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 vuelto el argumento favorito de internet sobre el uso energético de la IA, y la mayoría de esa información es incorrecta.
La comparación en sí es válida. Sin embargo, los números que circulan en las redes sociales provienen de un solo artículo. El dato más llamativo ha sido atribuido erróneamente durante tres años.
Uso de energía de la IA: Lo que realmente se consigue con 20 vatios
La cifra de 20 vatios se basa en décadas de mediciones metabólicas. El cerebro representa cerca del 2% del peso corporal y aproximadamente el 20% del consumo de oxígeno en reposo.
El recuento de neuronas no es tan preciso como parece. El número citado de 86 mil millones se basa en solo cuatro cerebros masculinos y actualmente está en debate en la revista Brain.
Las publicaciones virales suelen usar 12 vatios en vez de 20. Ese dato aparece en un artículo de 2023 en Frontiers in Artificial Intelligence, presentado sin ninguna cita. El mismo artículo generó también el número que todos comparten. Sus autores estimaron que recrear digitalmente un cerebro humano consumiría 2,7 mil millones de vatios.
Esa estimación surgió al extrapolar una simulación de 10 millones de neuronas a escala de ratón, y luego multiplicarlo por mil.
El artículo también indica que la simulación funcionaba unas 30.000 veces más lento que la biología. Las publicaciones en redes sociales omiten ese detalle. Después, fuentes secundarias atribuyen la cifra al Blue Brain Project, que nunca la publicó.
Existen datos fiables 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 alcanzó los 0.31.
Es poco común que dos métodos independientes lleguen a cifras tan similares. Sin embargo, el dato varía mucho según la carga de trabajo, y los modelos que razonan y dan respuestas más largas pueden llegar a consumir varias veces más.
¿Qué hace diferente la biología, y qué ha copiado el silicio?
La actividad cortical es dispersa. Las tasas promedio de disparo están por debajo de 1 Hz, y la energía depende del cambio y no de los ciclos de reloj.
La IA moderna llegó de forma independiente a la misma conclusión. Kimi K2 activa 32.6 mil millones de sus 1.04 billones de parámetros por token, cerca del 3.1%.
Esa proporción está bajando rápido. Mixtral usaba aproximadamente el 28% de sus parámetros en 2023, mientras que DeepSeek-V3 ahora usa el 5.5%. La biología también calcula con baja precisión. Nada en una neurona alcanza la resolución de 32 bits.
Los fabricantes de chips han seguido el mismo camino. DeepSeek entrenó un modelo de 671 mil millones de parámetros usando precisión de ocho bits. NVIDIA posteriormente preentrenó un modelo de 12 mil millones de parámetros en cuatro bits.
La tercera diferencia es la más grande y la menos imitada. El cerebro almacena memoria y realiza cálculos en el mismo lugar físico.
Las máquinas digitales los separan. Mark Horowitz, de Stanford, demostró el costo de esa separación. Traer un operando desde la memoria puede consumir cientos de veces más energía que la operación aritmética en sí.
Los chips inspirados en el cerebro que nunca llegaron
El hardware creado para imitar explícitamente a las neuronas ha tenido dificultades. Ningún sistema neuromórfico o analógico ha entrenado o ejecutado un modelo “frontera” en producción.
Hala Point de Intel integra 1.15 mil millones de neuronas artificiales 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, hablando con The Register en 2024, dijo:
«No estamos usando ningún LLM con Hala Point en este momento. No sabemos cómo hacerlo».
El panorama comercial es aún más limitado. BrainChip es la empresa listada insignia del sector. Reportó 700,000 dólares en recibos de clientes frente a 5.3 millones de dólares de gastos operativos en el trimestre de marzo pasado.
Otras empresas se han quedado completamente estancadas. Rain AI, que buscaba 150 millones de dólares y no logró recaudarlos, exploró su venta para 2025.
Los investigadores dentro del campo describen un problema circular. Catherine Schuman, profesora asistente de ingeniería eléctrica e informática en la Universidad de Tennessee, Knoxville, afirmó:
«Las empresas de hardware están esperando que exista una killer application, pero es muy difícil entender cómo construir esas aplicaciones sin tener hardware para probarlas».
Más de 20 investigadores firmaron un artículo de consenso en 2025 en Nature. Argumentan que al campo todavía le falta el ecosistema necesario.
Los principios de la biología ganaron. El hardware creado para representarlos, no.
Todos compiten por los mismos electrones
La eficiencia es importante ahora porque la electricidad se ha convertido en la restricción principal. La Agencia Internacional de Energía estimó el consumo mundial de centros de datos en 485 teravatios-hora en 2025.
Los centros enfocados en IA crecieron un 50% solo en ese año. La agencia espera que se tripliquen para 2030.
El acceso a la red eléctrica, más que el suministro de chips, ahora limita la construcción. El tiempo promedio desde la solicitud de interconexión hasta la operación comercial supera los cinco años, según el Lawrence Berkeley National Laboratory.
Satya Nadella, CEO de Microsoft, dijo en noviembre que su empresa tiene procesadores que no puede conectar porque no tiene suficiente electricidad. Lo que falta son edificios energizados, no 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. Ellos tienen sitios energizados, acuerdos firmados de suministro eléctrico y derechos de interconexión que los nuevos deben esperar años para conseguir.
El resultado ha convertido la minería en un negocio energético y de infraestructura. Adecuar un sitio funcionando cuesta entre 3 millones y 4 millones de dólares por megavatio. La construcción desde cero puede costar entre 10 millones y 12 millones de dólares, según estima VanEck.
Los valores anunciados de los acuerdos 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 reservada. Los informes del segundo trimestre de 2026 muestran unos 750 megavatios realmente energizados en todo el sector.
Core Scientific representa unos 437 de esos megavatios. El campus Helios de Galaxy entregó 133; TeraWulf 102; IREN 50; y Riot 25. Hut 8 ha contratado 949 megavatios, pero no ha energizado ninguno.
El cambio ha sido costoso. Las pérdidas trimestrales combinadas de los mineros MARA y CleanSpark llegaron a 851 millones de dólares en agosto.
La mayoría de la capacidad minera nunca se convertirá. Los datos preliminares de una encuesta de Cambridge presentados en julio mostraron que cerca del 10% de los mineros había asignado energía a la IA.
Los obstáculos son físicos. La minería tolera interrupciones, mientras que los inquilinos de IA exigen energía constante, alta refrigeración y fibra óptica, cosas que los sitios remotos rara vez tienen.
Aun así, la dirección del cambio es clara. Core Scientific ahora obtiene el 83% de sus ingresos de la colocación y solo el 13% de la minería como tal.
Los inversores han ajustado los precios a ese cambio. Los mineros con contratos firmados de alquiler cotizan a múltiplos mucho más altos sobre la energía energizada. Mientras tanto, la próxima apuesta en IA cada vez parece más la electricidad y no los chips.
¿Por qué la eficiencia no resolverá el uso energético de la IA?
Las mejoras en eficiencia han absorbido el crecimiento de la demanda en el pasado. La capacidad de cómputo global de los data centers creció un 550% entre 2010 y 2018, mientras que el uso de energía aumentó solo un 6%.
Luego ese patrón cambió. El consumo de data centers en Estados Unidos aumentó de 58 teravatios-hora en 2014 a 176 en 2023.
La evolución se optimizó bajo un límite estricto. Un cráneo que usara 200 vatios habría matado a su dueño, así que la eficiencia era la única solución posible.
La IA nunca enfrentó ese límite. En vez de eso, tuvo un límite de capital, y el capital se adapta mucho más fácil que la electricidad.
Eso está cambiando ahora. La pregunta abierta ya no es si la biología es más eficiente. Es qué será la IA cuando la energía, y no el dinero, decida qué se construye.
El post Tu cerebro funciona con 20 vatios: la IA quiere una central eléctrica fue visto por primera vez en BeInCrypto.