilibrar la seguridad y la accesibilidad: Soluciones de centros de datos híbridos

Esta autocracia de la IA y esta “carrera armamentista”, obsesionada con la velocidad y el poder brutos, ignora las necesidades prácticas de los centros de datos del mundo real, a saber, el tipo de soluciones asequibles que disminuyen las barreras del mercado para el 75 por ciento de las organizaciones de EE. UU. que no han adoptado la IA. Y enfrentémoslo, a medida que se implementan más regulaciones de la IA en torno a la privacidad, la seguridad y la protección ambiental, más organizaciones exigirán un enfoque de centro de datos híbrido, protegiendo sus datos más valiosos, privados y sensibles en áreas seguras y protegidas en el sitio, alejadas de la IA y los ciberataques recientes. Ya sea que se trate de registros de atención médica, datos financieros, secretos de defensa nacional o integridad electoral, el futuro de la IA empresarial exige un equilibrio entre la seguridad en el sitio y la agilidad en la nube.

Este es un desafío sistémico importante y que requiere hipercolaboración en lugar de hipercompetencia. Con un enfoque abrumador en GPUs y otros chips aceleradores de IA con capacidad bruta, velocidad y métricas de rendimiento, estamos perdiendo la consideración suficiente para la infraestructura asequible y sostenible necesaria para que los gobiernos y las empresas adopten las capacidades de la IA. Es como construir una nave espacial sin un lugar para lanzarla o poner un Lamborghini en una carretera del país.

Democratizar la IA: Colaboración de la industria

Aunque es alentador que los gobiernos estén comenzando a considerar la regulación, asegurando que la IA beneficie a todos, no solo a la élite, nuestra industria necesita más que reglas gubernamentales.

Por ejemplo, el Reino Unido está utilizando la IA para mejorar las capacidades de aplicación de la ley al mejorar el intercambio de datos entre las agencias de aplicación de la ley para mejorar la predicción y prevención del crimen impulsadas por la IA. Se centran en la transparencia, la rendición de cuentas y la equidad en el uso de la IA para la aplicación de la ley, garantizando la confianza pública y el cumplimiento de los derechos humanos, con herramientas como el reconocimiento facial y la policía predictiva para ayudar en la detección y gestión del crimen.

En industrias altamente reguladas como la biotecnología y la atención médica, las colaboraciones notables incluyen Johnson & Johnson (JNJ ) MedTech y Nvidia trabajando juntos para mejorar la IA para procedimientos quirúrgicos. Su colaboración tiene como objetivo desarrollar capacidades de análisis y toma de decisiones en tiempo real impulsadas por la IA en el quirófano. Esta asociación aprovecha las plataformas de IA de NVIDIA para permitir la implementación escalable, segura y eficiente de aplicaciones de IA en entornos de atención médica.

Mientras tanto, en Alemania, Merck ha formado alianzas estratégicas con Exscientia y BenevolentAI para avanzar en el descubrimiento de fármacos impulsado por la IA. Están aprovechando la IA para acelerar el desarrollo de nuevos candidatos a fármacos, particularmente en oncología, neurología e inmunología. El objetivo es mejorar la tasa de éxito y la velocidad del desarrollo de fármacos a través de las capacidades de diseño y descubrimiento poderosas de la IA.

El primer paso es reducir los costos de implementar la IA para las empresas más allá de BigPharma y Big Tech, particularmente en la fase de inferencia de la IA, cuando las empresas instalan y ejecutan un modelo de IA entrenado como Chat GPT, Llama 3 o Claude en un centro de datos real todos los días. Las estimaciones recientes sugieren que el costo de desarrollar los sistemas de próxima generación más grandes podría ser de alrededor de $1 mil millones, con costos de inferencia potencialmente 8-10 veces más altos.

El costo en ascenso de implementar la IA en la producción diaria mantiene a muchas empresas alejadas de la adopción total de la IA, los “no tienen”. Una encuesta reciente encontró que solo una de cada cuatro empresas han lanzado con éxito iniciativas de IA en los últimos 12 meses y que el 42 por ciento de las empresas aún no han visto un beneficio significativo de las iniciativas de IA generativa.

Para verdaderamente democratizar la IA y hacer que sea ubicua, es decir, una adopción empresarial generalizada, nuestra industria de la IA debe cambiar de enfoque. En lugar de una carrera por los modelos y chips de IA más grandes y más rápidos, necesitamos más esfuerzos colaborativos para mejorar la asequibilidad, reducir el consumo de energía y abrir el mercado de la IA para compartir su potencial completo y positivo de manera más amplia. Un cambio sistémico elevaría todos los barcos al hacer que la IA sea más rentable para todos con un beneficio tremendo para los consumidores.

Hay señales prometedoras de que es factible reducir los costos de la IA, lo que reduce la barrera financiera para fortalecer las iniciativas de IA a gran escala y nacionales. Mi empresa, NeuReality, está colaborando con Qualcomm (QCOM ) para lograr una reducción de costos de hasta 90 por ciento y 15 veces mayor eficiencia energética para varias aplicaciones de IA en texto, lenguaje, sonido e imágenes, los bloques de construcción básicos de la IA. Usted sabe esos modelos de IA bajo palabras clave de la industria como visión por computadora, IA conversacional, reconocimiento de habla, procesamiento de lenguaje natural, IA generativa y modelos de lenguaje grande. Al colaborar con más proveedores de software y servicios, podemos seguir personalizando la IA en la práctica para mejorar el rendimiento y reducir los costos.

De hecho, hemos logrado disminuir el costo y el consumo de energía por consulta de IA en comparación con la infraestructura centrada en CPU tradicional en la que dependen todos los chips aceleradores de IA, incluidas las GPUs de Nvidia, hoy en día. Nuestro dispositivo de inferencia de IA NR1-S comenzó a enviarse durante el verano con aceleradores Qualcomm Cloud AI 100 Ultra emparejados con NAPUs NR1. El resultado es una arquitectura alternativa de NeuReality que reemplaza la CPU tradicional en los centros de datos de IA, el mayor cuello de botella en el procesamiento de datos de IA hoy en día. Ese cambio evolutivo es profundo y muy necesario.

Más allá del hype: Construyendo un futuro de IA económicamente y sosteniblemente

Vamos a ir más allá del hype de la IA y a ponernos serios sobre abordar nuestros desafíos sistémicos. El trabajo duro está por delante a nivel de sistema, lo que requiere que toda nuestra industria de la IA trabaje juntos, no unos contra otros. Al centrarnos en la asequibilidad, la sostenibilidad y la accesibilidad, podemos crear una industria de la IA y una base de clientes más amplia que beneficie a la sociedad de maneras más grandes. Eso significa ofrecer opciones de infraestructura sostenibles sin que la riqueza de la IA se concentre en las manos de unos pocos, conocidos como los Siete Grandes.

El futuro de la IA depende de nuestros esfuerzos colectivos hoy. Al priorizar la eficiencia energética y la accesibilidad, podemos evitar un futuro dominado por infraestructura de IA que consume mucha energía y una oligarquía de la IA centrada en el rendimiento bruto a expensas del beneficio generalizado. Al mismo tiempo, debemos abordar el consumo de energía insostenible que obstaculiza el potencial de la IA para revolucionar la seguridad pública, la atención médica y el servicio al cliente.

Al hacerlo, creamos un ciclo poderoso de inversión y rentabilidad de la IA impulsado por la innovación generalizada.

¿Quién está con nosotros?