Google limitó el acceso de Meta a sus modelos de IA Gemini debido a limitaciones en la capacidad informática, según un informe del Financial Times. Esta restricción ha afectado significativamente a Meta, lo que ha obligado a la empresa a instruir a los empleados para que utilicen tokens de IA de manera más eficiente. Meta también está trasladando cargas de trabajo de Gemini a su propio modelo Muse Spark para reducir su dependencia de proveedores externos de IA.
Meta había dependido inicialmente de Gemini para tareas como moderación de contenido y procesos de seguridad, debido a su rendimiento superior en comparación con los modelos de código abierto Llama de Meta. Con el acceso limitado a Gemini, Meta está acelerando su transición a Muse Spark, que lanzó bajo su división Superintelligence Labs. Los ajustes señalan los esfuerzos de Meta por desarrollar alternativas internas para cargas de trabajo esenciales.
En respuesta a la creciente demanda de Gemini Enterprise, Google ha pagado a SpaceX 920 millones de dólares al mes por el acceso a 110.000 GPU de Nvidia, lo que se conoce como “capacidad puente”. Esta asociación subraya la escasez de computación que está remodelando las relaciones en la industria tecnológica. A pesar de poseer una cantidad significativa de infraestructura de inteligencia artificial y proyectar más de 180 mil millones de dólares en gastos de capital para 2023, Google todavía no puede satisfacer todas las demandas de los clientes y está racionando el acceso a sus modelos.
Meta anteriormente eliminó 8.000 puestos de trabajo para centrarse en iniciativas de inteligencia artificial y desde entonces ha reasignado 7.000 empleados a roles concentrados en inteligencia artificial. Las restricciones a Gemini han empujado a Meta a mejorar sus capacidades internas en un momento crucial en el que la demanda de recursos informáticos de IA supera la infraestructura disponible. Otras empresas, como Anthropic, también están buscando recursos de SpaceX para respaldar sus operaciones, lo que pone de relieve un problema más amplio de limitaciones de suministro en el sector de la IA.
El panorama actual refleja un importante cuello de botella en el auge de la IA, donde el crecimiento de la demanda de potencia computacional está superando los desarrollos de infraestructura. Esta tendencia ilustra que las limitaciones que enfrentan las grandes empresas para acceder a los modelos de IA no son simplemente el resultado de desafíos algorítmicos, sino que surgen de la infraestructura física necesaria para soportar el creciente consumo.
