En la primavera de 2026, un científico de materiales computacionales en una universidad pública en el Medio Oeste de Estados Unidos me dijo que su grupo había esperado once semanas para un nodo único en el clúster del campus. En esa misma ventana, un colaborador en una universidad privada con un clúster de inteligencia artificial dedicado ejecutó el mismo experimento de ajuste fino en menos de un día.
El National Artificial Intelligence Research Resource Pilot, lanzado por la National Science Foundation de Estados Unidos en enero de 2024, fue construido para este problema. Los pool piloto calculan el tiempo en los sistemas federales y de la industria, los datos curados y los recursos de formación prácticos y los abre a los investigadores a través de llamadas competitivas. Su primera ronda atrajo mucho más solicitantes que las ranuras.
Esto no es una preocupación de nicho. El Instituto de Stanford para la IA centrada en el ser humano ha registrado un aumento de más de cien veces en la computación utilizada para entrenar modelos líderes desde 2017. La mayoría de los investigadores universitarios nunca tocarán esa escala. El clúster medio del campus se encuentra en las decenas o bajas cientos de GPUs, compartidos en cada departamento que los necesita. Cuando un grupo de química quiere escanear bibliotecas moleculares y un lingüista quiere ajustar un modelo de lenguaje pequeño, la misma cola decide ambas líneas de tiempo.
Donde aparece primero la división
Una colega que llamaré Dr. M, una lingüista computacional en una universidad de investigación europea, me dijo que sus revisores de subvenciones ahora preguntan qué clúster va a usar antes de que lean la sección del método. La pregunta se ha convertido en un filtro. Ella tuvo que prestar tiempo en la máquina de una institución asociada para completar una revisión porque la asignación de su propia universidad se agotó a mediados de febrero. Multiplica a Dr. M por cada laboratorio cuya investigación se ha desplazado hacia el aprendizaje automático en los últimos tres años.
La tasa de base es sencilla: las instituciones con grandes presupuestos de computación de investigación, el personal de ingeniería dedicado que realmente puede programar puestos de trabajo y las asociaciones de la industria están capturando una proporción desproporcionada de trabajo capacitado por IA. Las instituciones que dependen de clusters de materias primas y las tasas de nube por laboratorio caen atrás en el éxito de la propuesta, la velocidad de publicación y la retención de la facultad que impulsa ambos.
Esto también se muestra en la contratación. los comités de búsqueda en informática, estadística y las ciencias del banco que ahora utilizan la imagen o la simulación a escala cada vez más listan el acceso a la infraestructura de GPU como parte del paquete que ofrecen a los candidatos. No es inusual ver un presupuesto de arranque ahora incluye tanto una línea de postdoc y una asignación de computación. Cuando las instituciones congelan las líneas de facultad para proteger los presupuestos de infraestructura, el compromiso se hace visible.
Las opciones públicas son reales pero sobresubscritas
Los investigadores pueden solicitar asignaciones en sistemas contribuidos por el Departamento de Energía de Estados Unidos, los Institutos Nacionales de Salud, y socios privados como NVIDIA y Microsoft. Los propios materiales del piloto lo describen como un esfuerzo de dos años para aprender qué debería parecer una infraestructura de investigación nacional.La lección hasta ahora es que la demanda se concentra rápidamente: las llamadas dirigidas a instituciones pequeñas y medianas atrajeron solicitudes de todo tipo institucional, incluidos muchos que nunca habían solicitado tiempo de superordenador antes.Portal piloto de NAIRRlistas de oportunidades actuales y políticas de asignación.
Europa tiene su propia respuesta.Empresa Común Europea de Computación de Alto Rendimiento, o EuroHPC JU, opera sistemas pre-exascale incluyendo LUMI en Finlandia y Leonardo en Italia. El acceso es competitivo y nivelado: algunas llamadas son para consorcios europeos, otras para la industria. Un investigador universitario en un estado miembro más pequeño puede ganar un premio, pero el esfuerzo de propuesta compite con una solicitud de subvención.
Los créditos en la nube cambian la matemática, no el problema
Los créditos en la nube son la tercera ruta.La Fundación Nacional de Ciencia de Estados UnidosCloudBankEl programa proporciona acceso en la nube a los investigadores de ciencias de la computación, y muchas universidades ahora tienen contratos empresariales con Amazon Web Services y Google Cloud, y algunos han añadido Microsoft Azure bajo términos separados.El modelo de costo cambia la conversación.Una sola hora de GPU en un proveedor de nube puede parecer pequeña hasta que un experimento dure una semana.
Instituciones que construyeron su propia
Algunas universidades han decidido no esperar a las asignaciones públicas. HiPerGator de la Universidad de Florida, un superordenador del campus construido en colaboración con NVIDIA, ha dado acceso a cientos de GPUs y ha apoyado el trabajo en modelos de lenguaje grande e imagen médica. La Universidad de Bristol alberga Isambard-AI, parte del Recurso Nacional de Investigación de IA del Reino Unido, junto a socios. Estas son excepciones, no la tasa de base. Requiere un compromiso estatal o nacional, una sala de datos construida o remodelada, y un equipo de ingenieros de software de investigación que mantienen la cola en movimiento.
La institución de nivel medio se enfrenta a una decisión diferente. Puede comprar un clúster modesto cada tres a cinco años, pagar por la nube en ciclos de subvenciones, o tratar de unirse a un consorcio regional. La primera opción ofrece control pero se descompone rápidamente. El segundo es flexible e impredecible. El tercero depende de la gobernanza y la confianza, que son más difíciles de financiar que el hardware. Un cuarto, cada vez más común, es no hacer nada y ver a los investigadores salir.
¿Qué significa esto para tu laboratorio?
Si usted es un miembro de la facultad, postdoctoral, estudiante de doctorado, o el científico del personal que mantiene la cuenta de clúster, trate el acceso computacional como un problema logístico, no un técnico. Pregunte a su oficina de investigación sobre la prioridad real de la cola, el modelo de recuperación de costes que su departamento paga, y el proceso para solicitar asignaciones de emergencia.
No se trata de una cuestión de presupuesto, ya que nuestro informe anteriorFacultad de Ingeniería congeladamuestra lo que sucede cuando la retención y la infraestructura compiten por los mismos fondos. Para los administradores, la intervención más barata es a menudo una política de asignación compartida. Una política escrita que nombra los niveles de prioridad, limita el tiempo de reloj de pared y explica cómo comprar capacidad adicional cuando un plazo no cuesta nada y evita la negociación en el pasillo que consume el tiempo de la facultad. El siguiente paso es contratar a un ingeniero de software de investigación que pueda perfilar puestos de trabajo, reducir el desperdicio de memoria de los tamaños de lotes excesivos y ayudar a los laboratorios a pasar de cuatro GPU a dos sin perder la salida.
Grupos de universidades de tamaño mediano en Canadá, partes de Australia y el noreste de Estados Unidos han combinado sus compras para obtener mejores precios de los proveedores de hardware y proveedores de nube.El poder de negociación existe; la parte difícil es acordar una estructura de gobernanza antes de que llegue la primera factura.
El 2024El informe del índiceStanford hace clara la dirección: a medida que aumenten los costos de formación de modelos, la computación pública y universitaria tendrá que ser tratada como una infraestructura científica compartida, no como un gasto de departamento.
Antes del siguiente ciclo de subvenciones, escriba una página en la que describa cuáles son las necesidades de computación de su laboratorio, cuánto costaría en el mercado abierto bajo un contrato de nube comercial, y qué política institucional lo haría negociable. Envíe esa página a su vicepresidente para la investigación. No es suficiente para ganar la asignación. Necesitas la asignación para aparecer en el presupuesto institucional, con un nombre adjunto.
