Por Manja Thessin, gerente de mercado, estrategia e innovación (MS&I) en AFL
Las GPU modernas de alta gama han derribado las barreras del rendimiento y han logrado capacidades de procesamiento paralelo medidas en teraflops (billones de operaciones de punto flotante por segundo; FLOPS) e incluso petaflops (cuatrillones de FLOPS).
Por ejemplo, la GPU NVIDIA GeForce RTX 3090 funciona a 35,6 teraflops o, en términos más simples, 35,6 billones de cálculos de punto flotante por segundo.
En marcado contraste, incluso la avanzada CPU Extreme Edition de 18 núcleos de Intel, si bien es capaz de manejar tareas de centros de datos a gran escala, como alojamiento web y administración de bases de datos, se queda corta para cargas de trabajo de IA complejas con su rendimiento de alrededor de un teraflop.
Esta enorme diferencia de rendimiento entre las CPU y las GPU se reduce a un juego de números de núcleos y transistores. Las CPU de alto rendimiento comprenden hasta 24 núcleos con transistores que se cuentan por miles de millones (por ejemplo, la CPU Intel i7-9700K contiene tres mil millones de transistores).
En cambio, los chips GPU albergan miles de núcleos más pequeños y especializados y cientos de miles de millones de transistores. Por ejemplo, la GPU aceleradora de vanguardia NVIDIA Blackwell B100 cuenta con la asombrosa cantidad de 208 mil millones de transistores, lo que la convierte en la potencia preferida para las cargas de trabajo de IA.
Estos importantes avances en el hardware de inteligencia artificial han provocado un cambio radical en los requisitos de energía de los centros de datos. Las demandas de energía de los racks de servidores han aumentado desde unos modestos cinco a diez kW hasta diseños modernos que exigen entre 50 y 100 kW o más, con instalaciones de última generación que llevan el límite a unos asombrosos 200 kW por rack.
Dado que el hogar estadounidense promedio utiliza alrededor de 30 kWh por día, cada gabinete de centro de datos de IA moderno consume la energía equivalente a entre tres y seis hogares estadounidenses típicos por día.
Este aumento sin precedentes del consumo de energía plantea cuestiones críticas sobre la demanda de energía, los mecanismos de distribución y la generación de energía. Por ejemplo, podemos preguntarnos si las empresas de servicios públicos existentes pueden gestionar las demandas energéticas actuales de los centros de datos de IA. También podríamos considerar fuentes de energía alternativas, como la bioenergía, la geotermia e incluso la nuclear.
Mientras nos encontramos al borde de la era de la exaescala, con su promesa de quintillones de cálculos por segundo, es imperativo que exploremos y debatamos posibles soluciones energéticas para alimentar esta demanda computacional.
Centros de datos de IA: escala de la demanda energética
Los centros de datos de IA crean modelos de lenguaje de gran tamaño (LLM) a través de dos etapas críticas de aprendizaje automático: entrenamiento e inferencia. Las demandas energéticas de estos procesos son asombrosas: entrenar un solo modelo de gran tamaño puede consumir más de 50 MWh de energía. En contraste, los centros de datos tradicionales que albergan entre 500 y 2000 servidores generalmente consumen solo entre uno y cinco MWh de energía para funcionar.
Este crecimiento exponencial de las capacidades de la IA implica un importante coste energético, lo que obliga a la industria a explorar e implementar una amplia gama de soluciones, que incluyen no solo la optimización de los métodos existentes, sino también el desarrollo de enfoques innovadores para la generación y gestión de energía.
Energías renovables
Las fuentes de energía renovables, como la solar, la eólica y la hidroeléctrica, presentan soluciones sostenibles prometedoras para los centros de datos de IA, pero presentan desafíos como inconsistencias energéticas, elevados gastos de capital y limitaciones de ubicación.
La tecnología solar, que aprovecha los paneles fotovoltaicos (PV) para convertir la luz solar directa en electricidad, ha experimentado mejoras significativas en la eficiencia. Sin embargo, alimentar un gran centro de datos de IA requeriría una superficie considerable y una consideración cuidadosa del espacio de implementación, los costos, el almacenamiento de energía y la proximidad a áreas de alta irradiación solar (por ejemplo, desiertos).
Los parques eólicos marinos ofrecen una mayor consistencia energética, con turbinas modernas que generan hasta 15 MW de potencia. Si bien son una opción atractiva, la naturaleza inhóspita de las ubicaciones marinas aumenta los costos y plantea desafíos de mantenimiento.
La energía hidroeléctrica ofrece una fuente de energía más confiable y constante, pero las preocupaciones ambientales asociadas con la construcción de represas limitan las ubicaciones adecuadas. Como resultado, los centros de datos de IA están considerando cada vez más los sistemas hidroeléctricos de pasada, que tienen una huella ambiental menor pero una menor producción de energía.
Para aprovechar al máximo el potencial de las energías renovables, la industria debe abordar desafíos como el almacenamiento de energía y la integración en la red. Las tecnologías emergentes en estas áreas, combinadas con sistemas híbridos de energías renovables, podrían revolucionar la generación de energía para los centros de datos de IA.
Fuentes de energía alternativas
Más allá de las energías renovables tradicionales, las fuentes de energía alternativas como la geotermia y la bioenergía presentan posibilidades interesantes para alimentar los centros de datos de IA, cada una con ventajas y desafíos únicos.
La energía geotérmica, que aprovecha el calor del núcleo de la Tierra, ofrece una fuente de energía constante y confiable. Sin embargo, los altos costos de perforación y las limitaciones de ubicación pueden limitar su adopción generalizada.
La bioenergía, que convierte la biomasa en electricidad mediante la combustión y la digestión anaeróbica, ofrece el doble beneficio de reducir los desechos y la dependencia de los combustibles fósiles. Sin embargo, los desafíos incluyen la gestión meticulosa del proceso y la garantía de un suministro constante de biomasa. La neutralidad de carbono de la bioenergía sigue siendo un tema de debate científico en curso.
Estas fuentes de energía alternativas podrían desempeñar un papel crucial en la diversificación de la combinación energética de los centros de datos de IA, ofreciendo potencialmente soluciones energéticas más localizadas y sostenibles. Sin embargo, su adopción dependerá de los avances tecnológicos, la viabilidad económica y la integración exitosa con las infraestructuras de los centros de datos existentes.
Energía nuclear: controversias y percepción pública
La energía nuclear, con su alta densidad energética y confiabilidad, presenta una opción atractiva para los centros de datos de IA que exigen energía constante y sustancial. Su relativamente pequeña superficie ocupada aumenta su atractivo en una industria donde la eficiencia del espacio es de suma importancia.
Sin embargo, la energía nuclear se enfrenta a importantes obstáculos: elevados costos iniciales, largos tiempos de construcción y persistentes preocupaciones en materia de seguridad pública, en particular en lo que respecta a la gestión de residuos radiactivos. Las sombras proyectadas por incidentes como Chernóbil y Fukushima siguen moldeando la percepción pública y creando resistencia a la adopción de la energía nuclear.
Sin embargo, los avances tecnológicos, en particular en los reactores modulares pequeños (SMR), están reavivando el interés por la energía nuclear. Estos reactores innovadores, que producen alrededor de 300 MW(e) por unidad (aproximadamente un tercio de la producción de una central nuclear de tamaño normal), ofrecen características de seguridad y escalabilidad mejoradas.
Los diseños de SMR personalizados podrían satisfacer las variadas demandas de energía de los centros de datos de IA (que van desde 300 a 1000 MW), proporcionando la energía de alta densidad y baja emisión de carbono necesaria para operaciones a gran escala. Esta adaptabilidad hace que los SMR sean una opción cada vez más atractiva para las crecientes necesidades energéticas de la industria de la IA.
Conclusión
A medida que nos acercamos al año 2028, el lanzamiento previsto de OpenAI y de Stargate de Microsoft (que se perfila como la supercomputadora más grande del mundo) subraya el papel fundamental de la innovación energética en el futuro de la IA. Muchos predicen una solución nuclear para esta instalación revolucionaria.
El avance incesante de las tecnologías de inteligencia artificial generará una demanda cada vez mayor de energía. Para afrontar este desafío, los operadores probablemente dependerán de una combinación diversa de fuentes de energía, que abarcan la solar, la eólica, la hidroeléctrica, la geotérmica, la bioenergía y la nuclear. El futuro de los servicios de inteligencia artificial está inextricablemente vinculado con la innovación energética. El progreso sostenible en este campo dependerá no solo de un suministro adecuado de energía, sino también de avances en tecnologías de refrigeración e infraestructura de redes de alto rendimiento.
La energía nuclear, con su suministro de energía de alta densidad y confiable, surge como una solución convincente para los futuros centros de datos de IA a gran escala. A pesar de desafíos como el costo, la percepción pública y los plazos de construcción, los beneficios de la energía nuclear pueden superar estas preocupaciones a medida que la industria lidia con sus crecientes necesidades energéticas.
A punto de entrar en la era de la exaescala, la industria de la IA se enfrenta a un desafío crucial: equilibrar una potencia computacional sin precedentes con prácticas energéticas sostenibles. Las decisiones que se tomen hoy en relación con la alimentación de los centros de datos de IA determinarán no solo el futuro de la inteligencia artificial, sino también nuestro panorama energético global.