El impacto ambiental de Gemini, según Google
Google realizó un detallado informe sobre el consumo de energía de la IA y su esfuerzo por reducir el coste ambiental.
Google ha publicado un informe técnico que revela la metodología más completa hasta la fecha para medir el impacto ambiental de la inferencia de IA, el proceso mediante el cual un modelo ya entrenado realiza predicciones o genera contenido.
Usando esta metodología, Google estima que el consumo promedio de energía por cada solicitud de texto al modelo Gemini Apps es de 0.24 vatios-hora (Wh), con emisiones equivalentes a 0.03 gramos de CO2 y un consumo de agua de 0.26 mililitros, una cantidad comparable a ver televisión durante menos de nueve segundos. Estas cifras resultan ser considerablemente más bajas que muchas estimaciones públicas previas.
Además, el informe señala que en los últimos 12 meses la energía y las emisiones de carbono por solicitud han disminuido 33 y 44 veces respectivamente, mientras que la calidad de las respuestas ha mejorado. Esto ha sido posible gracias a innovaciones continuas en la arquitectura del modelo, algoritmos, hardware personalizado y la eficiencia del centro de datos.
Para lograr este avance, Google ha adoptado una visión integral que considera no solo la energía consumida durante la computación activa, sino también el uso de chips en estado de inactividad, la energía utilizada por CPU y RAM, así como el coste energético y el consumo de agua asociados a las infraestructuras de refrigeración y operación del centro de datos. Este enfoque da un panorama más realista del costo ambiental por uso y supera metodologías que solo consideran el consumo activo de los aceleradores de IA.
La eficiencia de Gemini se debe también a su arquitectura basada en transformadores, que ofrece una mejora de 10 a 100 veces en eficiencia en comparación con modelos previos. La implementación de modelos de expertos mixtos (MoE) y de técnicas como el entrenamiento cuantificado y la destilación, permiten reducir el número de cálculos y el consumo de energía por solicitud sin sacrificar calidad.
Por otro lado, Google ha diseñado TPU (unidades de procesamiento tensorial) desde cero, asegurando un rendimiento óptimo por vatio consumido. La última generación, llamada Ironwood, es 30 veces más eficiente que la primera versión pública de TPU. Estos chips están emparejados con un software optimizado para maximizar la eficiencia en tiempo real y evitar periodos innecesarios de inactividad.
La sostenibilidad también abarca las operaciones de los centros de datos, que cuentan con un índice promedio de eficiencia energética (PUE) de 1.09. Google persigue una ambición de operar con energía 100% limpia 24/7 y reponer más del 120% del agua usada, adoptando sistemas de refrigeración optimizados que equilibran energía, agua y emisiones, adaptándose a las condiciones locales.
En conclusión, la investigación y las prácticas implementadas por Google reflejan un compromiso firme hacia la reducción del impacto ambiental de la IA, con resultados concretos en ahorro energético, menor huella de carbono y reducción en el consumo de agua. Con el continuo crecimiento del uso de IA, estas innovaciones serán esenciales para un desarrollo responsable y sostenible del sector.
Este informe refleja el estado actual y los avances en eficiencia de la IA según datos de mayo de 2025, en el marco de los esfuerzos de Google para mitigar el impacto ambiental de sus tecnologías.
