La industria de la inteligencia artificial está a punto de alcanzar un punto de inflexión. Según Epoch AI, una organización sin fines de lucro que rastrea las tendencias de la inteligencia artificial, la potencia de cómputo dedicada a ejecutar modelos de IA crecerá más rápido que la potencia de cómputo utilizada para construirlos para 2030.
Los números detrás del cambio
Las proyecciones de Epoch AI dibujan un panorama de una industria donde la economía de la implementación dominará cada vez más la economía del desarrollo. La organización estima que casi la mitad de todo el cálculo de inferencia se migrará a ASICs, o Circuitos Integrados Específicos para Aplicaciones, para finales de la década. Estos son chips diseñados para hacer una sola cosa extremadamente bien, a diferencia de las GPU de propósito general que actualmente impulsan la mayoría de las cargas de trabajo de IA.
Mientras tanto, se proyecta que la proporción de la capacidad de entrenamiento en las operaciones totales de IA se mantenga estable en aproximadamente el 5%. La capacidad de entrenamiento para modelos de IA de vanguardia actualmente crece a una tasa anual de 4 a 5 veces. La base total de capacidad de IA instalada se está expandiendo a un ritmo similar.
Históricamente, la inferencia ya ha representado entre el 60% y el 80% del cómputo en implementaciones reales.
Para 2030, se espera que las ejecuciones de entrenamiento de vanguardia alcancen aproximadamente 2e29 FLOP. Esa progresión es comparable al salto desde GPT-2 hasta GPT-4, respaldado por recursos que cuestan más de $100 mil millones. Cada una de esas ejecuciones de entrenamiento de vanguardia podría requerir entre 4 y 16 gigavatios de potencia de cómputo.
Los proyectos de IA de Epoch estiman que la capacidad total de potencia de IA en EE. UU. podría superar los 50 GW para 2030, con una capacidad global que excederá los 100 GW.
Por qué las ASICs están consumiendo la inferencia
Google lo descubrió hace años con sus Unidades de Procesamiento Tensorial. Amazon tiene sus chips Inferentia. La tendencia que proyecta Epoch AI sugiere que esta no es una estrategia de nicho, sino la dirección que aproximadamente la mitad del mercado de inferencia adoptará para el final de la década.
Las restricciones en esta trayectoria de crecimiento no son triviales. La demanda de energía, la capacidad de producción de chips y las limitaciones en la transferencia de datos representan desafíos reales. La evaluación de Epoch AI es que estos cuellos de botella son manejables bajo las suposiciones de crecimiento actuales.
Qué significa esto para los inversores
Si el cómputo de inferencia es hacia dónde se dirige el crecimiento, la tesis de inversión para el sector de semiconductores cambia significativamente. El entrenamiento aún requiere GPUs, y los presupuestos de entrenamiento siguen creciendo anualmente entre 4 y 5 veces. Pero la oportunidad de ingresos recurrentes de mayor volumen cada vez más reside en la inferencia.
Cuando hablas de 50 GW de capacidad de potencia de IA solo en EE. UU., eso implica una expansión masiva de centros de datos, generación de energía y sistemas de refrigeración.
El riesgo a vigilar es si la tasa de crecimiento anual de 4 a 5 veces en cómputo es sostenible. Las proyecciones de Epoch AI asumen que las trayectorias actuales se mantienen, pero las restricciones energéticas y la dinámica geopolítica en el suministro de chips podrían introducir fricciones.