La situación está así: la IA está cada vez más en auge, todo el mundo quiere subirse al tren. Y claro, la energía necesaria para mover estos sistemas no es cualquier cosa.
Si te soy sincero, cada vez que leo esas cifras de consumo me pregunto cómo es que no nos hemos vuelto locos todavía.
Resulta que unos investigadores de BitEnergy AI dicen haber dado con una solución. Suena bien: menos consumo de energía, casi un 95% menos.
Pero claro, como todo en la vida, tiene sus complicaciones. ¿Vale la pena? Pues depende de lo que busques.
La Necesidad De Bajar El Consumo: Porque Esto Se Nos Fue De Las Manos
Vamos a ser honestos, la IA está consumiendo energía como si tuviéramos enchufado un secador de pelo todo el día. ChatGPT, por ejemplo, consume lo mismo que 18 mil hogares estadounidenses cada día. ¡18 mil! Eso equivale a 564 MWh diarios. Y eso es solo uno. Imagina todos los modelos entrenándose por ahí.

Hay estimaciones, como las que proporciona el Cambridge Centre for Alternative Finance, que dicen que la industria de la IA podría estar devorando entre 85 y 134 TWh anualmente para el 2027. Para que se entienda: eso es casi tanto como lo que consume toda una ciudad mediana. ¿Sostenible? Ni de cerca.
L-Mul: La Solución Mágica… Pero Con Trampa
BitEnergy AI sale al ruedo diciendo que ellos tienen la respuesta. Han creado un algoritmo llamado L-Mul. Se supone que el algoritmo logra reducir el consumo usando sumas en vez de multiplicaciones de números flotantes. ¿Qué tiene esto de bueno? Pues que las sumas gastan menos energía, son más ligeras.
«Las sumas requieren mucho menos energía que las multiplicaciones flotantes.»
Ahí está el truco. Y la cosa es que, según ellos, la precisión apenas se ve afectada. Dicen que solo se pierde un 0.07% en el rendimiento general. Mira, si es cierto, ¿qué quieres que te diga? Me parece que es un buen trato. Pero bueno, ya sabemos cómo van estas cosas: en papel siempre suenan mejor que en la vida real.
Palabras clave de cola larga que podrían ser útiles aquí: «reducir consumo energético en IA», «cómo funciona el algoritmo L-Mul», «nuevas técnicas para ahorrar energía en IA».
El Dilema Del Hardware: No Todo Es Tan Fácil Como Parece
Ahora, aquí viene la parte que no suena tan atractiva. Resulta que para que este algoritmo funcione, necesitas hardware especializado. Y claro, el hardware actual que usamos para IA, ya sabes, esos GPU de Nvidia que cuestan una fortuna, no está preparado para este tipo de cambios. De entrada, Nvidia no parece tener ningún incentivo en apoyar esto, y claro, ¿qué haría una empresa que domina el mercado y que le va bien vendiendo hardware que ya tiene? Pues no tiene mucho interés en cambiar las reglas del juego.
Por lo visto, el plan de BitEnergy es desarrollar nuevas APIs y hardware específico que se ajuste a su algoritmo. La cuestión es: ¿qué tan rápido pueden llegar esas mejoras al mercado? No es lo mismo hablar de un avance teórico que de algo que está listo para ponerlo en práctica.
En pocas palabras, si no tienes el hardware adecuado, ni te molestes. Así de sencillo.
Nvidia No Está Convencida: ¿Sorpresa? Para Nada
Hablemos de Nvidia. La verdad, es el jugador principal cuando hablamos de hardware para IA. Han invertido millones en chips que manejan operaciones con números flotantes, y ahí llega BitEnergy a decir que ahora las multiplicaciones flotantes son cosa del pasado. ¿En serio esperan que Nvidia diga «Sí, perfecto, cambiemos todo»? Lo dudo mucho. El panorama aquí es simple: Nvidia no va a dejar su trono sin luchar. Van a hacer lo posible para mantener su dominio, y si eso implica ralentizar la adopción de este nuevo hardware, no me sorprendería en lo más mínimo.
Así que sí, lo de L-Mul suena prometedor, pero habrá que ver si no se queda atrapado en peleas entre gigantes de la industria, con intereses que no siempre coinciden con lo mejor para el medio ambiente o el consumo energético.
¿Cómo Funciona El L-Mul Y Por Qué Debería Importarte?
Vamos a entrar un poco en términos técnicos sin que te me duermas. L-Mul se basa en utilizar sumas de enteros para resolver lo que normalmente se hace con multiplicaciones flotantes. Es decir, donde antes usabas un martillo gigante para hacer un trabajo delicado, ahora lo haces con un destornillador, menos sofisticado pero igual de efectivo y mucho menos agotador para el sistema.
Los números flotantes son esos que se usan para manejar cálculos complejos, muy grandes o muy pequeños. Genial para la IA porque puedes manejar con mucha precisión, pero a un precio muy alto en consumo de energía. El algoritmo de BitEnergy viene a decirnos: «Oigan, no necesitamos tanta precisión para todo, podemos resolver muchas cosas con menos pasos».
Y la verdad, si en sus pruebas lograron mantener la precisión mientras bajaban el consumo un 95% en las multiplicaciones tensoriales, es para prestar atención. Imagínate todo ese ahorro. Es como si de repente dejaras de gastar gasolina y empezaras a andar con aire comprimido. No igual, pero casi.
Integración Con Modelos Existentes: GPT y Compañía
Lo bueno del L-Mul es que parece encajar bien en los modelos que ya conocemos, especialmente esos basados en Transformers, como GPT. Estos modelos se benefician bastante porque el algoritmo se integra bien con la atención, que es una parte esencial pero energéticamente demandante. En pruebas, modelos como Llama y Mistral incluso vieron mejoras en ciertas tareas. Suena bien, ¿a que sí? Pero ya sabemos que una cosa es la promesa y otra lo que pasa cuando el producto llega a las manos de todos.
«Transformers como GPT pueden beneficiarse especialmente de L-Mul.»
Pero no nos dejemos llevar por el optimismo. Si el hardware necesario no llega pronto, todos esos beneficios se quedarán solo en el papel.
¿Qué Sigue Ahora? Hardware Especializado Y Expectativas Realistas
Claro, BitEnergy promete que están trabajando en desarrollar hardware que pueda aprovechar al máximo su algoritmo. Suena a futuro. Y ya sabes lo que pasa cuando algo suena a «futuro» en el campo de la tecnología: puede que llegue en seis meses o en seis años. Dependerá mucho del interés que haya en la industria. Porque si lo que tenemos son las grandes corporaciones cuidando su negocio actual, lo de ver a L-Mul funcionando a gran escala se va a tardar. Y vaya si se va a tardar.

En resumen, este algoritmo L-Mul podría ser el paso necesario para bajar el consumo de energía de la IA a niveles menos absurdos. Pero tiene enemigos grandes. Hay que tener hardware nuevo y, además, convencer a Nvidia y compañía de que vale la pena dar el cambio. Nada fácil. A ver si no se queda todo en promesas y papel. Porque ya sabemos cómo funcionan estas cosas.
Resumen Rápido
- IA está devorando energía: El consumo actual de modelos como ChatGPT es altísimo, comparable al de 18 mil hogares estadounidenses.
- Algoritmo L-Mul de BitEnergy: Promete reducir el consumo de energía en IA hasta un 95% usando sumas en lugar de multiplicaciones flotantes.
- Hardware especializado requerido: La tecnología actual, especialmente los GPUs de Nvidia, no está preparada para esta transición.
- Nvidia podría ser un obstáculo: Como principal jugador del mercado de hardware IA, es poco probable que favorezca la adopción de un cambio que no le conviene.
- Ventajas para los modelos basados en Transformers: Modelos como GPT podrían beneficiarse, siempre y cuando haya hardware que soporte el algoritmo.
- Expectativa vs. realidad: Aunque el potencial es grande, hay muchas barreras, sobre todo en la parte de desarrollo de nuevo hardware y adopción por parte de la industria.
Preguntas Frecuentes
- ¿Qué es el algoritmo L-Mul y cómo funciona?
El L-Mul es un algoritmo desarrollado por BitEnergy AI que reduce el consumo de energía en la IA reemplazando multiplicaciones de números flotantes con sumas de enteros, lo cual es mucho más eficiente. - ¿Realmente reduce el consumo de energía en un 95%?
Según las pruebas realizadas por BitEnergy, sí, el algoritmo logra una reducción del consumo del 95% en ciertas operaciones, aunque todo depende del hardware disponible. - ¿Qué modelos de IA se benefician más de L-Mul?
Los modelos basados en Transformers, como GPT, se benefician especialmente debido a que el algoritmo optimiza la parte de atención, que suele ser muy costosa energéticamente. - ¿Nvidia está interesada en adoptar L-Mul?
Probablemente no. Nvidia domina el mercado de hardware de IA con GPUs diseñadas para multiplicaciones flotantes, y un cambio hacia L-Mul podría no ser de su interés. - ¿Cuándo estará disponible el hardware necesario para L-Mul?
BitEnergy dice que está trabajando en ello, pero no hay un plazo definido. Todo depende de cómo evolucione la aceptación de este tipo de tecnología en la industria. - ¿Vale la pena esperar por esta tecnología?
Depende de cuáles sean tus necesidades. Si buscas eficiencia energética y estás dispuesto a esperar, podría valer la pena. Pero si necesitas una solución ahora, quizá debas seguir con lo que hay disponible actualmente.





