LinkedIn congela el gasto en centros de datos de IA durante un año completo
Mientras los competidores invierten miles de millones en nuevos chips y granjas de servidores, LinkedIn afirma que duplicó la eficiencia de su hardware existente y ahorró 24 millones de dólares en el proceso.
Puntos clave
- LinkedIn mantendrá su infraestructura informática de IA sin cambios hasta junio de 2026, sin comprar capacidad nueva significativa.
- La empresa duplicó la eficiencia de las GPU en seis meses, equivalente a añadir aproximadamente 1.100 chips funcionando las 24 horas sin comprar ni uno solo.
- LinkedIn estima que estas ganancias en eficiencia ahorraron 24 millones de dólares en los últimos 12 meses.
- Los precios de los servidores se han triplicado en los últimos meses, según el jefe de infraestructura de LinkedIn, lo que hace aún más difícil mantener esta congelación.
- El movimiento es una respuesta pública inusual a la carrera de gastos entre OpenAI, Meta y Google.
LinkedIn, el sitio de redes profesionales propiedad de Microsoft, afirma que no ampliará su infraestructura informática de IA este año fiscal. La empresa informó a Wired AI que planea mantener su inversión en GPU (los chips especializados que realizan los cálculos masivos que requiere la IA) completamente plana hasta junio de 2026, sin cambios también en la capacidad de almacenamiento.
Este es un compromiso sorprendente para una plataforma con 1.300 millones de usuarios que simultáneamente está implementando más funciones de IA, no menos.
¿Cómo lo logró LinkedIn?
La respuesta corta: la empresa extrajo mucho más trabajo del hardware que ya posee. En los últimos seis meses, los equipos de ingeniería de LinkedIn duplicaron la eficiencia de su uso de GPU, obteniendo la misma potencia informática de los mismos chips físicos al desperdiciar menos tiempo de inactividad.
LinkedIn posee sus propios centros de datos en Oregón, Texas y Virginia, habiendo dado un paso atrás del servicio en la nube Azure de Microsoft alrededor de 2022. Esta propiedad dio a los ingenieros control directo sobre cada capa de la pila tecnológica.
Utilizaron una técnica llamada destilación, donde un modelo de IA más pequeño se entrena para aprender de dos modelos más grandes. Para la herramienta de recomendación de trabajos de LinkedIn, un modelo compacto ahora maneja lo que anteriormente requería dos modelos separados y más costosos. El resultado es más barato de ejecutar y, según Erran Berger, director de tecnología de ingeniería de LinkedIn, no menos preciso. "Las personas están encontrando y descubriendo trabajos que no estaban encontrando con éxito antes", dijo.
El equipo también rescribió parte del software de bajo nivel para que ciertas tareas se ejecuten en CPU estándar (los chips de propósito general que se encuentran en cualquier computadora) en lugar de las más costosas GPU de Nvidia, reduciendo el consumo de electricidad y los problemas de adquisición simultáneamente. LinkedIn afirma que la utilización de GPU en sus sistemas de entrenamiento ahora supera el 95 por ciento, lo que significa que los chips prácticamente nunca están inactivos.
En total, estos cambios ahorraron un estimado de 24 millones de dólares en los últimos doce meses.
¿Importan 24 millones de dólares para una empresa de este tamaño?
No mucho por sí solo. LinkedIn reporta 18.000 millones de dólares en ingresos anuales, por lo que el ahorro representa aproximadamente el 0,1 por ciento de las ventas. El jefe de infraestructura de LinkedIn, Raghu Hiremagalur, reconoció esto directamente, pero argumentó que el valor real está en la agilidad: los ingenieros pueden comenzar su próximo proyecto de IA sin esperar a que llegue hardware nuevo.
La congelación también llega en un momento difícil para comprar servidores. Hiremagalur dijo que algunos equipos se han triplicado en precio en los últimos meses. LinkedIn aseguró compras antes de que los precios se dispararan, dándole un colchón de costos que sus competidores pueden no tener.
| Métrica | Cifra |
|---|---|
| Usuarios de LinkedIn | 1.300 millones |
| Año fiscal cubierto | Julio 2025 a junio 2026 |
| Ahorros estimados (12 meses) | 24 millones de dólares |
| Equivalente de GPU ahorrado | ~1.100 chips, a tiempo completo |
| Tasa de utilización de GPU (entrenamiento) | más del 95 por ciento |
| Ingresos anuales de LinkedIn | 18.000 millones de dólares |
¿Qué significa esto para los usuarios ordinarios?
Para los miembros de LinkedIn, la conclusión práctica es que las funciones de IA deberían seguir mejorando a pesar del límite de gasto. Las mejores recomendaciones de trabajos y herramientas de emparejamiento de candidatos más inteligentes ya están en producción. El riesgo, señalado por el analista de Gartner Chirag Dekate, es que un techo de gasto duro podría eventualmente obligar a LinkedIn a ralentizar sus ambiciones de IA si la demanda de computación sigue aumentando. Por ahora, sin embargo, los ingenieros están apostando a que la eficiencia puede llenar la brecha.
Preguntas frecuentes
¿Empeoraran las funciones de IA de LinkedIn por esto?
LinkedIn dice que no. La empresa argumenta que su trabajo de eficiencia ha mejorado realmente los resultados para buscadores de empleo y reclutadores, y planea seguir lanzando nuevas herramientas de IA dentro del mismo presupuesto de computación.
¿Por qué otras grandes empresas tecnológicas gastan mucho más?
OpenAI, Meta y Google están construyendo sistemas de IA completamente nuevos que requieren enormes cantidades de potencia informática nueva. LinkedIn está construyendo sobre modelos que ya existen, lo que significa que puede enfocarse en extraer más de menos en lugar de empezar desde cero.
¿Podría LinkedIn cambiar de opinión a mitad de año?
Sí. Tanto Berger como Hiremagalur reconocieron que las demandas de hardware de IA cambian rápidamente, y los precios crecientes de chips de memoria podrían obligar a una reconsideración. La empresa dice que ya ha factorizado estos aumentos de precios, pero el plan no está garantizado.
