Una nueva startup de inteligencia artificial en China, llamada DeepSeek, ha sorprendido al mundo con su modelo R1. Este modelo parece funcionar casi tan bien como los de Google y OpenAI, a pesar de que la empresa afirma haber utilizado un número relativamente modesto de unidades de procesamiento gráfico (GPUs) para entrenarlo. La eficiencia de DeepSeek ha llevado a expertos e inversores a cuestionar si realmente se necesitan grandes inversiones en hardware para la inteligencia artificial. Esto podría cambiar la demanda de centros de datos y la energía necesaria para alimentarlos.
La compañía dice que utilizó 2,048 GPUs Nvidia H800 durante dos meses para entrenar un modelo anterior, lo que es solo una fracción de lo que se rumorea que OpenAI utiliza. Nvidia, que es muy dependiente de este mercado, vio caer su precio de acciones un 16% en el momento de la publicación. También están en una posición vulnerable las startups y las empresas de energía que están apostando fuertemente por nuevas capacidades nucleares y de gas natural.
La energía nuclear ha estado cerca de un renacimiento durante años, gracias a avances en combustible y diseños de reactores que prometen hacer que las nuevas plantas sean más seguras y económicas. Hasta ahora, no había muchas razones para avanzar rápidamente, ya que la energía nuclear sigue siendo cara en comparación con la energía eólica, solar y de gas natural. Además, la nueva generación de energía nuclear aún no se ha probado a gran escala comercial. Sin embargo, el aumento de la demanda de energía por parte de la inteligencia artificial ha cambiado esta situación.
Se prevé que los centros de datos consuman hasta el 12% de toda la electricidad en EE. UU., más del triple de su participación en 2023. Con pronósticos de centros de datos de IA subalimentados para 2027, las empresas tecnológicas están compitiendo por asegurar nuevos suministros, invirtiendo miles de millones de dólares en el proceso. Google ha prometido comprar 500 megavatios de capacidad de la startup nuclear Kairos, Amazon lideró una inversión de 500 millones de dólares en otra startup nuclear, X-Energy, y Microsoft está trabajando con Constellation Energy en una renovación de 1.6 mil millones de dólares de un reactor en Three Mile Island.
Pero, ¿y si el problema ha sido exagerado? No hay una regla estricta que sugiera que la única manera de mejorar el rendimiento de la IA es usar más capacidad de cómputo. Durante un tiempo, esta táctica funcionó bien, pero recientemente, más capacidad no ha dado los mismos resultados. Los investigadores de IA han estado buscando soluciones, y es posible que DeepSeek haya encontrado una para su modelo R1. Sin embargo, no todos están convencidos. Un analista de Citigroup, Atif Malik, expresó dudas sobre la posibilidad de que DeepSeek haya logrado esto sin el uso de GPUs avanzadas.
Aun así, la historia sugiere que, incluso si DeepSeek está ocultando algo, probablemente alguien más encontrará una manera de hacer que la IA sea más barata y eficiente. Después de todo, es más fácil y potencialmente más rápido encargar a algunos doctores que desarrollen mejores modelos que construir nuevas plantas de energía. La actual ola de nuevos reactores no estará lista hasta 2030, y las nuevas plantas de gas natural no estarán disponibles hasta finales de la década, como muy pronto. En este contexto, las inversiones en energía de las empresas tecnológicas parecen ser una forma de protegerse en caso de que sus apuestas de software no den resultados.
Si tienen éxito, es probable que las empresas tecnológicas reduzcan sus ambiciones energéticas. Cuando se les da la opción de gastar miles de millones en activos físicos o en software, las empresas tecnológicas casi siempre eligen lo segundo. ¿Dónde quedarán las startups nucleares y las empresas energéticas? Depende. Algunas podrían producir energía a un costo lo suficientemente bajo como para que no importe si las necesidades energéticas de la IA disminuyen. El mundo se está electrificando, y antes de que comenzara la burbuja de la IA, se esperaba que la demanda de electricidad creciera. Sin embargo, sin la demanda de IA, es probable que esas presiones de costo aumenten.
La energía eólica, solar y las baterías son baratas y cada vez más económicas, además de ser inherentemente modulares y producidas en masa. Los desarrolladores pueden implementar nuevas plantas renovables en fases, generando electricidad (y ingresos) antes de que se complete todo el proyecto, mientras mantienen cierto control sobre su futuro ante una demanda incierta. Esto no se puede decir de un reactor nuclear o una turbina de gas. Las empresas tecnológicas son conscientes de esto, por lo que han estado invirtiendo silenciosamente en energías renovables para alimentar sus centros de datos.
Pocas personas predijeron el actual auge de la IA, y es poco probable que alguien sepa cómo se desarrollarán los próximos cinco años. Como resultado, las apuestas más seguras en energía probablemente se destinarán a tecnologías probadas que puedan implementarse y escalarse rápidamente en un mercado que evoluciona rápidamente. Hoy en día, las energías renovables cumplen con esos requisitos.
