LinkedIn замораживает вычислительные мощности: год без расширения дата-центров

LinkedIn no ampliará sus centros de datos durante el próximo año y mantendrá su capacidad de cómputo en el nivel actual, a contracorriente del boom de la inteligencia artificial. En lugar de comprar nuevo hardware, la compañía exige a sus ingenieros que usen de forma más eficiente cada GPU que ya tienen. Así lo informa la publicación Wired.

Qué decidió exactamente LinkedIn

LinkedIn ha fijado su capacidad de cómputo en el nivel actual: en los próximos 12 meses, la compañía no planea ampliar sus centros de datos ni aumentar su parque de aceleradores. El crecimiento de la infraestructura se pone en pausa justo en el momento en que casi toda la industria lo acelera.

La decisión no se tomó por una caída de la demanda, sino como una estrategia deliberada. Según Wired, en lugar de destinar gasto de capital a nuevos servidores, LinkedIn apuesta por la eficiencia: obliga a los equipos a exprimir al máximo las GPU ya instaladas.

• La capacidad de cómputo se congela durante aproximadamente un año, sin ampliación de centros de datos
• El parque de GPU se mantiene en el nivel actual, no se planean nuevas compras grandes
• La razón no es una desaceleración, sino una apuesta deliberada por la eficiencia pese al boom de la IA
• LinkedIn pertenece a Microsoft, uno de los mayores inversores en infraestructura de IA
• La fuente de los datos es un reportaje de Wired

Por qué la compañía no amplía su hardware

LinkedIn elige la eficiencia frente al gasto de capital: en lugar de comprar nuevos aceleradores para sus crecientes funciones de IA, la compañía optimiza el uso de los que ya tiene en sus centros de datos. La lógica es simple: cada GPU debe aportar el máximo valor antes de que se justifique comprar la siguiente. En la industria a este modo se le llama "hacer más con menos", y para los equipos de IA significa competir por un fondo de cómputo limitado, no en expansión.

Este enfoque va en contra de la tendencia general. Mientras las mayores empresas tecnológicas y los proveedores de nube destinan sumas récord a centros de datos e infraestructura de IA, LinkedIn mantiene deliberadamente estable su gasto en cómputo. Para una plataforma que está integrando IA generativa en su feed, su buscador y sus recomendaciones, la elección no es trivial: la demanda de cómputo crece, pero la capacidad no.

El contraste se acentúa por la matriz. LinkedIn pertenece a Microsoft desde 2016, y esta, en cambio, ha anunciado alrededor de 80.000 millones de dólares en inversión de capital en centros de datos de IA para el año fiscal 2025. En este contexto, la decisión de la plataforma filial de mantener su propia capacidad sin cambios parece un contramovimiento deliberado: no todos los nodos del ecosistema están obligados a participar en la carrera por el hardware.

"LinkedIn mantiene la línea en el gasto de cómputo y lanza un reto a sus ingenieros: hacer que cada GPU trabaje a pleno rendimiento", así resume

Wired la esencia de la estrategia.

Qué cambia para los ingenieros

El peso principal recae sobre los equipos de ingeniería: como no habrá nuevas GPU, todo el crecimiento de las funciones de IA tendrá que lograrse mediante optimización. En la práctica, eso significa una utilización más densa de los aceleradores, un ajuste fino de los modelos al hardware disponible y una priorización estricta de las tareas que realmente aportan valor.

No se trata de funciones secundarias: LinkedIn integra IA generativa en asistentes para reclutadores, sugerencias para escribir publicaciones y personalización del feed para más de 1.000 millones de usuarios registrados. Atender una demanda de IA de esa escala con un parque de GPU fijo es precisamente la tarea que se les ha planteado a los ingenieros.

En la práctica, LinkedIn convierte una limitación en un reto de ingeniería. En lugar del habitual "compremos más capacidad", los equipos tienen que buscar dónde se desperdicia el cómputo y reescribir los pipelines para lograr el mismo resultado con menos horas-GPU.

Qué significa esto

La estrategia de LinkedIn es una señal de que, incluso en pleno auge de la IA, los grandes actores están dispuestos a apostar por la eficiencia y no solo por la escala. Si el modelo de "capacidad fija más optimización" funciona, se convertirá en un argumento de peso contra la carrera interminable de gasto de capital en centros de datos, y en un ejemplo para otras compañías cuyo presupuesto no les permite comprar GPU sin límite.