"No se trata de detener el desarrollo"... La teoría del control de velocidad en IA sacude las acciones semiconductoras

Regulación de seguridad en modelos de IA de vanguardia se expande... Atención enfocada en la dirección de la demanda de GPU y HBM

• Regulación de seguridad en modelos de IA de vanguardia se expande... Atención enfocada en la dirección de la demanda de GPU y HBM

(De izquierda a derecha) Dario Amodei, CEO de Anthropic; Sam Altman, CEO de OpenAI; Elon Musk, CEO de SpaceX; Demis Hassabis, CEO de Google DeepMind [Foto AFP·AP=Yonhapnews]

Los principales ejecutivos de la industria global de inteligencia artificial (IA) han sacudido el mercado de acciones semiconductoras con argumentos de que se debe desacelerar el ritmo de desarrollo de IA. Sin embargo, al examinar el contenido del debate, estas posiciones se alejan de propuestas para detener completamente el desarrollo de IA.

Dario Amodei, director ejecutivo de Anthropic, argumentó en un escrito publicado el día 12 titulado "We Must Pace the Frontier" (Debemos controlar el ritmo de la frontera) que la velocidad de mejora del desempeño de la IA de vanguardia debe ajustarse a un nivel que permita que las medidas de seguridad sigan el ritmo.

Amodei explicó que, conforme la IA se utiliza en el desarrollo de IA de próxima generación, la velocidad del avance tecnológico se ha acelerado, mientras que las medidas de seguridad no logran seguir este ritmo. Sam Altman, director ejecutivo de OpenAI; Elon Musk, CEO de SpaceX; y Demis Hassabis, CEO de Google DeepMind, entre otros, coincidieron en la necesidad de controlar esta velocidad.

El mercado reaccionó inmediatamente. El 14 de este mes, el índice KOSPI cayó un 3,26%, mientras que Samsung Electronics y SK Hynix registraron descensos de 4,05% y 6,35% respectivamente. En los mercados globales, acciones semiconductoras de IA como Nvidia también presentaron debilidad. Sin embargo, el mercado de valores también se vio afectado por otros factores adversos simultáneamente, incluyendo el aumento de los precios internacionales del petróleo y la carga de los tipos de interés.

Amodei aclaró que el control de velocidad no significa detener el entrenamiento de modelos o el avance tecnológico en sí. En su lugar, propuso un enfoque en el que evaluadores externos verifiquen los modelos internos de las empresas de IA y sus procesos de entrenamiento, y confirmen que se cumplen los estándares de seguridad necesarios cuando la capacidad del modelo alcanza ciertos niveles. Altman también afirmó: "Cuando hablamos de control de velocidad, no queremos decir 'detenerse'", y agregó que "el progreso ha sido rápido y seguirá siéndolo, pero debe ser más lento que si no hubiera ninguna intervención".

La sensibilidad de la industria de semiconductores no responde únicamente a un malentendido del mercado. Amodei también señaló que como medio para controlar la velocidad, se podría considerar limitar los recursos informáticos de entrenamiento destinados a los modelos, los métodos de entrenamiento y el desarrollo de IA mediante IA. También mencionó como opción a largo plazo un "control de velocidad integral" o una pausa mediante acuerdos entre países que limitaran significativamente el ritmo del avance de IA en sí. Sin embargo, consideró improbable que tales acuerdos se materialicen en el corto plazo.

El entrenamiento de modelos de IA de vanguardia requiere GPUs a gran escala y memoria de ancho de banda alto (HBM). Si efectivamente se limitaran la escala o la frecuencia del entrenamiento, la velocidad de crecimiento de la demanda de semiconductores para IA, que hasta ahora se ha dado por sentada, también podría reducirse. Reuters también señaló que si el control de velocidad se materializa, podría ser una carga para empresas que se benefician directamente de la infraestructura de IA para entrenamiento, como Nvidia.

No obstante, hasta el momento no se ha implementado regulación común alguna que obligue a restringir la escala de entrenamiento de las empresas de IA. La propuesta presentada por Amodei también se encuentra en gran medida en fase de propuesta. En particular, Amodei considera que la limitación del ritmo de desarrollo de IA entre países no es fácil de implementar debido a cuestiones de verificación y competencia entre naciones.

Tampoco toda la demanda de cálculo de IA depende únicamente del entrenamiento. La demanda de computación de IA se divide en entrenamiento (training), que crea nuevos modelos, e inferencia (inference), donde usuarios reales utilizan modelos ya desarrollados. McKinsey proyecta que la demanda global de inferencia de IA en centros de datos aumentará de 20,9 GW en 2025 a 93,3 GW en 2030, superando la demanda de entrenamiento de 62,2 GW en el mismo período. Estas son proyecciones de demanda de energía de centros de datos, no cifras que predigan directamente las ventas de GPUs o HBM específicos.

La cuestión clave es dónde disminuirá la demanda de semiconductores de IA y dónde aumentará. Si la teoría del control de velocidad en IA se institucionaliza, podría representar una carga para la demanda de semiconductores para entrenamiento de modelos de frontera, pero la demanda de inferencia derivada de la expansión de servicios de IA permanece como una variable de crecimiento separada.



* Este artículo ha sido traducido por IA.