La conversación sobre inteligencia artificial suele girar alrededor de modelos, chips y memoria, pero hay un componente mucho menos glamuroso que empieza a decidir hasta dónde puede crecer esta industria: la electricidad. Entrenar y ejecutar modelos cada vez mayores exige centros de datos más densos, más servidores acelerados y sistemas de refrigeración más complejos, y esa combinación está empezando a tensionar redes eléctricas que no fueron diseñadas para crecer al ritmo del software.
La Agencia Internacional de la Energía calcula que el consumo eléctrico mundial de los centros de datos podría pasar de unos 415 TWh en 2024 a alrededor de 945 TWh en 2030. Es más del doble en apenas seis años, y buena parte del incremento estará impulsado por cargas de inteligencia artificial.
El siguiente cuello de botella no cabe en una tarjeta gráfica
Durante mucho tiempo parecía que el recurso verdaderamente escaso de la nueva economía digital eran los aceleradores de Nvidia. Lo siguen siendo en muchos proyectos, pero una GPU sin suministro eléctrico estable no sirve de mucho. La IEA estima que el consumo asociado a servidores acelerados crecerá con mucha rapidez durante esta década y explicará una parte sustancial del aumento de demanda de los centros de datos.
El problema es que el hardware puede instalarse relativamente rápido, mientras ampliar una red eléctrica, construir subestaciones o desplegar nueva generación lleva mucho más tiempo. La tecnología avanza a velocidad de producto; la infraestructura energética funciona con plazos de obra civil, permisos y planificación a varios años.
Estados Unidos está viendo el problema antes que nadie
Según la IEA, los centros de datos podrían representar cerca de la mitad del crecimiento de la demanda eléctrica estadounidense hasta 2030. La comparación ayuda a entender la escala: para entonces, el consumo de esos centros podría superar al de varias industrias intensivas en energía combinadas.
Eso cambia por completo la forma de mirar la IA. Ya no estamos hablando únicamente de “más ordenadores”, sino de una nueva industria pesada digital que necesita energía continua, refrigeración, redes de transmisión y suelo conectado a infraestructuras de gran capacidad.
La densidad energética importa tanto como el consumo total
No todos los megavatios pesan igual sobre una red. Los racks diseñados para IA concentran una cantidad de potencia muy superior a la de los servidores tradicionales, lo que obliga a replantear desde la distribución eléctrica interna hasta la refrigeración líquida y el diseño de los edificios.
Por eso un centro de datos de IA no puede instalarse simplemente donde haya terreno barato. Necesita acceso a electricidad abundante, estable y predecible, y esa condición empieza a decidir qué regiones pueden atraer nuevas inversiones y cuáles tendrán que esperar a reforzar su infraestructura.
Nuclear, renovables, gas y almacenamiento entran en la misma conversación
Las grandes tecnológicas están buscando energía donde pueden encontrarla. La IEA calcula que las renovables cubrirán una parte importante del incremento de demanda de los centros de datos durante la próxima década, pero también crecerán otras fuentes capaces de garantizar suministro constante, incluida la nuclear.
El interés por reactores modulares, acuerdos de suministro a largo plazo, almacenamiento y nuevos proyectos geotérmicos no es casualidad. Las empresas de IA necesitan potencia 24 horas al día, y eso convierte la energía en una variable estratégica tan importante como el acceso a chips.
La paradoja es evidente: la misma IA que se presenta como herramienta para optimizar redes, mejorar materiales o reducir consumos también puede convertirse en uno de los grandes motores de nueva demanda eléctrica.
La eficiencia no garantiza que consumamos menos
Cada nueva generación de hardware consigue más operaciones por vatio y los modelos también pueden optimizarse mediante cuantización, arquitecturas más pequeñas o técnicas de inferencia más eficientes. Eso reduce el coste de ejecutar una tarea concreta, pero no implica necesariamente que el consumo total baje.
Puede ocurrir justo lo contrario. Si usar IA resulta más barato y accesible, más aplicaciones empiezan a utilizarla y durante más tiempo. Es una versión moderna de la paradoja de Jevons: mejorar la eficiencia de un recurso puede terminar aumentando su consumo agregado porque aparecen muchos más usos.
La escala doméstica también importa, aunque sea mucho menor
Un servidor personal de IA no tiene nada que ver con un centro de datos en términos absolutos, pero el mismo problema aparece a pequeña escala. Equipos como DGX Spark o un PC con una GPU potente pueden consumir una cantidad significativa de energía bajo carga, y ese consumo pasa a importar mucho más si la máquina permanece encendida todo el día para ejecutar agentes.
Ahí pueden ganar valor los chips de bajo consumo, los modelos pequeños y las arquitecturas de memoria unificada. Para un servidor doméstico no solo importará qué modelo puede ejecutar, sino cuánto cuesta mantenerlo disponible 24 horas y si realmente compensa frente a delegar ciertas tareas en la nube.
La IA está chocando con el mundo físico
La industria del software está acostumbrada a escalar con una rapidez extraordinaria. Si una aplicación gana millones de usuarios, puede desplegar más capacidad en la nube en cuestión de semanas. La IA introduce una fricción distinta porque detrás de cada aumento de capacidad hay que fabricar chips, construir edificios, conseguir transformadores, desplegar refrigeración y ampliar redes.
Ese puede ser uno de los grandes límites de la siguiente fase de la inteligencia artificial. No porque dejemos de saber construir modelos mejores, sino porque la infraestructura necesaria para ejecutarlos no pueda crecer al mismo ritmo.
La carrera por la IA también será una carrera energética
Estados Unidos, China y Europa hablan continuamente de soberanía en semiconductores, pero cada vez tendrá más sentido hablar también de soberanía energética. Un país puede tener talento, acceso a chips y capacidad para construir centros de datos; si su red no puede entregar electricidad a precios competitivos, parte de esa inversión terminará desplazándose a otro lugar.
Por eso la expansión de la IA está acercando dos mundos que durante años parecían separados: Silicon Valley y las compañías eléctricas. El futuro de los modelos no dependerá solo de cuántos parámetros tengan o de qué GPU los ejecute, sino también de cuántos megavatios haya disponibles detrás.
Fuentes: Agencia Internacional de la Energía: Energy and AI y actualización de la IEA sobre demanda eléctrica de centros de datos.
