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 dice que duplicó la eficiencia de su hardware existente y ahorró $24 millones 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 GPU en seis meses, equivalente a añadir aproximadamente 1.100 chips funcionando continuamente sin comprar ni uno solo.
- LinkedIn estima que esas ganancias de eficiencia ahorraron $24 millones en los últimos 12 meses.
- Los precios de servidores se han triplicado en los últimos meses, según el director de infraestructura de LinkedIn, lo que hace más difícil mantener la congelación.
- El movimiento es una contrapropuesta pública poco común a la carrera de gastos entre OpenAI y Google.
LinkedIn, el sitio de redes profesionales propiedad de Microsoft, dice que no expandirá su infraestructura informática de IA este año fiscal. La empresa comunicó a Wired AI que planea mantener su inversión en GPUs (los chips especializados que realizan los cálculos pesados que requiere la IA) completamente plana hasta junio de 2026, con la capacidad de almacenamiento también sin cambios.
Es un compromiso sorprendente para una plataforma con 1.300 millones de usuarios que simultáneamente está implementando más funciones de IA, no menos.
¿Cómo logró LinkedIn esto?
La empresa sacó 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, extrayendo la misma potencia informática de los mismos chips físicos desperdiciando menos tiempo inactivo.
LinkedIn es propietaria de sus propios centros de datos en Oregón y Texas, habiendo se retirado del servicio en la nube Azure de Microsoft alrededor de 2022. Esa propiedad dio a los ingenieros control directo sobre cada capa de la pila de tecnología.
Utilizaron una técnica llamada destilación, donde un modelo de IA más pequeño se entrena para aprender de modelos más grandes. Para la herramienta de recomendación de empleos de LinkedIn, un modelo compacto ahora maneja lo que anteriormente requería dos modelos separados más costosos. Es más económico de ejecutar y, según Erran Berger, director de tecnología de ingeniería de LinkedIn, no menos preciso. "Las personas están encontrando y descubriendo empleos que no estaban encontrando exitosamente antes", dijo.
El equipo también rewrote cierto software de bajo nivel para que ciertas tareas se ejecuten en CPUs estándar (los chips de propósito general que se encuentran en cualquier computadora) en lugar de GPUs Nvidia más costosas, reduciendo el consumo de electricidad en el proceso. LinkedIn dice que la utilización de GPU en sus sistemas de entrenamiento ahora funciona por encima del 95 por ciento, lo que significa que los chips prácticamente nunca están inactivos.
En total, esos cambios ahorraron aproximadamente $24 millones durante los últimos doce meses.
¿Importan $24 millones para una empresa de este tamaño?
No mucho por sí solo. LinkedIn tiene $18 mil millones en ingresos anuales, por lo que el ahorro es una pequeña fracción de las ventas. El director de infraestructura de LinkedIn Raghu Hiremagalur reconoció eso directamente, pero argumentó que el valor real es la agilidad: los ingenieros pueden iniciar su próximo proyecto de IA antes sin esperar a que llegue el hardware nuevo.
La congelación también llega en un momento difícil para comprar servidores. Hiremagalur dijo que parte del hardware se ha 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 podrían no tener. Nuestro artículo del 28 de julio sobre los costos crecientes de Google mostró cómo esa presión de precios está inquietando a los inversores en toda la industria.
| Métrica | Cifra |
|---|---|
| Usuarios de LinkedIn | 1.300 millones |
| Año fiscal cubierto | Julio de 2025 a junio de 2026 |
| Ahorros estimados (12 meses) | $24 millones |
| Equivalente de GPU ahorrado | ~1.100 chips, tiempo completo |
| Tasa de utilización de GPU (entrenamiento) | superior al 95% |
| Ingresos anuales de LinkedIn | $18 mil millones |
¿Qué significa esto para los usuarios ordinarios?
Para los miembros de LinkedIn, las funciones de IA deberían seguir mejorando a pesar del límite de gasto. Las mejores recomendaciones de empleos y herramientas de coincidencia de candidatos más inteligentes ya están en producción. La preocupación honesta es que un techo de gasto fijo podría eventualmente obligar a LinkedIn a ralentizar sus ambiciones de IA si la demanda informática continúa creciendo más rápido que las ganancias de eficiencia puedan compensar. Esa es la apuesta que están haciendo los ingenieros, y vale la pena estar atento.
Preguntas frecuentes
¿Empeorará las funciones de IA de LinkedIn por esto?
LinkedIn dice que no. La empresa argumenta que su trabajo de eficiencia ha mejorado los resultados para buscadores de empleo y reclutadores, y planea seguir lanzando nuevas herramientas de IA dentro del mismo presupuesto informático.
¿Por qué otras grandes empresas tecnológicas gastan mucho más?
OpenAI 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 exprimir más de menos en lugar de comenzar desde cero.
¿Podría LinkedIn cambiar de opinión a mitad de año?
Sí. Berger e Hiremagalur ambos reconocieron que las demandas de hardware de IA cambian rápidamente, y el aumento de precios de chips de memoria podría forzar una reconsideración. La empresa dice que ya ha factorizado esos aumentos de precios, pero el plan no está garantizado.
