Con el rápido desarrollo de la tecnología de inteligencia artificial (IA), su consumo energético se está convirtiendo en una preocupación mundial. Se prevé que en 2030 la IA represente el 11% del consumo eléctrico de EE.UU., un aumento significativo respecto al 4% actual. Esta tendencia impone demandas sin precedentes a la infraestructura energética mundial, al tiempo que plantea serios desafíos a los objetivos climáticos, la disponibilidad de recursos y la escalabilidad de la tecnología.

Las necesidades energéticas de la IA se concentran en sus centros de datos, que actualmente representan el 4,4% de la demanda de electricidad de EE.UU. y podrían alcanzar más de una décima parte de la demanda total en 2028. El auge de la computación de borde ofrece una solución parcial a este problema. Al desplegar los modelos de IA localmente, la computación de borde reduce el consumo de energía y la latencia, proporcionando un enfoque más eficiente y menos intensivo en energía. Sin embargo, la propia computación de borde se enfrenta al reto de la disponibilidad de energía.

Existe un desajuste significativo entre el ciclo de desarrollo de la IA y el ritmo al que se construye la infraestructura energética. Por ejemplo, el consumo medio de energía de una consulta ChatGPT es 10 veces superior al de una búsqueda en Google, y mientras que los ciclos de desarrollo de la IA suelen medirse en 100 días, los proyectos de infraestructuras energéticas pueden llevar décadas. Este desajuste agrava la presión sobre la asignación de la energía, especialmente a medida que aumenta la demanda de electricidad.

Aunque los cambios políticos pueden aliviar temporalmente parte de esta presión, no resolverán el problema subyacente de la asignación de la energía. Por ejemplo, el nuevo Gobierno puede retirar los mandatos para los vehículos eléctricos y el apoyo a los proyectos de energía verde, pero estas iniciativas no resolverán los cuellos de botella de la infraestructura energética. El verdadero reto es cómo distribuir eficientemente la energía allí donde se necesita, no la producción de energía en sí.

Las fuerzas del mercado están impulsando el cambio en el sector. Las empresas están invirtiendo en arquitecturas de IA energéticamente eficientes y desarrollando pequeños modelos lingüísticos para operar dentro de las limitaciones energéticas existentes. Al mismo tiempo, las empresas están tomando decisiones sobre el despliegue de la IA basadas en la disponibilidad de energía y la capacidad de distribución, y consideran la eficiencia energética como una ventaja competitiva fundamental.

La computación de borde se considera clave para resolver el reto energético. Al distribuir las cargas computacionales más cerca de los usuarios, la computación de borde libera de presión a los centros de datos centralizados. Además, los modelos dedicados en miniatura no sólo reducen el consumo de energía, sino que también proporcionan un mejor rendimiento para tareas específicas.

En el futuro, el éxito del desarrollo de la IA dependerá de una mayor eficiencia energética, no sólo de una mayor potencia de cálculo. Los líderes del sector deben enfrentarse de frente a las limitaciones de las infraestructuras e impulsar la innovación en soluciones de eficiencia de la IA y distribución de energía para garantizar que los avances tecnológicos estén en consonancia con los objetivos de sostenibilidad.