Crédito y Caución

El cerebro humano emplea bastante más energía para resolver ecuaciones de tercer grado que unas simples sumas y restas. Esta relación entre complejidad y consumo energético se aplica a una IA cuya capacidad de procesamiento, sin precedentes, tiende a acelerarse. 

Sin embargo, es complicado precisar cuánta energía necesita debido a que las grandes compañías tecnológicas no suelen facilitar datos clave y a la dificultad de medir múltiples factores de consumo: consultas de los usuarios; entrenamiento de los grandes modelos de lenguaje; fabricación y funcionamiento de un hardware específico particularmente demandante, junto con la refrigeración industrial en los centros de datos que concentran el entrenamiento y los servicios IA, entre otros. 

Aunque los informes sectoriales varíen considerablemente, todos ellos coinciden en la tendencia al crecimiento intensivo de la demanda. Por ejemplo, el estudio Energy and AI, de la Agencia Internacional de la Energía, prevé que el consumo global de los centros de datos se duplique de aquí a 2030.   

Esta tendencia alcista amenaza con un cuello de botella: que el propio boom de la IA acabe frenando su potencial por la dificultad de suministrarle toda la energía requerida para su desarrollo y funcionamiento. Tal escenario ya empieza a tener efectos geopolíticos, más allá de los económicos, en la rivalidad China-Estados Unidos. Hasta ahora, la potencia norteamericana domina esta tecnología disruptiva, pero la potencia asiática recorta distancia porque su generación eléctrica no se frena con los requisitos medioambientales, ni los límites presupuestarios, propios de mercados bastante más regulados. 

China sigue quemando carbón a gran escala para producir electricidad y proyecta grandes plantas renovables, hidroeléctricas y nucleares con plazos de desarrollo más cortos que la competencia. Su rapidez de avance se confirma en la implantación del asistente DeepSeek para todo tipo de actividades administrativas y económicas, apenas medio año después de su estreno y con un consumo energético inferior a los chats estadounidenses.

Soluciones a desarrollar

La brecha entre necesidad y disponibilidad de grandes infraestructuras energéticas resulta clave porque se tarda bastante menos en construir un centro de datos (demanda) que una planta de generación (oferta) o las redes de distribución a lo largo de miles de kilómetros.  

Para evitar o, al menos, reducir el riesgo de cuello de botella ya se ensayan o aplican diferentes soluciones:

-    La propia Inteligencia Artificial impulsa la eficiencia energética por diferentes vías: chips, procesadores, algoritmos, modelos, sistemas de entrenamiento e incluso nuevos materiales capaces de reducir tanto el consumo como la necesidad de recursos computacionales sin perder rendimiento. De nuevo, DeepSeek es un ejemplo de modelo alternativo con un consumo menor que sus competidores. Además, la IA puede optimizar la eficiencia en toda la secuencia de generación, redes de transporte-distribución inteligentes y consumo por los usuarios finales.

-  Descentralización y simplificación: modelos más pequeños y especializados en tareas concretas, edge computing para potenciar el procesamiento local y dispositivos dotados de IA propia que asumen parte del trabajo para evitar derivarlo a los centros de datos. 

-  Generación y suministro: obviamente el aumento de la producción puede saciar el apetito de energía. Las grandes tecnológicas firman acuerdos de suministro con plantas renovables, pero no parecen suficientes ni en volumen ni en estabilidad debido a su intermitencia. Así, los centros de datos también prevén el suministro estable desde centrales de gas natural y nucleares de nueva generación, como los microrreactores que pueden instalarse in situ para su uso exclusivo. Emplazar los centros de datos junto a las centrales de generación es una tendencia que ahorra inversiones en, por ejemplo, redes de distribución y transporte.  

-  Avances disruptivos: computación neuromórfica, chips fotónicos, computación cuántica, modelos de código abierto, fusión nuclear, baterías de almacenamiento, incluso la idea de centros de datos situados en el espacio... Estas y otras tecnologías, tanto de procesamiento como energéticas, pueden contribuir a un descenso drástico en el consumo de la IA a medio plazo o a un suministro capaz de asumir el aumento de su demanda.