El enorme reto energético de la próxima generación de IA

Proyecciones de Epoch AI anticipan que los mayores entrenamientos de IA alcanzarán hasta 16 gigavatios de consumo, presionando la infraestructura eléctrica y los centros de datos.

El entrenamiento de modelos de inteligencia artificial de frontera podría convertirse en uno de los mayores consumidores de energía del planeta hacia el final de esta década. Según un análisis de Epoch AI, la demanda eléctrica de las ejecuciones más grandes en 2030 podría situarse entre los 4 y 16 gigavatios (GW), suficiente para abastecer a millones de hogares en Estados Unidos. Este pronóstico se basa en la tendencia observada de que la potencia necesaria para estos entrenamientos se ha duplicado, o más, cada año, impulsada por el crecimiento acelerado del cómputo y el tamaño de las infraestructuras que lo soportan.

El informe “Scaling Intelligence: The Exponential Growth of AI’s Power Needs”, elaborado junto con el Electric Power Research Institute (EPRI), proyecta que el cómputo de entrenamiento seguirá aumentando entre 4 y 5 veces por año, mientras que las mejoras en eficiencia energética de hardware, con incrementos anuales del 40% en GPUs líderes, continuarán a un ritmo sostenido. Sin embargo, la duración de los entrenamientos, que en algunos casos ya supera los 100 días, reducirá su tasa de crecimiento a entre un 10% y un 20% anual, debido a la presión por ciclos de innovación más cortos.

Si las tendencias actuales se mantienen, la demanda de energía para entrenar un solo modelo podría multiplicarse entre 2,2 y 2,9 veces por año. En el escenario más conservador, la cifra coincide con planes ya anunciados para construir centros de datos con capacidad de varios gigavatios. En el más ambicioso, sería necesario superar significativas limitaciones de suministro energético, algo que no está garantizado.

El estudio también señala que el entrenamiento distribuido, como el que ya emplea Google DeepMind en múltiples campus de centros de datos, podría ayudar a superar las restricciones de potencia en un solo sitio. Aun así, las proyecciones sugieren que para 2030 la capacidad total destinada a IA a nivel global podría superar los 100 GW, con más de 50 GW concentrados en Estados Unidos, lo que equivaldría a cerca del 5% de la capacidad total de generación eléctrica del país.

De materializarse, este escenario no solo consolidaría a la IA de frontera como un motor tecnológico, sino también como un factor determinante en la planificación y expansión de la infraestructura eléctrica mundial. La magnitud del consumo proyectado plantea retos técnicos y energéticos sin precedentes, que podrían influir tanto en las políticas de inversión en generación como en el diseño de futuras arquitecturas de computación para IA.

Le puede interesar: Transformación digital con propósito: el algoritmo de la sostenibilidad