Infraestructura pròpia per avançar cap a la sobirania tecnològica en IA

En els darrers mesos, hem parlat molt d’Intel·ligència Artificial a la nostra universitat: de com utilitzar-la i de com integrar-la en l’activitat acadèmica i de gestió. Però hi ha una pregunta prèvia, més estructural i sovint menys visible: sobre quina infraestructura es construeix tot això?

Recentment, en el marc de la convocatòria EQC2025 —del Ministeri de Ciència, Innovació i Universitats i amb cofinançament de la Unió Europea—, s’ha concedit un ajut al projecte presentat per la UPC, que està concebut per donar resposta a les necessitats de la Universitat, i que ens situa precisament en aquest punt.

Aquesta concessió permetrà adquirir una plataforma institucional de càlcul accelerat amb GPUs, que s'orientarà principalment a fer funcionar models d'IA de pesos oberts (un procés clau conegut com a inferència). Més enllà d'aquesta funció principal, la plataforma serà un recurs versàtil per a l’ajust fi (fine-tuning) de models, el càlcul d'altes prestacions (HPC) i el suport a processos d’experimentació i entrenament de models a petita escala.

Més que una inversió tecnològica, una decisió estratègica

Perquè la IA no és només programari. És també infraestructura: capacitat de càlcul, energia, emmagatzematge i gestió de dades, comunicacions, etc. En un context en el qual aquesta capacitat esdevé cada vegada més crítica i es concentra en pocs actors globals, disposar d’una base pròpia a la UPC ens permet reforçar la sobirania i l’autonomia tecnològica, reduir dependències externes, experimentar amb criteri i preservar la possibilitat de decidir com incorporem la IA a la docència, la recerca i la gestió universitàries.

Tal com ha argumentat recentment en aquest mateix espai el nostre company Jordi Torres, l’autonomia en l’ús de la IA no depèn només de les eines, sinó sobretot de les infraestructures que les fan possibles i dels actors que en determinen les condicions. És precisament des d’aquesta mirada que cal entendre el projecte que ara es desplegarà: no es tracta només de disposar de més potència de càlcul, sinó de crear un entorn propi, segur i traçable per desplegar models sobre dades pròpies i preservar capacitat de decisió sobre els processos i els resultats.

Una plataforma de serveis per a la comunitat universitària

Ara bé, aquesta infraestructura s’ha de concebre com alguna cosa més que un conjunt de GPUs. El repte és convertir-la en una plataforma de serveis per a la comunitat universitària, capaç de donar resposta a necessitats molt diverses: des d’aplicacions finals d’IA per a la docència o la gestió, fins a models accessibles per APIs o espais de càlcul avançat per a usos més especialitzats de recerca. Això requereix un model de serveis clar, amb diferents nivells d’accés, criteris d’ús i mecanismes de governança i traçabilitat.

En aquest sentit, una línia prioritària serà la inferència de models en entorns propis per donar servei directe als usuaris, com a primer pas realista i amb impacte. Això permetrà desplegar casos d’ús concrets —assistents virtuals, eines de suport a la docència, agents per automatitzar tasques, etc.— amb costos continguts i controlats i dins d’un marc institucional propi per a l’ús de les dades i els resultats.

Una plataforma flexible, dissenyada per créixer

Alhora, caldrà dissenyar una arquitectura flexible i evolutiva, capaç de créixer i adaptar-se amb el temps. Això inclou combinar infraestructura pròpia amb mecanismes d’integració amb sistemes externs, quan sigui necessari i aportin valor, sempre sota criteris de seguretat, sostenibilitat econòmica i coherència tècnica.

També serà clau optimitzar l’ús de la infraestructura, combinant diferents models d’operació: inferència en temps real quan cal una resposta immediata, i càlcul intensiu per cues per a processos que requereixen més capacitat o poden executar-se de manera diferida. Aquesta combinació permetrà aprofitar millor els recursos i ajustar-los dinàmicament a les necessitats de cada moment.

Finalment, el projecte obre la porta a federar recursos avui dispersos i integrar-los progressivament en un model compartit i governat institucionalment. Això pot millorar l’eficiència global, però també exigirà definir criteris d’ús, models de cost, garanties de seguretat i mecanismes de coordinació amb els equipaments existents.