IA: El Entrenamiento Disparará la Demanda Eléctrica a 50 GW en 2030
El ritmo acelerado del desarrollo de la inteligencia artificial, particularmente el entrenamiento intensivo de los modelos a gran escala que sustentan muchas aplicaciones populares, está a punto de crear un aumento sin precedentes en la demanda de electricidad. Un nuevo informe publicado conjuntamente por el Electric Power Research Institute (EPRI) y Epoch AI proyecta que para 2030, el entrenamiento de un solo modelo de IA líder podría necesitar más de 4 gigavatios (GW) de energía, una cantidad suficiente para electrificar millones de hogares estadounidenses.
La huella energética del entrenamiento de estos sofisticados modelos de IA ha sido históricamente sustancial, requiriendo suministros de energía inmensos y concentrados. A pesar de los importantes avances en eficiencia computacional, la energía necesaria para entrenar un modelo de vanguardia se ha duplicado con creces anualmente durante la última década. Esta demanda creciente es impulsada por la búsqueda de la industria de la IA de un rendimiento mejorado a través de modelos cada vez más grandes y complejos, lo que a su vez requiere mayor poder computacional y, en consecuencia, más electricidad. El informe indica que es probable que esta tendencia de escalar los modelos de IA persista en los próximos años, incluso a medida que continúen los avances en eficiencia.
Sin embargo, la demanda total de energía para la inteligencia artificial se extiende mucho más allá del entrenamiento de estos modelos colosales. Una porción sustancial de la capacidad de energía futura también se asignará al despliegue de servicios de IA para usuarios finales, el entrenamiento de modelos más pequeños y especializados, y la investigación continua de IA. Las estimaciones actuales sitúan la capacidad total de energía de IA en EE. UU. en aproximadamente 5 GW. Se proyecta que esta cifra se disparará a más de 50 GW para 2030, un nivel de demanda que igualaría el consumo total de energía global de los centros de datos actuales y representaría una parte en rápida expansión de las necesidades energéticas generales de los centros de datos.
Jaime Sevilla, director de Epoch AI, subrayó la gravedad de estas proyecciones, afirmando que las demandas de energía para entrenar modelos avanzados de IA se duplican año tras año, acercándose pronto a la producción de las centrales nucleares más grandes. Enfatizó el análisis riguroso y basado en datos del informe sobre estas tendencias y su trayectoria futura, afirmando el compromiso de Epoch AI de continuar investigando la huella energética de la IA. Arshad Mansoor, presidente y director ejecutivo de EPRI, destacó la creciente ubicuidad de la IA y su anticipado papel fundamental en el futuro panorama energético. Señaló que para satisfacer eficazmente estas crecientes demandas de energía, tanto los desarrolladores de centros de datos como los proveedores de energía están adoptando estrategias innovadoras de “construir para equilibrar”. Este enfoque implica construir nueva infraestructura mientras se integra simultáneamente la flexibilidad en los diseños de los centros de datos, lo cual se considera crítico para acelerar las conexiones a la red, minimizar los costos y reforzar la confiabilidad del sistema.
En respuesta a estos desafíos, EPRI lanzó la colaboración DCFlex el año pasado. Esta iniciativa tiene como objetivo desarrollar y demostrar las tecnologías, políticas y herramientas necesarias para hacer realidad el potencial de la flexibilidad de los centros de datos. El concepto de flexibilidad de los centros de datos, particularmente a través de centros de datos de entrenamiento distribuidos geográficamente, prevé transformar estas instalaciones de consumidores pasivos de electricidad en activos de red activos. Esta transformación promete mejorar la confiabilidad de la red, reducir costos y acelerar nuevas conexiones. El esfuerzo de DCFlex ha obtenido un apoyo significativo de la industria, reuniendo a más de 45 empresas, incluidos miembros fundacionales como Google, Meta, NVIDIA y varios proveedores de servicios públicos. La colaboración inició recientemente sus primeras demostraciones de campo en el mundo real en ubicaciones clave como Lenoir, Carolina del Norte; Phoenix, Arizona; y París, Francia, marcando un paso tangible hacia una infraestructura energética más resiliente y receptiva para la era de la IA.