¿Y si la mejor forma de reducir la dependencia europea del cloud estadounidense fuera comprimir la IA como hace Multiverse?

Europa ha llegado tarde al cloud y corre el riesgo de intentar solucionar el problema de la inteligencia artificial repitiendo exactamente la misma carrera que ya perdió. Estados Unidos dispone de Amazon AWS, Microsoft Azure y Google Cloud; controla buena parte de las GPU sobre las que funciona la IA y cuenta con las compañías que están desarrollando los modelos más potentes. La respuesta europea está siendo bastante previsible: construir más centros de datos, instalar más GPU y dedicar miles de millones de euros a AI Factories y gigafactorías. Pero existe otra posibilidad mucho menos comentada: en lugar de intentar igualar la enorme capacidad de computación estadounidense, reducir drásticamente la cantidad de computación que necesitamos.

---

La pregunta es especialmente pertinente a raíz del debate abierto en Francia sobre la verdadera soberanía europea en inteligencia artificial. La paradoja es que Europa puede desarrollar sus propios modelos de IA y, sin embargo, seguir dependiendo de las grandes plataformas estadounidenses para desplegarlos. DeepL constituye un buen ejemplo. Es una de las compañías europeas de IA más exitosas y controla su tecnología, pero ha recurrido a AWS para determinadas necesidades de expansión internacional. Tener un modelo europeo no garantiza, por tanto, una IA europea.

El problema es que Europa carece de un equivalente a AWS, Azure o Google Cloud, y probablemente no lo vaya a tener en mucho tiempo. Los hyperscalers estadounidenses no son simplemente propietarios de enormes naves llenas de servidores. Han construido durante años redes mundiales de centros de datos, herramientas de desarrollo, bases de datos, sistemas de seguridad, marketplaces y miles de servicios que las empresas ya utilizan. Levantar unos cuantos centros de datos europeos no reproduce ese ecosistema.

Por eso resulta interesante darle la vuelta al problema: quizá Europa no necesite competir únicamente por tener más capacidad de computación, sino también por necesitar menos. Si ejecutar un determinado modelo requiere ocho GPU y conseguimos hacerlo funcionar con una; si necesita cientos de gigabytes de memoria y podemos reducirlos radicalmente; o si una aplicación que hasta ahora tenía que acudir a un gran centro de datos puede ejecutarse en el servidor de una empresa, estamos reduciendo indirectamente nuestra dependencia del cloud.

Y aquí aparece una oportunidad particularmente interesante para Multiverse Computing. La empresa de Donostia ha desarrollado CompactifAI precisamente para comprimir grandes modelos de inteligencia artificial intentando conservar la mayor parte de sus prestaciones. Hasta ahora, la tecnología se ha presentado fundamentalmente como una forma de abaratar la IA: modelos más pequeños necesitan menos memoria, menos GPU, consumen menos electricidad y resultan más baratos de ejecutar. Pero existe otra lectura mucho más estratégica: también pueden hacer posible ejecutar IA fuera de las grandes infraestructuras de los hyperscalers.

La compresión puede convertirse así en una tecnología de soberanía. No porque vaya a permitir prescindir de Amazon, Microsoft o Google de la noche a la mañana, sino porque amplía las alternativas. Un modelo suficientemente pequeño puede ejecutarse en un centro de datos regional, en un proveedor europeo de cloud, en los servidores de una compañía industrial o incluso, dependiendo del caso, directamente en un ordenador, un vehículo o un dispositivo. Cuanto menores sean las necesidades computacionales, menor será la ventaja que proporciona disponer de cientos de miles de GPU.

Esto resulta particularmente relevante para Europa porque nuestra estructura empresarial tampoco se parece a la estadounidense. Buena parte de nuestra economía está formada por compañías industriales, bancos, administraciones y pymes que no necesitan necesariamente entrenar el próximo GPT. Necesitan utilizar modelos especializados para analizar documentación, controlar máquinas, atender clientes, programar, diseñar productos o automatizar procesos. Para muchas de estas aplicaciones, un modelo más pequeño y especializado puede ser económicamente más sensato que consumir permanentemente tokens de un gigantesco modelo alojado al otro lado de una API.

También hay razones de privacidad y seguridad para hacerlo. Una empresa que puede ejecutar un modelo dentro de sus propias instalaciones evita enviar determinada información a una infraestructura externa y gana control sobre sus datos. En sectores como la banca, la industria, la energía, la sanidad o la Administración, esa posibilidad puede resultar tan importante como el ahorro económico. Y Europa tiene precisamente una presencia especialmente fuerte en muchos de esos sectores.

La paradoja es que la política europea está poniendo mucho más énfasis en aumentar la oferta de computación que en disminuir su demanda. Bruselas quiere multiplicar la capacidad de centros de datos, impulsar AI Factories y movilizar inversiones multimillonarias para construir grandes infraestructuras. Todo ello probablemente sea necesario. Europa no puede renunciar a disponer de capacidad propia para entrenar y ejecutar modelos avanzados.

Pero construir una infraestructura gigantesca para ejecutar modelos gigantes no debería ser nuestra única estrategia. La alternativa complementaria consiste en conseguir que esos modelos dejen de necesitar una infraestructura gigantesca. Ahí entran la cuantización, la destilación, los modelos pequeños especializados y tecnologías de compresión como la que está desarrollando Multiverse.

Hay que evitar, en cualquier caso, convertir la compresión en una solución mágica. Entrenar los grandes modelos seguirá requiriendo cantidades enormes de computación. Las aplicaciones utilizadas simultáneamente por millones de personas necesitarán grandes centros de datos incluso aunque cada inferencia sea mucho más eficiente. Europa continuará dependiendo además de Nvidia y de una cadena mundial de fabricación de semiconductores que tampoco controla. Y los hyperscalers estadounidenses pueden utilizar exactamente las mismas técnicas de compresión para reducir sus propios costes.

Pero en la inferencia, que será donde se produzcan miles de millones de interacciones cotidianas con la IA, la eficiencia puede modificar sustancialmente la economía del mercado. Si un modelo necesita diez veces menos recursos para hacer aproximadamente el mismo trabajo, aparecen proveedores que antes no podían competir y empresas que antes no podían permitirse ejecutar la IA por su cuenta. La soberanía deja entonces de depender exclusivamente de quién posee el centro de datos más grande.

Europa quizá esté demasiado obsesionada con encontrar su OpenAI y demasiado poco preocupada por no tener un AWS. Y como construir un AWS europeo desde cero parece extraordinariamente difícil, convendría explorar todas las tecnologías capaces de reducir nuestra necesidad de uno.

Ahí es donde una compañía como Multiverse puede tener una oportunidad mucho mayor de lo que parece. CompactifAI no tendría que convertirse en el próximo gran modelo europeo. Le bastaría con conseguir que los modelos que utilicemos necesiten mucha menos infraestructura estadounidense para funcionar.

Puede que la soberanía europea en inteligencia artificial no consista únicamente en fabricar más chips, levantar más centros de datos y entrenar modelos cada vez mayores. También puede consistir en aprender a hacer mucho más con muchos menos recursos.