La inteligencia artificial (IA) está impulsando una transformación sin precedentes en la industria, una aceleración tecnológica y de capital que podría cambiar el panorama económico y geopolítico del mundo. En su ensayo «Situational Awareness: The Decade Ahead«, Leopold Aschenbrenner nos advierte que esta carrera no solo se trata de avances en código o algoritmos, sino de una movilización industrial a una escala extraordinaria. Según él, estamos en camino de construir clusters de cómputo tan grandes y costosos que requerirán el mismo nivel de infraestructura que un estado entero de EE.UU.
Este post detalla lo que implicará esta movilización industrial, la inversión masiva en GPUs, centros de datos y producción de energía, y cómo la carrera hacia la AGI (Inteligencia General Artificial) se está acelerando de maneras que pocos podrían haber previsto.
La Revolución del Cómputo: De GPT-4 a Clusters del Billón de Dólares
El progreso en la IA no es solo un avance incremental en capacidades. Cada nuevo modelo de IA, como GPT-4, necesita clusters de cómputo más grandes, con miles de GPUs funcionando a máxima capacidad. A medida que aumentan las demandas de entrenamiento para modelos cada vez más avanzados, los costos y la infraestructura requeridos para mantener esta carrera tecnológica se disparan.
Aschenbrenner sugiere que estamos en camino de construir clusters de entrenamiento que costarán billones de dólares para 2028. Estos clusters requerirán niveles masivos de electricidad, en algunos casos comparables a la producción energética de un pequeño estado de EE.UU. Para 2030, podríamos ver clusters que consuman más del 20% de la producción eléctrica de todo EE.UU..
| Año | OOMs | # de GPUs (equivalente a H100s) | Costo | Potencia Necesaria | Comparación de Potencia |
|---|---|---|---|---|---|
| 2022 | ~GPT-4 | ~10,000 GPUs | ~$500M | ~10 MW | ~10,000 hogares promedio |
| 2024 | +1 | ~100,000 GPUs | ~$10B | ~100 MW | ~100,000 hogares |
| 2026 | +2 | ~1 millón de GPUs | ~$100B | ~1 GW | Hoover Dam, gran reactor nuclear |
| 2028 | +3 | ~10 millones de GPUs | ~$500B | ~10 GW | Estado mediano de EE.UU. |
| 2030 | +4 | ~100 millones de GPUs | ~$1T+ | ~100 GW | >20% de la producción eléctrica de EE.UU. |
¿Es Factible Construir Clusters Tan Grandes?
A primera vista, los números parecen inimaginables. ¿Cómo puede una industria movilizarse tan rápidamente para construir clusters tan grandes y costosos? Sin embargo, los primeros pasos ya se están dando. Empresas como Meta y Amazon están comprando cientos de miles de GPUs y construyendo centros de datos al lado de plantas nucleares para asegurar su suministro de energía. Microsoft y OpenAI ya están planificando un cluster que podría costar alrededor de $100 mil millones para 2028, una inversión comparable a la Estación Espacial Internacional.
Pero lo que realmente impulsa esta carrera es la demanda de computación. A medida que la IA se convierte en el núcleo de los productos y servicios empresariales, las compañías tecnológicas están invirtiendo cantidades colosales en su infraestructura de IA. Solo en 2024, Nvidia podría alcanzar ingresos de $100 mil millones anuales solo en la venta de chips para centros de datos. Pero esto es solo el comienzo: el costo total de inversión en IA podría alcanzar los $2 billones anuales para 2028.
Inversiones en IA: ¿Cómo se Justifican?
El crecimiento de los ingresos de productos basados en IA está impulsando la inversión en infraestructuras masivas. Por ejemplo, OpenAI, en agosto de 2023, ya tenía ingresos anuales de $1 mil millones, y en febrero de 2024, estos alcanzaron los $2 mil millones. Las grandes tecnológicas, como Microsoft, ya están obteniendo ingresos incrementales de alrededor de $5 mil millones anuales solo de productos basados en IA.
Un Horizonte de $100 Mil Millones en Ingresos
Para las grandes tecnológicas, alcanzar un hito de $100 mil millones en ingresos anuales derivados de la IA parece ser una posibilidad para 2026. Este escenario cambiaría por completo el panorama de estas empresas, que actualmente tienen ingresos de entre $100 mil millones y $300 mil millones. Para poner esto en contexto: si un tercio de los suscriptores de Microsoft Office estuvieran dispuestos a pagar $100 adicionales al mes por funciones avanzadas de IA, el impacto sería monumental. Modelos de IA lo suficientemente poderosos como para justificar estos precios estarán disponibles en los próximos años.
A medida que estos ingresos continúan creciendo, las empresas tecnológicas estarán dispuestas a invertir cientos de miles de millones de dólares en infraestructura de IA, lo que aumentará exponencialmente la demanda de GPU, energía y centros de datos.
Precedentes Históricos
Invertir billones de dólares en infraestructura tecnológica puede parecer un escenario futurista, pero si miramos la historia, vemos precedentes similares:
- El Proyecto Manhattan y el programa Apollo, en sus picos de financiación, alcanzaron un gasto equivalente al 0.4% del PIB de EE.UU. (alrededor de $100 mil millones anuales hoy en día).
- Entre 1996 y 2001, las telecomunicaciones invirtieron casi $1 billón en la construcción de la infraestructura de Internet.
- En el siglo XIX, la construcción de ferrocarriles en Gran Bretaña representó el 40% del PIB durante una década, lo que sería equivalente a $11 billones en la economía actual de EE.UU.
La movilización necesaria para alcanzar los objetivos de la IA no es diferente. Si bien la escala de inversión es masiva, no es completamente inaudita, y está siendo impulsada por los retornos económicos que las empresas esperan obtener de estos avances en IA.
Energía: El Mayor Cuello de Botella
El mayor desafío que enfrentamos no es la producción de chips o la construcción de centros de datos, sino la producción de energía. Los clusters que se están planificando hoy en día necesitarán gigavatios de electricidad, una cantidad que no está disponible actualmente en muchas partes del mundo.
Por ejemplo, el cluster del billón de dólares que se proyecta para 2030 requerirá el 20% de la electricidad total que genera EE.UU. en la actualidad. A menos que se realicen inversiones masivas en la producción de energía, no será posible cumplir con esta demanda.
Sin embargo, EE.UU. tiene los recursos necesarios para hacer frente a este desafío. Solo en la región de Marcellus/Utica en Pensilvania, la producción de gas natural podría generar alrededor de 150GW de electricidad, suficiente para alimentar varios de estos clusters gigantescos. El reto está en construir la infraestructura adecuada para aprovechar estos recursos.
Chips: Otro Desafío Monumental
La fabricación de chips también será una limitación significativa. Actualmente, la producción mundial de chips para IA representa menos del 10% de la capacidad de fabricación de TSMC, el mayor fabricante de semiconductores. A medida que aumente la demanda de chips de IA, será necesario construir nuevas fábricas para mantener el ritmo.
En 2024, la producción de chips H100 será suficiente para un cluster de $100 mil millones, pero a medida que avancemos, será necesario aumentar la capacidad de producción en decenas de fábricas nuevas, cada una de las cuales costará $20 mil millones. Además, las limitaciones en la producción de memoria HBM y los sistemas de interconexión avanzados serán cuellos de botella críticos.
Los Clusters de la Democracia
La pregunta clave no es si estos clusters se construirán, sino dónde se construirán. Existe un riesgo real de que las infraestructuras necesarias para entrenar y ejecutar AGI se construyan en regiones controladas por gobiernos autocráticos, como en Oriente Medio, que ya están ofreciendo incentivos energéticos masivos para atraer a las empresas tecnológicas.
Si estas infraestructuras se construyen fuera de EE.UU. y sus aliados democráticos, el control de AGI y, eventualmente, de la superinteligencia podría caer en manos de dictaduras. Aschenbrenner compara este escenario con la dependencia de EE.UU. del petróleo de Oriente Medio en los años 70, lo que condujo a una crisis energética y un gran poder en manos de estos regímenes. Debemos evitar repetir los errores del pasado.
Conclusión: La Carrera ya Comenzó
La movilización industrial para la construcción de clusters de IA del tamaño de estados está en marcha. Si queremos mantener el control de esta tecnología crítica, será esencial que estos clusters se construyan en EE.UU. y sus aliados democráticos. El futuro de la inteligencia artificial depende no solo de los avances en código y algoritmos, sino de la capacidad de las naciones para movilizar recursos a una escala que solo hemos visto en los mayores esfuerzos industriales de la historia.
Puntos Clave:
- La inversión en IA podría alcanzar los $2 billones anuales para 2028.
- Los clusters de entrenamiento requerirán cantidades masivas de electricidad, comparables a pequeños estados de EE.UU.
- EE.UU. debe movilizar sus recursos energéticos y de infraestructura para asegurar que los clusters se construyan en el país.
- La demanda de chips y memoria alcanzará niveles sin precedentes, requiriendo la construcción de docenas de fábricas nuevas.
Enlaces al desarrollo por capítulos del ensayo «Situational Awareness»
En «Situational Awareness», Aschenbrenner no sólo destaca el rápido avance de la IA, sino que también llama a una reflexión profunda sobre los riesgos y beneficios que nos esperan en la próxima década. Si estás interesado en conocer más detalles sobre cada uno de los capítulos, consulta los siguientes enlaces.
- I. De GPT-4 a AGI: Contando los OOMs: El salto cualitativo hacia la AGI.
- II. De AGI a Superinteligencia: La Explosión de Inteligencia: La aceleración exponencial.
- III. Los desafíos
a. Rumbo al cluster de un billón de dólares: La movilización industrial.
b. Seguridad en los laboratorios de AGI: El riesgo de ciberseguridad.
c. Superalineamiento: Controlar a las máquinas más inteligentes.
d. La supervivencia del mundo libre: La competencia geopolítica. - IV. El Proyecto: La intervención del Estado.
- V. Reflexiones finales: ¿Qué pasaría si Leopold Aschenbrenner tiene razón?
Leopold Aschenbrenner es el fundador de una firma de inversión centrada en la Inteligencia Artificial General (AGI), respaldada por importantes inversionistas como Patrick y John Collison, Nat Friedman y Daniel Gross. Antes, trabajó en el equipo de Superalignment de OpenAI, donde contribuyó al avance de la IA avanzada. Además, tiene experiencia en investigación económica, habiendo trabajado en el Global Priorities Institute de la Universidad de Oxford y en la Universidad de Columbia, donde se enfocó en el estudio del crecimiento económico.