Why does AI consume so much electricity?

• El crecimiento exponencial de la IA, ejemplificado por ChatGPT, se prevé que provoque un aumento significativo de la demanda energética, pudiendo consumir hasta el 25% de la electricidad de EE. UU. para 2030, lo que suscita preocupaciones por una inminente crisis energética y desencadena una "guerra energética" global.
• Para hacer frente al creciente consumo energético de la IA, expertos del sector y grandes empresas tecnológicas como Amazon, Google y Altman están aplicando estrategias como la optimización de grandes modelos y hardware de IA para reducir el consumo energético, además de invertir en nuevas fuentes de energía como la fusión nuclear.
• A pesar de los desafíos que plantea el consumo energético de la IA, persiste el optimismo sobre la capacidad de satisfacer la demanda, con continuos avances en energías renovables, mejoras en infraestructuras y colaboración internacional destinados a garantizar un futuro energético sostenible en medio de la revolución de la IA.

A medida que ChatGPT desencadena una nueva ola de fiebre por la inteligencia artificial (IA), el problema subyacente del consumo energético sigue atrayendo la atención.

El 10 de abril de este año, Rene Haas, CEO del gigante de los chips Arm, declaró públicamente que los grandes modelos de IA como ChatGPT requieren una potencia computacional significativa. Se estima que para 2030, los centros de datos de IA consumirán entre el 20% y el 25% de la demanda de electricidad en Estados Unidos, un aumento significativo desde el 4% actual.

Los datos públicos muestran que ChatGPT procesa actualmente más de 200 millones de solicitudes al día, consumiendo hasta 500.000 kilovatios-hora de electricidad diariamente. Esto se traduce en una factura anual de electricidad de 200 millones de RMB solo para ChatGPT. Ver también: Ziggo Group nombra a sus líderes antes de su salida a bolsa en Ámsterdam en 2027.

Esto significa que el consumo diario de electricidad de ChatGPT es más de 17.000 veces el de un hogar medio. (La electricidad comercial en Estados Unidos ronda actualmente los 0,147 dólares por kilovatio-hora, equivalentes a 1,06 yuanes, o 530.000 yuanes al día) Ver también: Alejandro Estua.

Según Alex de Vries, director de una consultora holandesa, se espera que la industria de la IA consuma entre 850 mil millones y 1,34 billones de kilovatios-hora de electricidad al año para 2027, lo que equivale al consumo total anual de electricidad de un país europeo como Suecia o los Países Bajos. Ver también: Alejandro Manzo.

Musk predice que el déficit energético podría producirse ya en 2025, afirmando: "El año que viene verán, no tendremos suficiente energía para hacer funcionar todos los chips". Ver también: Alejandro Hernandez.

El CEO de OpenAI, Sam Altman, también prevé una crisis energética en la industria de la IA, y sugiere que el futuro desarrollo tecnológico de la IA dependerá en gran medida de la energía, y que la gente necesitará más productos fotovoltaicos y de almacenamiento energético.

Todo ello indica que la IA está a punto de desencadenar una nueva "guerra energética" global. Ver también: Alejandro Garza.

Lea también: 5 mujeres que están cambiando la industria de la IA

Lea también: ¿Qué generador de voz con IA está usando todo el mundo?

La IA se topa con un cuello de botella energético

En los últimos 500 días, ChatGPT ha provocado un aumento global de la demanda de grandes modelos de IA y de potencia de cálculo. Ver también: Alejandro Guerrero.

Los gigantes tecnológicos mundiales como Microsoft, Google, Meta y OpenAI se han apresurado a adquirir chips de IA, aventurándose incluso a fabricar chips ellos mismos, con una escala total que supera las decenas de billones de dólares.

En esencia, la IA depende en gran medida de la tecnología informática y del procesamiento de la información, lo que a su vez requiere un número significativo de chips GPU, así como recursos subyacentes como electricidad, energía hidroeléctrica, eólica y financiación.

Ya en 1961, el físico Rolf Landauer, que trabajaba en IBM, publicó un artículo en el que proponía lo que más tarde se conocería como el "Principio de Landauer".

Esta teoría sugiere que cuando la información almacenada en un ordenador experimenta cambios irreversibles, emite una pequeña cantidad de calor al entorno circundante, y la cantidad de calor emitido depende de la temperatura del ordenador en ese momento: cuanto mayor es la temperatura, más calor se emite.

El Principio de Landauer vincula información y energía, específicamente con la segunda ley de la termodinámica. Dado que las operaciones de procesamiento de información lógicamente irreversibles dan lugar a la aniquilación de la información, esto conduce a un aumento de la entropía en el mundo físico, consumiendo así energía.

Desde que se propuso, este principio se ha enfrentado a un escepticismo considerable. Sin embargo, en la última década aproximadamente, el "Principio de Landauer" ha sido verificado experimentalmente.

En 2012, un estudio publicado en Nature midió por primera vez la minúscula cantidad de calor liberada cuando se borra un "bit" de datos. Experimentos independientes posteriores también han confirmado el "Principio de Landauer".

En la última década, los ordenadores electrónicos modernos han consumido en sus cómputos una energía miles de millones de veces superior al valor teórico del principio de Landauer. Los científicos se han esforzado por encontrar métodos de computación más eficientes para reducir costes.

Hoy en día, con la explosión de los grandes modelos de IA, existe una necesidad significativa de computación. Por lo tanto, la IA no solo se ve limitada por la escasez de chips, sino también por la escasez de energía.

Recientemente, en la conferencia 'Bosch Connected World 2024', Musk también afirmó que hace más de un año, la escasez era de chips, pero el año que viene veremos una escasez de electricidad, incapaz de satisfacer la demanda de todos los chips.

Li Xiuquan, subdirector del Centro de Inteligencia Artificial del Instituto de Información Científica y Tecnológica de la Academia China, también afirmó: "en los últimos años, la escala y la cantidad de grandes modelos de IA han crecido rápidamente, lo que ha provocado un rápido aumento de la demanda energética. Aunque es poco probable que surjan rápidamente problemas como 'cortes de electricidad' a corto plazo, el aumento exponencial de la demanda energética con la llegada de la era de la inteligencia a gran escala no puede ser ignorado".

La clave de la calidad de los grandes modelos de IA reside en los datos, la potencia de cálculo y el talento de alto nivel, apoyados por el funcionamiento continuo de decenas de miles de chips día y noche.

Concretamente, el proceso de trabajo de la potencia de cálculo de los modelos de IA puede dividirse a grandes rasgos en dos etapas: entrenamiento e inferencia, y el consumo de energía también está presente.

Durante el entrenamiento se necesita recopilar y preprocesar una gran cantidad de datos de texto

En los últimos años, la escala y la cantidad de grandes modelos de IA han crecido rápidamente, lo que ha provocado un rápido aumento de la demanda energética. Aunque es poco probable que surjan rápidamente problemas como 'cortes de electricidad' a corto plazo, el aumento exponencial de la demanda energética con la llegada de la era de la inteligencia a gran escala no puede ser ignorado.

Li Xiuquan, subdirector del Centro de Inteligencia Artificial del Instituto de Información Científica y Tecnológica de la Academia China

Durante la fase de entrenamiento, es necesario recopilar y preprocesar una gran cantidad de datos de texto como datos de entrada. A continuación, se inicializan los parámetros del modelo en una arquitectura de modelo adecuada, se procesan los datos de entrada y se intenta generar una salida. Por último, se ajustan repetidamente los parámetros en función de la diferencia entre la salida y la salida esperada hasta que el rendimiento del modelo ya no mejora significativamente.

Desde el entrenamiento de GPT-2 con 1.500 millones de parámetros hasta el entrenamiento de GPT-3 con 175.000 millones de parámetros, el consumo energético del entrenamiento de los modelos de OpenAI es asombroso. La información pública indica que OpenAI consume 128,7 kWh por entrenamiento, lo que equivale a 32 km recorridos por 3.000 Teslas simultáneamente.

Según la firma de investigación New Street Research, solo Google necesita unos 400.000 servidores para IA, consumiendo 62,4 GWh al día y 22,8 TWh al año.

Durante la fase de inferencia, la IA carga primero los parámetros del modelo entrenado, preprocesa los datos de texto que necesitan inferirse y luego permite que el modelo genere una salida basada en los patrones lingüísticos aprendidos. Google afirma que de 2019 a 2021, el 60% del consumo energético relacionado con la IA procede de la inferencia.

Según la estimación de Alex de Vries, ChatGPT consume más de 500.000 kWh al día para responder a aproximadamente 200 millones de solicitudes, lo que resulta en una factura anual de electricidad de 200 millones de RMB, que es 1,7 veces mayor que el consumo medio diario de electricidad de cada hogar estadounidense.

Un informe de SemiAnalysis afirma que el consumo de energía para la búsqueda de problemas mediante grandes modelos es diez veces superior al de las búsquedas convencionales por palabras clave. Tomando Google como ejemplo, las búsquedas estándar de Google utilizan 0,3 Wh de energía, mientras que cada interacción con grandes modelos consume 3 Wh. Si los usuarios utilizaran herramientas de IA para cada búsqueda en Google, se necesitarían aproximadamente 29,2 TWh de electricidad al año, o unos 79 millones de kWh al día. Esto equivale a suministrar energía continua al rascacielos más grande del mundo, el Burj Khalifa de Dubai, durante más de 300 años.

Además, según el Informe del Índice de Inteligencia Artificial de Stanford 2023, cada búsqueda con IA consume aproximadamente 8,9 Wh de electricidad. En comparación con las búsquedas normales de Google, el consumo energético por búsqueda con IA es casi 30 veces mayor. Para un modelo de hasta 176.000 millones de parámetros, solo la fase de entrenamiento consume 433.000 kWh, lo que equivale al consumo anual de electricidad de 117 hogares estadounidenses.

Cabe destacar que dentro de la Ley de Escala, a medida que la escala de parámetros sigue aumentando, el rendimiento de los grandes modelos también mejora, acompañado de un mayor consumo de energía.

Por consiguiente, la cuestión energética se ha convertido en un "grillete" crítico para el desarrollo continuo de la tecnología de la IA.

Prueba rápida

¿Cuántos servidores necesita Google para la IA?

A. 400.000

B. 300.000

C. 200.000

D. 100.000

La respuesta correcta se encuentra al final del artículo.

Aún está lejos de ser catastrófico

Jensen Huang, a pesar de sus preocupaciones sobre el suministro energético, ofrece una visión más optimista: en la última década, la computación de IA ha aumentado un millón de veces, pero sus costes, espacio o consumo energético no han crecido en la misma magnitud.

Según las perspectivas anuales a largo plazo de la Administración de Información Energética de EE.UU. (EIA), la tasa de crecimiento anual de la demanda de electricidad en EE.UU. es actualmente inferior al 1%. Sin embargo, John Ketchum, CEO de NextEra Energy, estima que bajo la influencia de la tecnología de IA, esta tasa de crecimiento anual de la demanda de electricidad se acelerará hasta alrededor del 1,8%.

Un informe del Boston Consulting Group muestra que en 2022, el consumo de electricidad de los centros de datos representó el 2,5% del consumo total de electricidad de EE.UU. (unos 130 teravatios-hora), y se espera que se duplique para 2030 alcanzando el 7,5% (unos 390 teravatios-hora). Esto equivale al consumo de electricidad de unos 40 millones de hogares estadounidenses, o un tercio de todos los hogares estadounidenses. El grupo también predice que la IA generativa representará al menos el 1% de la nueva demanda de electricidad en Estados Unidos.

Esto significa que, aunque el consumo de electricidad de los centros de datos y de la IA es significativo, está lejos de ser catastrófico.

En cuanto a costes, un informe de la Agencia Internacional de Energías Renovables señaló que en la última década, el coste medio de la electricidad de los proyectos eólicos y solares a nivel mundial ha disminuido acumulativamente más del 60% y 80%, respectivamente. Personas del sector también mencionaron: "El coste integral de la energía fotovoltaica es similar al de la energía térmica, mientras que la energía eólica cuesta la mitad que la térmica en algunas regiones".

¿Cómo afrontaremos el próximo aumento de la demanda energética?

Según los resúmenes de expertos del sector realizados por la aplicación Titanium Media, existen dos soluciones principales para abordar el consumo energético de la IA: una es reducir el consumo de energía mediante la optimización de grandes modelos o del hardware de IA, y la otra es encontrar nuevas fuentes de energía, como la fusión nuclear, los recursos de fisión, etc., para satisfacer las demandas energéticas de la IA.

En cuanto a la optimización del hardware, para los grandes modelos de IA de nivel billón con alto consumo energético, se puede reducir el consumo comprimiendo el tamaño y la complejidad de los tokens del modelo mediante la optimización de algoritmos y modelos. Al mismo tiempo, las empresas pueden seguir desarrollando y actualizando hardware de IA con menor consumo energético, como el último NVIDIA B200, PC con IA o terminales telefónicos con IA. Además, optimizando la eficiencia energética de los centros de datos y mejorando la eficiencia del uso de la energía, se puede reducir el consumo.

En respuesta a esto, Bai Wenxi, vicepresidente de la Alianza de Capital Empresarial de China, declaró: "en el futuro, es necesaria la innovación tecnológica y la actualización de equipos para mejorar aún más la eficiencia de la generación de energía, aumentar la capacidad y estabilidad de la transmisión de la red, optimizar la asignación de recursos energéticos, mejorar la flexibilidad del suministro eléctrico, promover sistemas energéticos distribuidos y reducir las pérdidas de transmisión de energía para hacer frente a los retos de la demanda energética derivados del desarrollo de la potencia de cálculo".

Qu Haifeng, subdirector del Comité de Expertos del Grupo de Trabajo de Centros de Datos de China (CDCC), considera que las industrias pertinentes deberían centrarse en mejorar la eficiencia energética de los centros de datos en lugar de suprimir su escala. Los centros de datos no necesitan reducir el consumo de energía, sino mejorar la calidad del consumo energético.

En cuanto al desarrollo de la energía de fusión nuclear, debido a sus abundantes recursos de materias primas, su gran liberación de energía, su seguridad, su limpieza y sus ventajas medioambientales, la fusión nuclear controlada puede satisfacer básicamente los diversos requisitos para la fuente de energía última ideal en el futuro.

Actualmente existen tres fuentes principales de energía de fusión: la energía cósmica, como la luz y el calor solares; la explosión de bombas de hidrógeno (fusión nuclear no controlada); el sol artificial (dispositivo de energía de fusión nuclear controlada).

Según las estadísticas, actualmente hay más de 50 países en el mundo que realizan investigaciones y construyen más de 140 dispositivos de fusión, y se han realizado una serie de avances tecnológicos. El OIEA espera que la primera central eléctrica de fusión del mundo se construya y entre en funcionamiento en 2050.

Esta generación de energía de fusión aliviará en gran medida la escasez energética mundial provocada por la demanda de grandes modelos de IA.

En abril de 2023, Altman tomó medidas preventivas invirtiendo personalmente 375 millones de dólares en la empresa emergente de fusión Helion Energy y ejerció como presidente de la compañía. Además, Altman fusionó AltC, su empresa de inversión, con la empresa emergente de fusión Oklo el pasado julio, asegurando una OPV valorada en aproximadamente 850 millones de dólares, con una capitalización bursátil más reciente de AltC que supera los 40.000 millones de dólares.

Además de la fuerte inversión de Altman en empresas de fusión, gigantes tecnológicos como Amazon y Google están comprando directamente energía limpia.

Según datos de Bloomberg, solo en 2023, Amazon compró 8,8 gigavatios (GW) de energía limpia, lo que supone el cuarto año consecutivo en que se convierte en el mayor comprador corporativo de energía limpia del mundo. Meta (3 GW) y Google (1 GW) le siguen de cerca.

Amazon afirma que más del 90% de la electricidad de sus centros de datos procede de generación de energía limpia y se espera que alcance el 100% de uso de energía verde para 2025.

La competencia entre China y Estados Unidos

De hecho, tomando a Estados Unidos como ejemplo, el crecimiento de múltiples industrias como la energía limpia, la IA, los centros de datos, los vehículos eléctricos y la minería ha reactivado la estancada demanda de electricidad en EE.UU. Sin embargo, incluso considerada como la 'máquina más grande' del mundo, la red eléctrica estadounidense parece incapaz de hacer frente a este cambio repentino.

Los analistas señalan que el 70% de las instalaciones de acceso y transmisión de la red estadounidense están envejeciendo, y que en algunas zonas las líneas de transmisión son insuficientes. Por lo tanto, la red eléctrica estadounidense necesita mejoras masivas, y si no se toman medidas, Estados Unidos se enfrentará a un déficit de suministro interno insalvable para 2030.

En comparación con Estados Unidos, China es más optimista respecto a su demanda energética. Actualmente, los productos eólicos y fotovoltaicos chinos se han exportado a más de 200 países y regiones, con exportaciones acumuladas que superan los 33.400 millones de dólares y los 245.300 millones de dólares, respectivamente.

A medida que la IA experimenta un crecimiento explosivo, la competencia entre China y Estados Unidos en la industria de la IA ha evolucionado de una competencia en tecnología de grandes modelos a una batalla multifacética que involucra potencia de cálculo, energía, mano de obra y más.

Con el posible despliegue de la energía de fusión nuclear para 2050, la humanidad espera poner fin al difícil problema del consumo energético de la IA y entrar en una era de generación ilimitada de energía.

La respuesta correcta es A.