La compañía advierte que aumentar únicamente la potencia de los chips ya no será suficiente: el próximo salto de la IA dependerá de mejorar la eficiencia de todo el sistema de cómputo.
El consumo energético y los cuellos de botella en las redes de los centros de datos se perfilan como dos de los principales desafíos para escalar el uso empresarial de la inteligencia artificial.
La inteligencia artificial avanza hacia una nueva etapa en la que los sistemas no solo responderán preguntas o generarán contenidos, sino que podrán ejecutar de manera autónoma procesos compuestos por múltiples tareas. Sin embargo, llevar estos agentes de IA a millones de empresas plantea un desafío económico: reducir drásticamente el costo de la capacidad de cómputo que necesitan para operar.
Huawei estima que la industria deberá multiplicar por 100 la capacidad de cómputo y reducir hasta 1.000 veces el costo por tarea ejecutada para hacer viable la expansión de estos sistemas. El planteamiento hace parte de su informe Mundo Inteligente 2035: De la visión a la acción, que identifica las transformaciones tecnológicas que marcarán la próxima década.
“Para sostener la viabilidad económica de la inteligencia artificial a gran escala, la industria no puede depender únicamente del rendimiento individual de los procesadores. Necesitamos evolucionar hacia un enfoque integral, en el que cómputo, interconexión, almacenamiento y energía funcionen de manera coordinada para obtener mayor capacidad con más eficiencia”, afirmó Pedro Romero, Oficial de Ciberseguridad en Huawei.
A medida que los modelos de inteligencia artificial aumentan su tamaño y los agentes autónomos realizan procesos más complejos, también crece la infraestructura necesaria para mantenerlos funcionando. Cada tarea puede requerir múltiples interacciones con modelos de IA y la generación de grandes cantidades de tokens, las unidades en las que estos sistemas procesan y producen información.
El problema es que incrementar la potencia individual de los procesadores tiene límites. Los cuellos de botella en el ancho de banda de las redes internas, el movimiento de grandes volúmenes de datos y el consumo energético de los centros de datos pueden impedir que los chips alcancen todo su potencial. En la práctica, esa diferencia entre capacidad instalada y rendimiento efectivo termina elevando el costo de cada operación realizada por la IA.
La respuesta que plantea Huawei es pasar de una competencia centrada únicamente en el desempeño de cada chip a una arquitectura en la que miles de procesadores, redes y sistemas de almacenamiento trabajen como una sola unidad de cómputo. Esta arquitectura, denominada SuperPoD, integra miles de aceleradores de IA, como GPU y NPU, mediante conexiones y sistemas de almacenamiento de alta velocidad, con el propósito de aprovechar mejor el hardware, acelerar el procesamiento y obtener mayor rendimiento por cada unidad de energía consumida.
“Reducir significativamente el costo de ejecución de cada tarea es lo que puede convertir a los agentes autónomos en una tecnología económicamente viable para organizaciones de distintos sectores. El desafío no consiste únicamente en tener más capacidad de cómputo, sino en transformar esa capacidad en productividad real”, agregó Romero.
Este cambio cobra mayor relevancia ante la evolución de la inteligencia artificial hacia sistemas capaces de actuar con mayor autonomía. Mientras los modelos generativos se han popularizado por producir textos, imágenes, código o respuestas, los agentes pueden combinar distintas capacidades para completar procesos que requieren varios pasos y decisiones, lo que incrementa considerablemente sus necesidades de procesamiento.
Por ello, Huawei considera que la próxima etapa de la competencia tecnológica estará determinada no solo por quién desarrolle los procesadores más potentes, sino por quién consiga utilizarlos de manera más eficiente, reducir el consumo energético y disminuir el costo de cada tarea realizada por la IA.
La transición desde la optimización individual de los chips hacia la eficiencia del sistema completo será, según Mundo Inteligente 2035, una de las condiciones para que los agentes de inteligencia artificial pasen de implementaciones especializadas a convertirse en herramientas de uso cotidiano dentro de las empresas durante la próxima década.