¿Cuánta electricidad consume la IA?

Artículo original ↗ Discusión en Hacker News ↗

El apetito de la IA por la electricidad, que crece rápidamente, está planteando preguntas sobre su impacto climático, especialmente a medida que los centros de datos y los grandes modelos de lenguaje se escalan junto con otras tecnologías intensivas en energía como Bitcoin. Los comentaristas debaten si las estimaciones actuales (a menudo por debajo del 1–2% del uso eléctrico global) son alarmantes o aceptables, señalando tanto la falta de datos precisos y transparentes como el potencial de mejoras de eficiencia, hardware especializado y energía renovable para mitigar los daños. Debajo subyace una tensión más amplia entre ver la IA como hype despilfarrador o como “investigación fundamental” transformadora cuyos beneficios —desde la optimización de redes hasta aplicaciones médicas— podrían justificar finalmente su costo energético.

Calidad del artículo y transparencia de los datos

  • Varios comentaristas consideran que el artículo está poco investigado y es numéricamente descuidado (p. ej., una cifra errónea sobre la carga de un smartphone, comparaciones dudosas con Netflix).
  • Debate sobre por qué las grandes empresas de IA no publican cifras detalladas de energía:
    • Una postura: agregar el uso específico de IA entre muchos equipos es un trabajo costoso que el periodista debería hacer en parte.
    • La otra: las empresas externalizan los costos climáticos, así que debería esperarse una rendición de cuentas detallada, no tratarse como “adornos” del artículo.
  • Algunos sienten que el texto presenta a las empresas como indiferentes al consumo energético e ignora que muchos investigadores ahora rastrean y optimizan el uso de cómputo en sus artículos.

Cuánta electricidad usa la IA

  • Tema repetido: “realmente no lo sabemos”, pero la IA es un subconjunto del uso de los centros de datos.
  • Rangos citados:
    • Los centros de datos consumen aproximadamente 1–2% de la electricidad global; la IA hoy es una parte pequeña pero de rápido crecimiento.
    • Estimaciones de que IA+ML podría ser 1–5% de la electricidad global según las definiciones.
  • Se describe el entrenamiento de GPT‑3 como sorprendentemente pequeño en relación con el uso doméstico, pero los modelos más nuevos entrenados “de forma adecuada” serían mucho más intensivos en energía.

Externalidades ambientales y energías renovables

  • Algunos argumentan que el consumo eléctrico importa sobre todo por el CO₂, y que los hyperscalers están construyendo agresivamente renovables y compensaciones.
  • Otros subrayan que la optimización corporativa busca beneficios, no límites planetarios, y piden regulación y transparencia obligatoria.
  • Debate sobre si 0,5–1% de la electricidad global para la IA es “poco” o “muchísimo”; algunos presentan el 1% como enorme dadas las necesidades en competencia.

Valor vs. desperdicio (IA vs. cripto)

  • Los escépticos ven la IA generativa actual como frívola (texto basura, imágenes meme) y no digna de grandes presupuestos energéticos.
  • Los partidarios la ven como investigación fundamental y una herramienta de propósito general, que ya ayuda en:
    • Optimización de la red, logística, agricultura, diagnóstico médico, detección de fraude, etc.
  • Un largo hilo lateral compara la IA con Bitcoin:
    • Estimaciones aproximadas sitúan a Bitcoin en alrededor de ~0,3–0,4% de la electricidad global.
    • La prueba de trabajo es inherentemente intensiva en energía; el paso de Ethereum a proof-of-stake muestra una vía hacia reducciones drásticas.
    • Los críticos dicen que el deep learning no ha tenido hasta ahora un cambio estructural de eficiencia análogo.

Hardware, escalado y paradoja de Jevons

  • Debate sobre GPUs, TPUs y posibles ASICs:
    • Algunos creen que los chips especializados y los avances algorítmicos recortarán mucho la energía por inferencia.
    • Otros responden que las GPUs ya están cerca de lo óptimo para las matemáticas actuales, y que cualquier mejora será superada por el crecimiento de la demanda (paradoja de Jevons).
  • Preocupación de que, a medida que la IA se vuelva más barata y capaz, el uso pueda expandirse hasta consumir todo el cómputo disponible y fracciones significativas de la energía de la red, especialmente si la IA empieza a usar más IA de forma autónoma.

Costos del sistema más amplio y preguntas sociales

  • Se plantean puntos sobre:
    • La energía para la fabricación de chips (p. ej., obleas de nodos avanzados en TSMC) y la cadena de suministro global como costos “ocultos” de la IA.
    • Si toda la pila tecnológica está, en efecto, al servicio de la automatización/IA.
    • Qué ocurre con el uso de recursos de los trabajadores cuyos empleos son automatizados: ¿cambian sus patrones de consumo o la IA es una carga puramente adicional?