Por Canuto  

Anthropic y OpenAI no solo compiten por enormes complejos de cómputo: también exploran acuerdos de 20-30 MW que podrían permitirles obtener capacidad utilizable con mayor rapidez, especialmente para atender la creciente demanda de inferencia.
***

  • Anthropic explora acuerdos de 20-30 MW en Reino Unido y países nórdicos, mientras OpenAI también ha considerado despliegues de menor escala.
  • Los proyectos pequeños pueden entrar en operación más rápido, sobre todo cuando aprovechan sitios que ya cuentan con energía disponible.
  • La inferencia podría superar al entrenamiento como principal uso de la capacidad de centros de datos de IA a partir de 2027.

Anthropic y OpenAI están explorando acuerdos para centros de datos de inteligencia artificial con capacidades mucho menores que los megaproyectos que han dominado la industria durante el último año. Según información de CNBC, ambas compañías evalúan despliegues de aproximadamente 20 a 30 megavatios, una escala que podría ofrecer acceso más rápido al cómputo necesario para entrenar y operar sus modelos. El movimiento refleja una carrera cada vez más intensa por asegurar infraestructura en un mercado donde la demanda crece más rápido que la disponibilidad de energía, terrenos y equipos especializados.

Los dos laboratorios han anunciado compromisos de cientos de megavatios e incluso de varios gigavatios, pero ahora también buscan sumar bloques más pequeños a sus carteras. Anthropic habría explorado oportunidades dentro de ese rango en Reino Unido y los países nórdicos, de acuerdo con cuatro personas familiarizadas con las conversaciones que hablaron bajo condición de anonimato. OpenAI, por su parte, habría considerado despliegues similares en los países nórdicos, mientras una de las fuentes señaló que ambas empresas también discutían alternativas en Estados Unidos.

Una carrera por capacidad utilizable

Los centros de datos proporcionan la infraestructura física donde funcionan los chips, servidores, sistemas de refrigeración y conexiones necesarias para las cargas de trabajo de IA. En lugar de construir todas esas instalaciones por cuenta propia, Anthropic y OpenAI suelen alquilar capacidad a operadores especializados y a empresas conocidas como neoclouds, que ofrecen acceso flexible a cómputo avanzado. Esa estrategia les permite ampliar sus recursos sin asumir siempre el costo y el plazo completo de desarrollar cada complejo.

OpenAI confirmó a CNBC que está construyendo una cartera de cómputo diversificada para atender la demanda mundial de inteligencia artificial. Un portavoz de la compañía explicó que las distintas cargas de trabajo requieren infraestructuras diferentes y que la empresa conversa con varios socios, evaluando cada oportunidad según sus necesidades, rendimiento, fiabilidad, plazos y costos. También aclaró que OpenAI no comenta discusiones comerciales específicas, mientras Anthropic no ofreció declaraciones sobre las conversaciones consultadas.

Jabez Tan, jefe de investigación de Structure Research, explicó que los acuerdos de menor capacidad resultan atractivos por la velocidad para obtener capacidad utilizable. Asegurar unos pocos megavatios en una ubicación que ya tiene energía disponible puede ser más práctico que esperar durante años por un bloque mucho mayor en un solo sitio, especialmente cuando los proyectos de gran escala enfrentan permisos, oposición local y restricciones de suministro.

La lógica también permite distribuir una carga de trabajo entre varias ubicaciones, en vez de depender de un único campus de enormes dimensiones. Tan señaló que, cuando las tareas pueden operar en sitios separados, una colección de despliegues pequeños puede sumar una capacidad sustancial. Para los laboratorios de IA, esa flexibilidad puede reducir la espera entre la firma de un acuerdo y la puesta en marcha de servidores destinados a usuarios finales.

Megaproyectos bajo presión

La búsqueda de instalaciones pequeñas ocurre mientras Anthropic y OpenAI mantienen compromisos de infraestructura de escala extraordinaria. Anthropic firmó un acuerdo de nube valorado en aproximadamente USD $45.000 millones con Nscale, mediante el cual alquilará cerca de 460 MW de capacidad de cómputo en un desarrollo ubicado en Virginia Occidental, según dos personas familiarizadas con el asunto citadas en agosto.

OpenAI también ha ampliado sus planes de Stargate, su proyecto de infraestructura de IA. La compañía dijo que en abril había superado el compromiso original de 10 GW y posteriormente anunció, junto con Oracle, un acuerdo para desarrollar 4,5 GW adicionales de capacidad para centros de datos Stargate en Estados Unidos. Esas cifras muestran la escala que los grandes laboratorios consideran necesaria para sostener el entrenamiento de modelos y el servicio de aplicaciones, aunque no eliminan la utilidad de añadir instalaciones menores en otros puntos.

Los enormes centros de datos enfrentan una resistencia creciente de comunidades locales en Estados Unidos y otros mercados. Los residentes suelen cuestionar el consumo de energía, el uso de agua, el impacto sobre las redes eléctricas y los beneficios económicos que reciben las zonas donde se levantan los complejos, mientras los operadores deben afrontar procesos de autorización cada vez más complejos.

Europa enfrenta una presión adicional por la escasez de terrenos disponibles y energía, un problema especialmente relevante para empresas que necesitan conectar grandes cantidades de servidores en poco tiempo. En ese contexto, un centro de 20 o 30 MW situado en una instalación con suministro eléctrico existente puede representar una alternativa operativa más sencilla que esperar la conclusión de un campus de varios cientos de megavatios.

El avance de la inferencia

La diferencia entre entrenamiento e inferencia ayuda a explicar por qué crece el interés en centros de datos distribuidos. Entrenar un modelo grande requiere que numerosos chips trabajen estrechamente coordinados para procesar enormes volúmenes de datos, mientras que la inferencia consiste en ejecutar el modelo para responder solicitudes de usuarios una vez que ya está desarrollado.

Tan explicó que muchas cargas de inferencia pueden atender solicitudes independientes en varios clústeres pequeños, lo que abre la posibilidad de utilizar más ubicaciones. Esta característica no elimina la necesidad de grandes instalaciones para ciertos entrenamientos, pero sí permite que una parte creciente de la capacidad se despliegue cerca de los usuarios o en sitios donde la energía esté disponible antes.

El cambio resulta importante porque el sector espera que la inferencia represente una proporción cada vez mayor de la actividad en los centros de datos. Un informe de la firma inmobiliaria JLL proyecta que la inferencia superará al entrenamiento como uso de la capacidad total en 2027; en 2025, representaba el 9% de las cargas de trabajo globales, frente al 14% correspondiente al entrenamiento.

Para 2030, JLL calcula que la inferencia utilizará el 37% de la capacidad de los centros de datos, mientras el entrenamiento bajará al 13%. Estas proyecciones ayudan a explicar por qué las empresas tecnológicas evalúan arquitecturas con muchos puntos de operación, aunque la distribución también exige administrar redes, seguridad, refrigeración y disponibilidad de forma coordinada.

Neoclouds y nuevas construcciones

El interés por instalaciones menores no se limita a Anthropic y OpenAI. En febrero, Nvidia anunció que colaboraría con varios actores del sector de centros de datos para estudiar instalaciones de menor escala diseñadas para inferencia distribuida, una señal de que los proveedores de chips y operadores también preparan sus negocios para una demanda menos concentrada.

Crusoe, la empresa estadounidense que construyó un gran complejo de centros de datos en Texas utilizado por OpenAI, también está invirtiendo en instalaciones más pequeñas, según informó The Wall Street Journal. Esos proyectos podrían ser más rápidos y baratos que las construcciones de mayor tamaño, que enfrentan retrasos en distintas partes de Estados Unidos. Crusoe no respondió a una solicitud de comentarios sobre esos planes.

Los neoclouds han ganado relevancia porque ofrecen a los laboratorios acceso a equipos especializados sin exigirles que controlen toda la cadena de construcción y operación. Su crecimiento depende, sin embargo, de conseguir financiamiento, electricidad y chips suficientes, factores que pueden limitar la velocidad con la que convierten acuerdos comerciales en capacidad realmente disponible.

Crusoe anunció el jueves una ronda de financiación de USD $3.900 millones con una valoración posterior a la inversión de USD $30.900 millones. La operación ilustra el apetito de los inversionistas por proveedores vinculados a la expansión de la IA, aunque la competencia por energía y capacidad física seguirá determinando qué proyectos llegan primero al mercado.

Para Anthropic y OpenAI, la estrategia parece combinar grandes compromisos de largo plazo con acuerdos pequeños capaces de entrar en operación con mayor rapidez. El resultado podría ser una infraestructura más fragmentada, pero también más adaptable a una industria donde el entrenamiento, la inferencia y la demanda de los usuarios evolucionan a velocidades distintas.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados