El cómputo que mueve la IA

Qué se mide

Para entrenar un modelo de IA, un ordenador hace un número enorme de operaciones matemáticas. Ese número, el cómputo de entrenamiento, es la medida más usada del tamaño de un modelo. No mide lo que el modelo sabe hacer, pero los modelos con más cómputo suelen ser más capaces.

Un estudio revisado por pares reunió el cómputo de los modelos desde 1950. Antes de 2010 se duplicaba cada 20 meses, al ritmo de la ley de Moore; con la llegada del aprendizaje profundo empezó a duplicarse cada 6 meses, aproximadamente.^{Fuente 1}

El ritmo actual

Epoch AI, el grupo que mantiene esa base de datos, estimó en 2024 que el cómputo de los modelos destacados creció unas 4,1 veces al año entre 2010 y mayo de 2024, y el de los modelos de frontera, unas 5,3 veces. Desde 2018, la frontera crece más cerca de 4 veces al año, y los modelos de lenguaje, unas 5 veces desde mediados de 2020. Su resumen: entre 4 y 5 veces al año.^{Fuente 2}

Crecer entre 4 y 5 veces al año durante una década multiplica el cómputo por entre uno y diez millones.

De dónde sale

Los chips mejoran, pero mucho más despacio: el rendimiento por dólar de las GPU para IA se duplica cada 2,1 años, menos de 1,4 veces al año.^{Fuente 3} Si el precio de cada operación solo baja a ese ritmo, el resto del crecimiento tiene que venir de dedicar más chips, más energía y más dinero a cada entrenamiento.

Dónde se fabrican los chips

Más del 90 % de los chips más avanzados se fabrica en Taiwán.^{Fuente 4} Estados Unidos limita su venta a China, y en enero de 2026 permitió exportar algunos modelos con cupos.^{Fuente 5} El cómputo no depende solo de la técnica: también de la geopolítica.

Qué supone para los futuros

En el modelo de futuros, la frontera máxima es el ritmo de hoy, 4,5 veces al año, y la mínima, unas 1,35 veces al año, es lo que mejora la potencia de los chips por sí sola: se duplica cada 2,3 años. Por eso el punto de hoy está en el borde derecho de la matriz. El modelo no contempla que el cómputo crezca más deprisa que hoy y no cuenta las mejoras de los algoritmos, que hacen que el mismo cómputo rinda más.

Lo que no sabemos

Ninguna tendencia exponencial dura para siempre. La energía, la fabricación de chips y el dinero ponen límites, y no sabemos cuándo pesarán. Tampoco sabemos cuánto más capaz es un modelo por cada multiplicación de su cómputo: el cómputo mide el esfuerzo, no el resultado.