🔬 Investigadores sostienen que la ciencia no necesita depender de megacentros de datos para aprovechar la IA. Proponen que universidades y equipos adopten modelos de pesos abiertos en servidores locales: una vía que, según su experiencia, reduciría la dependencia de grandes plataformas y permitiría usar mejor los recursos informáticos.
Los autores advierten que los centros de datos destinados a IA demandan mucha electricidad. El mundo usó unos 485 teravatios-hora el año pasado y la Agencia Internacional de la Energía prevé que esa cifra se duplique en 2030. Una encuesta de Gallup publicada en mayo halló que el 71 % de los estadounidenses se opone a construir un centro de datos en su zona.
La alternativa propuesta son modelos con parámetros públicos que corran dentro de cada institución. Un rack de servidores del tamaño de una mininevera puede atender a unas 50 personas a la vez. Los autores también citan chips de portátil de NVIDIA y Apple, además de una estimación de Epoch AI: los modelos abiertos tardan unos cuatro meses en igualar las capacidades de los sistemas propietarios de frontera.
✅ Esta propuesta cuestiona que cada avance científico con IA requiera instalaciones gigantes. Tiene límites claros: los equipos locales aún son caros, exigen conocimientos técnicos y las universidades no han invertido en ellos; además, las empresas seguirán construyendo grandes centros para sus servicios propietarios.
