Tu cerebro funciona con 20 vatios. La IA quiere una planta de energía

El cerebro humano funciona con aproximadamente 20 vatios. La supercomputadora más rápida del mundo, LineShine en Shenzhen, consume 42.2 millones de vatios. Esa diferencia se ha convertido en el argumento favorito de internet sobre el uso de energía de la IA, y la mayor parte de ello es incorrecto.

La comparación en sí se sostiene. Sin embargo, los números que circulan en las redes sociales provienen de un solo artículo. El más llamativo ha sido atribuido erróneamente durante tres años.

China acaba de encabezar el ranking global de supercomputadoras por primera vez desde 2017.

LineShine. Shenzhen. 2.198 exaflops. 2 quintillones de cálculos por segundo. 20% más rápido que El Capitan de EE. UU.

construido completamente con CPUs chinas nacionales. sin Nvidia. sin chips estadounidenses. sin controles de exportación... https://t.co/Tuuk6svl6l pic.twitter.com/fwFKWN0Mr4
--- IT Guy (@T3chFalcon) 24 de junio de 2026

Uso de energía de la IA: Lo que realmente compran 20 vatios {#h-ai-energy-use-what-20-watts-actually-buys}

La cifra de 20 vatios se basa en décadas de mediciones metabólicas. El cerebro representa aproximadamente el 2% del peso corporal y alrededor del 20% del consumo de oxígeno en reposo.

El conteo de neuronas es más incierto de lo que parece. Los ampliamente citados 86 mil millones se basan en cuatro cerebros masculinos y actualmente están en disputa en la revista Brain.

Las publicaciones virales a menudo utilizan 12 vatios en lugar de 20. Esa cifra aparece en un artículo de 2023 en Frontiers in Artificial Intelligence, afirmada sin ninguna cita en absoluto.

El mismo artículo produjo el número que todos comparten. Sus autores estimaron que recrear digitalmente un cerebro humano consumiría 2.7 mil millones de vatios.

Esa estimación provino de extrapolar una simulación de 10 millones de neuronas a escala de ratón, luego multiplicando por mil.

El artículo también afirma que la simulación funcionó aproximadamente 30,000 veces más lenta que la biología. Las publicaciones sociales omiten ese detalle. Las fuentes secundarias luego acreditan la cifra al Proyecto Blue Brain, que nunca la publicó.

Existen números confiables en otros lugares. Epoch AI estimó que una consulta típica de ChatGPT consume 0.3 vatios-hora a principios de 2025. Un estudio revisado por pares en Joule luego llegó a 0.31.

Dos métodos independientes que coinciden tan estrechamente es inusual. Sin embargo, la cifra cambia drásticamente con la carga de trabajo, y los modelos de razonamiento que producen respuestas más largas pueden costar varias veces más.

Lo que la biología hace de manera diferente y lo que el silicio copió {#h-what-biology-does-differently-and-what-silicon-copied}

La actividad cortical es escasa. Las tasas de disparo promedio están por debajo de 1 Hz, y la energía sigue el cambio en lugar de los ciclos de reloj.

La IA moderna llegó a la misma conclusión de manera independiente. Kimi K2 activa 32.6 mil millones de sus 1.04 billones de parámetros por token, cerca del 3.1%.

Esa proporción está cayendo rápidamente. Mixtral utilizó aproximadamente el 28% de sus parámetros en 2023, mientras que DeepSeek-V3 ahora utiliza el 5.5%.

La biología también calcula con baja precisión. Nada dentro de una neurona se resuelve a 32 bits.

Los fabricantes de chips siguieron el mismo camino. DeepSeek entrenó un modelo de 671 mil millones de parámetros en precisión de ocho bits. NVIDIA desde entonces ha preentrenado un modelo de 12 mil millones de parámetros en cuatro bits.

La tercera diferencia es la más grande y la menos copiada. Los cerebros mantienen la memoria y el cálculo en el mismo lugar físico.

Las máquinas digitales los separan. Mark Horowitz de Stanford mostró el costo de esa separación. Recuperar un operando de la memoria puede consumir cientos de veces más energía que la aritmética misma.

Los chips con forma de cerebro que nunca llegaron {#h-the-brain-shaped-chips-that-never-arrived}

El hardware construido explícitamente para imitar neuronas ha tenido dificultades. Ningún sistema neuromórfico o analógico ha entrenado o ejecutado un modelo de frontera en producción.

Hala Point de Intel cuenta con 1.15 mil millones de neuronas artificiales distribuidas en 1,152 chips. Sigue siendo un prototipo de investigación instalado en los Laboratorios Nacionales Sandia. Mike Davies, director del Laboratorio de Computación Neuromórfica de Intel, declaró a The Register en 2024:

"No estamos mapeando ningún LLM a Hala Point en este momento. No sabemos cómo hacerlo."

La situación comercial es aún más débil. BrainChip es la empresa insignia del sector que cotiza en bolsa. Reportó 700,000 dólares en ingresos de clientes frente a 5.3 millones de dólares en salidas operativas en el último trimestre de marzo.

Otros se han estancado por completo. Rain AI, que buscaba 150 millones de dólares y no logró recaudarlo, exploró una venta en 2025.

Los investigadores dentro del campo describen un problema circular. Catherine Schuman, profesora asistente de ingeniería eléctrica y ciencias de la computación en la Universidad de Tennessee, Knoxville, afirmó:

"Las empresas de hardware están esperando que haya una aplicación revolucionaria, pero es realmente difícil entender cómo construir esas aplicaciones sin tener hardware para prototipar."

Más de 20 investigadores firmaron un documento de consenso en 2025 en Nature. Argumentó que el campo aún carece del ecosistema que necesita.

Los principios de la biología ganaron. El hardware construido para encarnarlos no lo hizo.

Todos están pujando por los mismos electrones

La eficiencia importa ahora porque la electricidad se ha convertido en la restricción vinculante. La Agencia Internacional de Energía estimó que el consumo global de centros de datos alcanzará los 485 teravatios-hora en 2025.

Las instalaciones enfocadas en IA crecieron un 50% solo durante ese año. La agencia espera que se tripliquen para 2030.

El acceso a la red, en lugar del suministro de chips, ahora limita la construcción. El tiempo medio desde una solicitud de interconexión hasta la operación comercial supera los cinco años, según el Laboratorio Nacional Lawrence Berkeley.

El director ejecutivo de Microsoft, Satya Nadella, dijo en noviembre que su empresa tiene procesadores que no puede conectar. La escasez se debe a edificios energizados, no a silicio. Los inversores institucionales han planteado preguntas similares sobre la preparación de la red.

Los mineros de Bitcoin pasaron una década resolviendo exactamente ese problema. Tienen sitios energizados, acuerdos de suministro firmados y derechos de interconexión que los recién llegados esperan años para asegurar.

El resultado ha convertido la minería en un negocio de energía e infraestructura. Adaptar un sitio en funcionamiento cuesta aproximadamente entre 3 y 4 millones de dólares por megavatio. La construcción en terrenos vírgenes cuesta entre 10 y 12 millones, según VanEck.

Los valores de los acuerdos anunciados son enormes. Los mineros públicos han firmado contratos de IA por más de 70 mil millones de dólares en total.

La capacidad entregada cuenta una historia más silenciosa. Los informes del segundo trimestre de 2026 muestran que aproximadamente 750 megavatios están realmente energizados en el sector.

Core Scientific representa aproximadamente 437 de esos megavatios. El campus Helios de Galaxy entregó 133; TeraWulf 102; IREN 50; y Riot 25. Hut 8 ha contratado 949 megavatios y no ha energizado ninguno.

El cambio ha sido costoso. Las pérdidas trimestrales combinadas de los mineros MARA y CleanSpark alcanzaron los 851 millones de dólares en agosto.

La mayor parte de la capacidad de minería nunca se convertirá. Los datos preliminares de una encuesta de Cambridge presentados en julio mostraron que aproximadamente el 10% de los mineros habían asignado energía a la IA.

Los obstáculos son físicos. La minería tolera interrupciones, mientras que los inquilinos de IA exigen energía firme, refrigeración densa y fibra que los sitios remotos rara vez tienen.

Aun así, la dirección del viaje es clara. Core Scientific ahora obtiene el 83% de sus ingresos de la colocación y solo el 13% de la minería en sí.

Los inversores han valorado ese cambio. Los mineros que tienen contratos firmados se comercian a múltiplos mucho más altos de su energía energizada. Mientras tanto, la próxima apuesta de IA parece cada vez más como electricidad en lugar de chips.

Por qué la eficiencia no solucionará el uso de energía de la IA

Las ganancias de eficiencia han absorbido el crecimiento de la demanda en el pasado. El cómputo en centros de datos globales creció un 550% entre 2010 y 2018, mientras que el uso de energía aumentó aproximadamente un 6%.

Luego, el patrón se rompió. El consumo de centros de datos en Estados Unidos aumentó de 58 teravatios-hora en 2014 a 176 en 2023.

La evolución se optimizó bajo un techo rígido. Un cráneo que consume 200 vatios habría matado a su propietario, por lo que la eficiencia se convirtió en la única respuesta disponible.

La IA nunca ha enfrentado ese techo. En su lugar, ha enfrentado un techo de capital, y el capital se extiende mucho más fácilmente que la electricidad.

Eso está cambiando ahora. La pregunta abierta ya no es si la biología es más eficiente. Es qué se convierte la IA una vez que el poder, en lugar del dinero, decide qué se construye.

Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.