Google ha restringit l’accés de Meta als seus models Gemini perquè la demanda de capacitat de càlcul superava els recursos disponibles, un senyal que la gran batalla de la intel·ligència artificial ja no es lliura només en els algoritmes, sinó també als centres de dades, els xips i l’energia.
Google ha imposat límits a l’ús que Meta fa dels seus models Gemini després que la companyia dirigida per Mark Zuckerberg sol·licités més capacitat computacional de la que Alphabet podia proporcionar. La informació, avançada pel Financial Times i recollida posteriorment per Reuters, posa de manifest fins a quin punt la cursa de la intel·ligència artificial generativa s’ha convertit en una competició pels recursos físics: xips, GPU, servidors, centres de dades, electricitat, sistemes de refrigeració i capacitat d’inferència. La notícia pot semblar una incidència puntual entre dos gegants tecnològics, però en realitat revela una de les paradoxes més importants del moment: fins i tot les empreses més poderoses del planeta estan descobrint que la IA no pot créixer al mateix ritme que les seves ambicions.
Segons Reuters, Google va comunicar a Meta cap al mes de març que no podia satisfer tota la capacitat de Gemini que la companyia volia contractar. Aquesta limitació hauria afectat diversos projectes interns de Meta i hauria obligat els seus equips a racionalitzar l’ús dels anomenats tokens, la unitat amb què es mesura el consum dels models d’intel·ligència artificial. No es tracta únicament d’una restricció comercial. És el símptoma d’un fenomen molt més profund: la demanda de models avançats està creixent molt més ràpidament que la infraestructura disponible per executar-los.
El cas és especialment revelador perquè implica dues empreses que, en teoria, disposen d’algunes de les infraestructures tecnològiques més grans del món. Google controla una de les xarxes de centres de dades més extenses del planeta, desenvolupa els seus propis acceleradors TPU, opera Google Cloud i competeix directament amb OpenAI, Anthropic i la mateixa Meta en el desenvolupament de models fundacionals. Meta, per la seva banda, ha anunciat inversions multimilionàries en infraestructura, ha adquirit desenes de milers de GPU d’última generació i treballa en el desenvolupament dels seus models Llama amb l’objectiu declarat d’arribar a la superintel·ligència personal. Tot i això, aquesta notícia demostra que ni tan sols aquests recursos garanteixen una autonomia completa.
Un dels aspectes més interessants del cas és que Meta continuï utilitzant Gemini malgrat disposar dels seus propis models. Durant els darrers anys, la companyia de Zuckerberg ha defensat amb força la seva aposta pel codi obert a través de la família Llama. El relat públic situava Meta com un dels principals competidors dels laboratoris tancats com OpenAI o Anthropic. No obstant això, les informacions publicades indiquen que alguns equips interns recorrien als models Gemini per a determinades tasques perquè, en alguns àmbits, oferien un rendiment superior o unes prestacions més adequades.
Aquest fet trenca parcialment la narrativa que les grans tecnològiques projecten cap a l’exterior. La realitat és que moltes empreses estan adoptant una estratègia multimodel. Fan servir els seus propis sistemes quan els resulta convenient, però no dubten a utilitzar models de la competència si aquests resolen millor un determinat problema. És una aproximació molt més pragmàtica que ideològica. En el fons, el que importa és obtenir el millor resultat possible al menor cost i amb la màxima disponibilitat.
El problema apareix quan aquesta disponibilitat deixa d’estar garantida. I aquí emergeix el gran coll d’ampolla de la indústria de la IA. Durant els primers anys de la intel·ligència artificial generativa, el debat públic es va centrar gairebé exclusivament en la qualitat dels models. Es comparaven benchmarks, capacitats de raonament, rendiment en programació, generació d’imatges o comprensió del llenguatge. Ara, però, la conversa està canviant. El model més avançat serveix de poc si no hi ha prou infraestructura per executar-lo a gran escala.
La computació s’ha convertit en la nova matèria primera de la intel·ligència artificial. Entrenar un model de frontera exigeix desenes de milers de GPU funcionant durant mesos. Però desplegar-lo també requereix una infraestructura enorme. Cada consulta consumeix recursos. Cada agent intel·ligent pot realitzar desenes o centenars d’inferències successives. Cada document analitzat, cada imatge generada i cada vídeo sintètic incrementen el consum computacional. Com més sofisticats són els models, més elevat és el cost de servir-los a milions d’usuaris.
Google coneix perfectament aquesta situació. Sundar Pichai ha reconegut diverses vegades que Google Cloud es troba limitat per la disponibilitat de capacitat computacional. La demanda empresarial d’eines d’intel·ligència artificial no deixa de créixer, però la infraestructura disponible no augmenta amb la mateixa velocitat. Reuters assenyala que la divisió de núvol de Google continua acumulant una demanda superior a la seva capacitat efectiva de subministrament. En altres paraules, Google no té un problema de manca de clients; té un problema d’excés de demanda.
Aquesta situació està obligant la companyia a buscar alternatives. Google ha incrementat les seves inversions en centres de dades, accelera el desplegament dels seus TPU de nova generació i també explora acords amb proveïdors externs per ampliar la capacitat disponible. La mateixa estratègia segueixen Microsoft, Amazon, Oracle, OpenAI, Anthropic i pràcticament tots els grans actors del sector. La computació accelerada s’ha convertit en un recurs tan estratègic com ho són avui el petroli, els semiconductors o les xarxes elèctriques.
El cas també posa de manifest una realitat incòmoda per a Meta. Encara que desenvolupi els seus propis models, continua depenent parcialment de tecnologies externes. Aquesta dependència és especialment delicada quan el proveïdor és, al mateix temps, un dels seus principals competidors. Google i Meta rivalitzen en publicitat digital, assistents intel·ligents, realitat augmentada, plataformes socials i serveis basats en IA. Quan Google ha de decidir com reparteix una capacitat limitada entre clients i projectes propis, inevitablement apareixen tensions estratègiques.
No hi ha proves que la limitació respongui a una decisió competitiva deliberada. Tot apunta que simplement Google no disposava de prou recursos per satisfer totes les peticions. Però el resultat és el mateix: Meta queda exposada als límits d’un proveïdor extern. Aquesta és una lliçó important per a qualsevol empresa que integri IA en processos crítics. La dependència d’un model extern no implica només riscos comercials o de preu. També significa dependre de la disponibilitat física d’una infraestructura que pot resultar insuficient.
La notícia arriba, a més, en un moment especialment intens per a Meta. La companyia ha anunciat inversions històriques en centres de dades, contractació de talent i desenvolupament dels seus propis acceleradors. Mark Zuckerberg ha convertit la IA en la seva màxima prioritat estratègica i aspira que Meta lideri la pròxima gran etapa de la computació. Però aquesta ambició necessita una infraestructura immensa. Els models Llama no només han de competir en qualitat. També han de poder donar servei a milers de milions d’usuaris de Facebook, Instagram, WhatsApp, Messenger i les futures plataformes de realitat augmentada.
Tot això explica per què la infraestructura s’està convertint en el principal avantatge competitiu de la indústria. Durant l’era d’internet, el poder residia sobretot en les plataformes, els algoritmes i les dades. Ara cal afegir-hi un nou element: la capacitat de càlcul. Qui disposi de més centres de dades, més GPU, més energia i una millor eficiència computacional podrà desplegar productes abans, reduir costos i absorbir més demanda.
Aquesta situació també està redefinint l’economia de la IA. Cada resposta generada per un model té un cost. Cada conversa amb un assistent intel·ligent consumeix recursos. Les empreses ja no poden permetre un ús il·limitat dels models més avançats. Per això apareixen sistemes de priorització, restriccions de consum, plans premium i polítiques internes d’optimització dels tokens. La IA comença a gestionar-se com qualsevol altre recurs escàs dins de les organitzacions.
Per als equips de desenvolupament, això implica aprendre a treballar amb diferents models segons la complexitat de cada tasca. No sempre serà necessari utilitzar el model més potent. En molts casos, un model més petit, més ràpid i molt més econòmic oferirà un resultat suficient. La gestió intel·ligent de la computació es convertirà en una nova disciplina empresarial.
Aquest fenomen també explica la febre inversora en centres de dades. Google, Microsoft, Amazon, Meta, Oracle, OpenAI, Anthropic i xAI estan destinant desenes de milers de milions de dòlars a construir noves infraestructures. Però aquests projectes requereixen anys d’execució. Cal disposar de terrenys, connexions elèctriques, sistemes de refrigeració, permisos administratius, equips de xarxa i subministrament continu de semiconductors avançats. La demanda creix molt més ràpidament que la capacitat disponible.
L’energia s’està convertint igualment en un factor determinant. Els grans centres de dades consumeixen quantitats ingents d’electricitat i moltes regions ja comencen a experimentar tensions en la xarxa. Això obliga les tecnològiques a buscar nous acords amb companyies energètiques, invertir en renovables o fins i tot explorar el retorn de l’energia nuclear com a suport als grans complexos computacionals.
Per al mercat, la notícia confirma una idea que cada vegada comparteixen més analistes: el futur de la intel·ligència artificial dependrà tant de la infraestructura com dels algoritmes. Els grans avenços científics continuaran sent importants, però la diferència competitiva la marcarà també qui sigui capaç d’executar aquests models de manera més eficient, més barata i amb una disponibilitat més gran.
El cas Google-Meta il·lustra perfectament aquesta nova realitat. La cursa de la IA ja no consisteix únicament a construir el millor model. També consisteix a disposar dels recursos físics necessaris perquè aquest model pugui donar servei a milions de persones sense col·lapsar la infraestructura. Els centres de dades, els xips, les GPU, les xarxes i l’energia s’han convertit en els nous pilars estratègics de la indústria.
La limitació imposada a Meta és, en definitiva, una demostració que la intel·ligència artificial ha deixat de ser exclusivament un repte de programari. Ha entrat de ple en el món de la infraestructura crítica. I aquesta infraestructura continua sent escassa, costosa i extraordinàriament difícil d’escalar. La pròxima gran batalla tecnològica probablement no es decidirà només als laboratoris de recerca, sinó també als centres de dades que alimenten els models que utilitzaran milers de milions de persones cada dia.
