El panorama actual de la cadena de suministro de IA
En la reciente Conferencia Global del Milken Institute, cinco líderes que controlan cada eslabón de la cadena de valor de la inteligencia artificial ofrecieron una visión cruda del estado del sector. Christophe Fouquet, CEO de ASML, expuso la problemática de los procesos de litografía ultravioleta extrema, mientras Francis deSouza, COO de Google Cloud, detalló la explosión de la demanda. Qasar Younis, de Applied Intuition, puso el foco en la falta de datos reales; Dmitry Shevelenko, de Perplexity, habló de la necesidad de agentes de búsqueda más integrados; y la física cuántica Eve Bodnia cuestionó los cimientos arquitectónicos de la IA desde su startup Logical Intelligence.
Escasez de chips: un cuello de botella inminente
Según Fouquet, la producción de chips está experimentando una "gran aceleración", pero aun así anticipa que el mercado permanecerá limitado en suministro durante los próximos dos a cinco años. Los gigantes del cloud – Google, Microsoft, Amazon y Meta – no podrán adquirir la cantidad de unidades que desean, lo que podría frenar proyectos ambiciosos y ralentizar la expansión de modelos cada vez más costosos.
DeSouza reforzó la presión al señalar que los ingresos de Google Cloud superaron los 20 mil millones de dólares en el último trimestre, con un crecimiento del 63 %. Asimismo, el backlog de la división casi se duplicó, pasando de 250 mil millones a 460 mil millones de dólares, evidencia clara de que la demanda supera con creces la capacidad disponible.
El dilema de los datos físicos
Younis describió otro obstáculo que no tiene que ver con la silicio, sino con la recopilación de datos del mundo real. Applied Intuition, que crea sistemas autónomos para vehículos, drones y maquinaria pesada, necesita observar comportamientos en entornos físicos para entrenar algoritmos fiables. Las simulaciones sintéticas aún no pueden reproducir con total precisión la complejidad de la realidad, y por ello la brecha entre el entrenamiento virtual y la ejecución en el terreno seguirá siendo amplia durante varios años.
Problemas energéticos y la apuesta por el espacio
Si el silicio constituye la primera piedra de obstáculo, la energía es la segunda. DeSouza reveló que Google está evaluando la instalación de centros de datos en órbita para aprovechar la abundante energía solar. No obstante, el vacío espacial elimina la convección, dejando solo la radiación como método de disipación de calor, lo que plantea desafíos térmicos mucho más difíciles que los sistemas de enfriamiento por aire o líquido que utilizamos hoy.
Esta visión de "data centers espaciales" subraya la magnitud del reto: no basta con generar energía, es esencial gestionarla eficientemente para no comprometer la operatividad de los servidores que sostienen los modelos de IA.
Replantear la arquitectura fundamental
Eve Bodnia, proveniente del mundo académico, argumenta que la arquitectura actual de la IA podría estar equivocada de base. Su startup Logical Intelligence propone enfoques basados en principios cuánticos que, según ella, podrían superar limitaciones inherentes de los sistemas clásicos, abriendo la puerta a una nueva generación de algoritmos más económicos y menos hambrientos de recursos.
En conjunto, los testimonios de estos cinco arquitectos revelan que el auge de la IA está topándose con barreras físicas, de datos y energéticas que no pueden ser resueltas únicamente con inversión financiera. La solución requerirá innovación en procesos de fabricación, recopilación de datos reales y, quizás, una revolución en la forma en que concebimos la propia arquitectura de la inteligencia artificial.