El creixement de la intel·ligència artificial s’està produint a un ritme exponencial que xoca frontalment amb els límits físics del planeta. Lluny de ser un fenomen immaterial, la IA depèn d’una infraestructura intensiva en energia, materials crítics, aigua i capital. Aquest model no és sostenible a mitjà termini. Davant d’això, el sistema s’encamina cap a una desacceleració forçada o una correcció abrupta. El futur de la IA no dependrà tant de la innovació tecnològica com de la seva capacitat d’adaptar-se a un món finit.

---

La IA no és etèria, necessita una infraestructura material enorme

Sovint es parla de la intel·ligència artificial com si fos pur programari, algoritmes flotant en un núvol abstracte. Però darrere de cada model hi ha una realitat molt concreta: centres de dades gegants, xips especialitzats, xarxes elèctriques tensionades i una demanda creixent de recursos escassos.

Indicador	Dada Clau (Actualització 2026)
Consum Elèctric Global	Els centres de dades ja consumeixen prop de 1.050 TWh, aproximadament el 4% de l’electricitat mundial [1].
Projecció 2030	S’estima que la demanda podria arribar al 9-12% en mercats clau com els EUA a causa de la IA generativa [2].
Entrenament de Models	L’entrenament d’un sol gran model (com les darreres versions de GPT o similars) supera els milions de kWh, equivalents al consum anual de milers de llars [3].
Recursos Hídrics	Un centre de dades mitjà consumeix tanta aigua com una ciutat de 10.000 a 50.000 habitants (fins a 19 milions de litres diaris) [6] [7].
Materials Crítics	Dependència extrema de coure, liti, cobalt i terres rares, amb cadenes de subministrament fràgils i geopolíticament tenses.

Tot això passa en un context de sobrepassament de molts límits i d’escassetat energètica estructural, crisi climàtica i tensió sobre els sistemes elèctrics. Pensar que la IA pot continuar creixent exponencialment al marge d’aquests condicionants és, com a mínim, ingenu.

La petjada hídrica. La set insaciable dels algoritmes

Un dels aspectes més crítics i sovint ignorats és el consum d’aigua per a la refrigeració. A inicis de 2026, les dades confirmen que la petjada hídrica de la IA s’ha convertit en un problema de primer ordre:

• Consum massiu: Només als EUA, els centres de dades van consumir uns 64.000 milions de litres d’aigua el 2023, una xifra que s’ha disparat amb l’auge de la IA generativa [6].
• Entrenament “sedent”: L’entrenament d’un model com GPT-3 pot arribar a evaporar directament 700.000 litres d’aigua dolça [8].
• Impacte local: Grans instal·lacions, com el centre de Google a Council Bluffs, consumeixen més de 1.300 milions de galons anuals, sovint en zones que ja pateixen estrès hídric [9].

Aquesta demanda no només tensiona els recursos locals, sinó que genera conflictes territorials en zones on l’aigua és un bé escàs, posant en evidència que la “intel·ligència” del núvol té un cost físic molt real i líquid.

La crisi de la memòria RAM. El primer límit visible

Un exemple recent i molt il·lustratiu d’aquests límits és la crisi global de la memòria RAM. A inicis de 2026, la indústria s’ha vist desbordada: es preveu que els centres de dades consumeixin fins al 70% de la producció mundial de xips de memòria aquest any [4].

Aquesta priorització industrial ha provocat:

• Escassetat en el mercat de consum: Algunes botigues ja venen ordinadors amb configuracions mínimes o sense memòria instal·lada per falta d’estoc.
• Augment de preus: Els preus de la RAM han pujat més d’un 50% només en el primer trimestre de 2026 [5].
• Contracció del mercat: Es preveu que les vendes de PC caiguin prop d’un 9% a causa de la impossibilitat de mantenir preus assequibles [4].

Rendiments decreixents i expectatives inflades

A més dels límits físics, apareix un altre problema clàssic: els rendiments decreixents. Cada nova generació de models requereix molt més còmput i energia per millores cada vegada més modestes. El salt entre “impressionant” i “una mica millor” és cada cop més car.

Això posa en qüestió el model econòmic dominant:

1. Costos disparats: L’entrenament i l’operació ja no són sostenibles per a moltes empreses sense subvencions o capital risc massiu.
2. Dificultat de monetització: Molts usos de la IA generativa no generen prou valor per cobrir el seu cost energètic i d’infraestructura.
3. Dependència especulativa: El sector depèn d’una inversió massiva que comença a exigir resultats reals més enllà del màrqueting.

Tres escenaris futurs possibles

1. Desacceleració forçada i reorientació (Escenari més probable): El creixement s’alenteix de manera clara. Les limitacions energètiques i els costos obliguen a prioritzar models més petits, eficients i amb valor social clar. La IA passa de ser un “tot per a tot” a una eina integrada amb criteris de suficiència.
2. Bombolla tecnològica i correcció abrupta (Probable): Les expectatives superen la capacitat real. Els costos pugen, els beneficis no arriben i el sector entra en crisi amb fallides i retallades massives, deixant només un nucli funcional però redimensionat.
3. Fugida endavant (Menys probable però perillosa): Es dobla l’aposta amb més extractivisme i pressió sobre els territoris per justificar macroprojectes energètics. Això només desplaça els límits i els fa més violents, agreujant la crisi climàtica i social.

Quan començarà la desacceleració?

Tot apunta que la desacceleració forçada ja ha començat aquest 2026. No és un col·lapse sobtat, sinó un canvi de ritme. Quan el sector comença a parlar més d’eficiència, optimització i usos “realistes” que no pas de creixement il·limitat, la desacceleració ja és un fet — encara que continuï presentant-se com a progrés.

Un patró que ja coneixem

El que passa amb la intel·ligència artificial segueix un patró que ja hem vist amb les energies renovables i el vehicle elèctric: primer, un relat de creixement infinit; després, una expansió ràpida; més tard, els límits materials, energètics i territorials; i finalment, una desacceleració inevitable. La lliçó no és que la tecnologia fracassi, sinó que el progrés sense límits no existeix.

La IA, com l’eòlica, la fotovoltaica o els cotxes elèctrics, haurà d’aprendre a funcionar amb el que és realment suficient: suficient energia, suficients recursos, suficients infraestructures, suficients usos reals. La suficiència no és renunciar a la innovació, sinó entendre quan és prou per satisfer necessitats reals sense sobrepassar els límits del planeta, i orientar la tecnologia cap a un model de decreixement i equitat, on més no vol dir necessàriament millor.

El problema no és la IA, sinó el relat

La intel·ligència artificial pot tenir usos útils en un món amb menys recursos, però només si abandona el mite del creixement infinit i s’insereix dins d’un marc de límits, suficiència i justícia. Si no, la IA serà només un altre capítol d’un model que confon potència tecnològica amb progrés real, un error que el planeta ja no es pot permetre.

---

Referències:

1. International Energy Agency (IEA) & Research projections for 2026.
2. Moody’s & US Department of Energy projections (2024-2026).
3. Socomec & MIT Sloan: AI Energy Consumption Trends (2026).
4. IDC Market Analysis: Global Memory Shortage Crisis (2026).
5. CNBC: Micron & Samsung RAM Price Surge Reports (Jan 2026).
6. Forbes: America’s AI Boom Is Running Into An Unplanned Water Problem (Jan 2026).
7. EESI: Data Centers and Water Consumption (2025).
8. The Sustainable Agency: Environmental Impact of Generative AI (2026).
9. NASUCA: Data Centers and Water Use – Case Study Council Bluffs (2025).