>El CEO de Nvidia, Jensen Huang, declaró a principios de 2024 que el costo del cómputo es “aproximadamente cero”. Para comprender esta afirmación hay que distinguir el costo de la fabricación de las unidades de procesamiento de gráficos o GPU del costo asociado con la fase de entrenamiento y de la cantidad de tiempo que demanda realizar los cómputos. Huang se refería específicamente al último punto pero no se expresó ni sobre el primero que implica conseguir y procesar materiales para fabricar los procesadores, ni sobre el segundo relacionado con los costos de energía para entrenar los modelos de aprendizaje automático.

Para la fabricación de GPU se utilizan minerales como el cobalto, el litio y otros minerales raros, existentes en cantidad finita y difíciles de obtener. Estos materiales son esenciales para la fabricación de los semiconductores y otros componentes electrónicos avanzados. Su disponibilidad limitada plantea desafíos importantes para la sostenibilidad a largo plazo de la industria tecnológica en términos de acceso a recursos naturales, de impacto ambiental y de financiamiento para poder producirlos. La concentración de estos minerales en ciertas regiones del mundo puede generar tensiones y dependencia de proveedores específicos, lo que puede afectar la cadena de suministro global. La extracción y el procesamiento de estos materiales pueden causar contaminación del agua, degradación del suelo y problemas de salud en las comunidades locales. El reciclaje de componentes electrónicos es limitado, lo que encarece el proceso, tanto en costo de recursos como en impacto ambiental. Finalmente, la falta de capacidad para producir este tipo de hardware por cualquiera de las razones antes mencionadas, obliga a su adquisición del mismo. El costo de adquisición de una GPU A100 de Nvidia se estima entre 10 mil y 15 mil dólares. Teniendo en cuenta que ChatGPT-4 utilizó 25 mil de estas GPU, el costo de adquisición del hardware para entrenar al modelo superó los 250 millones de dólares.