Durante los primeros años de la explosión de la inteligencia artificial generativa, el gran cuello de botella de la industria tenía un nombre casi universal: falta de silicio. Quien lograba comprar o alquilar miles de GPU de gama alta lideraba el desarrollo; quien se quedaba en la fila de los semiconductores miraba desde fuera.
Ese escenario cambió de forma silenciosa e irreversible. La mayor barrera para el avance de los modelos de frontera en 2026 ya no es el silicio de las fábricas en Taiwán, sino el cable de cobre de la red de alta tensión y la capacidad de los generadores eléctricos.
Para seguir construyendo supercomputadoras de IA, empresas como Microsoft, Google y Amazon dejaron de ser solo consumidoras comunes de servicios de computación y entraron directamente en el sector eléctrico, cerrando acuerdos por miles de millones para reactivar centrales nucleares desactivadas y financiar pequeños reactores modulares.
Este post es un análisis fundamentado en datos públicos de infraestructura energética, informes de la Agencia Internacional de Energía (AIE / IEA) y registros regulatorios de contratos de energía. El objetivo es explicar por qué la física de la computación moderna chocó con la red eléctrica y qué significa esa carrera para la tecnología y para la sociedad.
La física de la inferencia: por qué la IA consume órdenes de magnitud más energía
Para entender la crisis de energía de la IA, hay que desmitificar lo que ocurre cuando una máquina “piensa”.
Cuando usted hace una búsqueda tradicional en la web, el servidor solo necesita consultar un índice invertido en memoria, aplicar reglas de ranking y devolver enlaces estáticos. Según los datos recogidos por la Agencia Internacional de Energía (AIE) en el informe Electricity 2024, una consulta típica en el buscador de Google consume en promedio cerca de 0,3 vatio-hora (Wh) de electricidad.
En cambio, cuando usted interactúa con un modelo de lenguaje avanzado — en especial los modelos de frontera que usan razonamiento deliberativo (Test-Time Compute) para planificar, autocorregirse y debatir consigo mismos antes de responder —, el procesamiento exige la multiplicación de miles de millones de parámetros a lo largo de miles de tokens generados en secuencia.
- Búsqueda web clásica: ~0,3 Wh por solicitud.
- Consulta con modelo generativo estándar: ~2,9 Wh por solicitud (casi 10 veces más que la búsqueda común).
- Ejecución de agentes y razonamiento profundo: de 10 a 35 Wh por tarea compleja de múltiples pasos.
Multiplique ese consumo por cientos de millones de usuarios activos diarios y el resultado deja de ser una métrica de eficiencia de software y se vuelve un impacto macroeconómico en la matriz de cualquier país. La AIE proyecta que el consumo global de electricidad por centros de datos, que era de aproximadamente 460 teravatios-hora (TWh) en 2022, puede superar la marca de 1.000 TWh hasta el final de 2026 — el equivalente al consumo eléctrico anual de un país industrializado como Japón.
El salto de la densidad: de 10 kW a 120 kW por rack
El impacto no es solo en la cantidad total de energía, sino en la concentración térmica por metro cuadrado dentro del centro de datos.
Históricamente, un centro de datos tradicional de alojamiento corporativo o de servidores web se diseñaba para soportar racks con densidad media de 5 a 10 kilovatios (kW). Los racks de ese tipo se enfrían con tranquilidad con aire acondicionado industrial y circulación de aire frío en pasillos presurizados.
La computación de IA moderna rompió esa arquitectura:
| Característica | Centro de datos web clásico | Centro de datos de supercomputación de IA |
|---|---|---|
| Densidad de potencia por rack | 5 kW a 10 kW | 40 kW a más de 120 kW (ej.: arquitecturas NVL72) |
| Método de enfriamiento | Refrigeración por aire (ventiladores) | Refrigeración líquida directa en el chip (Direct-to-Chip Liquid Cooling) |
| Perfil de demanda de energía | Variable, con picos diurnos de tráfico | Carga continua estable al 100% (flat line) 24/7/365 |
| Punto crítico de falla | Caída de red o latencia | Oscilación térmica e interrupción del suministro eléctrico |
Cuando un rack consume 120 kW de electricidad, disipa prácticamente esos 120 kW en forma de calor en un espacio del tamaño de un armario de oficina. El aire simplemente no tiene conductividad térmica suficiente para transportar tanto calor hacia fuera; por eso, los servidores de punta de IA hoy exigen circuitos de agua desmineralizada que fluyen directamente sobre placas frías de cobre pegadas a los chips.
Más que eso: un campus con cientos de esos racks exige subestaciones de 300 MW a 1 GW de capacidad dedicada — el mismo consumo eléctrico exigido por cientos de miles de viviendas.
El dilema de las renovables: por qué la solar y la eólica no bastan solas
Las empresas de tecnología fueron pioneras en metas de sostenibilidad, contratando grandes volúmenes de energía solar y eólica en la última década. Sin embargo, para la IA de punta, esas fuentes enfrentan un obstáculo físico infranqueable: la intermitencia.
Un entrenamiento de un modelo de frontera reúne decenas de miles de GPU interconectadas por enlaces de altísima velocidad (InfiniBand o redes Ethernet de 800 Gbps). Ese cálculo paralelo opera como un único organismo: si la energía oscila o falta por fracciones de segundo en uno de los edificios del campus, el clúster entero puede interrumpir el ciclo, corromper puntos de control (checkpoints) y desperdiciar horas o días de cálculo carísimo.
La computación de IA necesita carga base continua y previsible (firm baseload): exactamente la misma cantidad de megavatios, segundo a segundo, 24 horas al día, 365 días al año.
- Energía solar: alcanza el pico al mediodía y cae a cero por la noche.
- Energía eólica: fluctúa según las estaciones y los frentes meteorológicos.
- Baterías de litio: resuelven el pico rápido de 4 horas para transferir la energía solar al comienzo de la noche, pero no tienen capacidad económica para sostener un centro de datos de 500 megavatios durante dos o tres días de calma y tiempo cerrado.
- Fila de transmisión eléctrica: en Estados Unidos y en Europa, el plazo para conectar una nueva gran central solar o eólica a la red de transmisión regional (como el operador de red PJM) varía entre 5 y 7 años, por la lentitud burocrática y la sobrecarga de las líneas existentes.
Es en ese cuello de botella donde la energía nuclear reaparece como la única alternativa existente capaz de suministrar gigavatios de energía limpia, libre de carbono y sin oscilación horaria.
El regreso nuclear: Three Mile Island, reactores SMR y compras directas
En menos de un año, los mayores compradores mundiales de computación anunciaron jugadas audaces en el tablero energético global:
1. Microsoft y la reactivación de Three Mile Island
En septiembre de 2024, la concesionaria Constellation Energy anunció un contrato de compra de energía (PPA) de 20 años con Microsoft. El acuerdo hizo viable la reapertura de la Unidad 1 de la central nuclear de Three Mile Island, en Pensilvania — renombrada como Crane Clean Energy Center.
La unidad, que había sido desconectada en 2019 por motivos puramente económicos (cuando el gas natural fósil estaba excesivamente barato), recibirá miles de millones de dólares en inversiones privadas para volver a conectar sus generadores hasta 2027/2028, inyectando 835 megavatios de energía firme sin emisión de carbono exclusivamente para la nube de Microsoft.
2. Google y los Pequeños Reactores Modulares (SMRs) con Kairos Power
En octubre de 2024, Google firmó el primer acuerdo comercial de ese tipo con la startup nuclear Kairos Power. En lugar de depender de centrales nucleares gigantescas y tradicionales, la alianza busca encargar una flota de Pequeños Reactores Modulares (SMRs) que suman hasta 500 MW hasta 2035.
Los SMR son reactores fabricados en un entorno de fábrica modular y transportados por tren o tráiler hasta el lugar de instalación. Usan tecnologías innovadoras — como el enfriamiento pasivo con sal fundida a alta temperatura y baja presión —, eliminan los riesgos de pérdida de refrigeración típicos de las centrales antiguas de agua a presión y permiten una instalación descentralizada.
3. Amazon Web Services y la central de Susquehanna
Amazon (AWS) adquirió por 650 millones de dólares un campus de centro de datos de hasta 1.920 MW desarrollado por Talen Energy, ubicado físicamente junto a la central nuclear de Susquehanna, en Pensilvania.
El modelo es el llamado behind-the-meter (detrás del medidor): el centro de datos recibe la energía directamente de los generadores nucleares de la central antes de que entre en la red de transmisión pública, y así evita las filas de espera de conexión de las concesionarias regionales.
Qué significa esto para el futuro de la tecnología y para las personas
Esa convergencia forzada entre computación avanzada e infraestructura pesada trae consecuencias prácticas que ya empiezan a sentirse:
1. Presión sobre las tarifas locales y disputa por espacio en la red
Donde los centros de datos nuevos se instalan en masa (como en el estado de Virginia o en Pensilvania, en Estados Unidos), los gobiernos locales y los organismos de defensa del consumidor ya discuten quién asumirá los gastos de ampliación de las redes eléctricas. Si las grandes empresas reservan centrales enteras para sus servidores, la electricidad excedente para industrias y viviendas puede quedar más cara o escasa.
2. El incentivo económico forzado para modelos más eficientes
Hasta hace poco, los desarrolladores podían ignorar la eficiencia del código y de la infraestructura: si un modelo era demasiado pesado, bastaba con alquilar más placas en la nube. Con el megavatio costando caro y la capacidad de expansión física trabada por la red eléctrica, el foco migró de forma obligatoria hacia la eficiencia algorítmica:
- El avance de los SLM (Small Language Models), que resuelven problemas específicos con una fracción del consumo de energía.
- Técnicas agresivas de cuantización (como INT4 y formatos compactos), que reducen el movimiento de datos y el esfuerzo eléctrico del chip.
- Ejecución de tareas cotidianas en el borde (Edge AI y NPU locales), lo que ahorra idas innecesarias a la nube.
3. El fin del mito de la “nube etérea”
La idea de que internet y los algoritmos habitan un espacio virtual abstracto e intangible se evaporó del todo. La inteligencia artificial de punta es una de las tecnologías más pesadas físicamente que ha construido la ingeniería: exige toneladas de cobre, agua purificada, circuitos integrados de silicio puro y turbinas nucleares que giran a miles de rotaciones por minuto.
Quien trabaja con tecnología hoy necesita entender que la próxima barrera de innovación no se decidirá solo en líneas de Python o arquitecturas de transformadores, sino en cuántas líneas de transmisión y gigavatios limpios lograremos poner en pie con seguridad. Cómo se operan esas líneas en el día a día aparece en el post sobre el sistema de gestión de un centro de operación de la transmisión. En Brasil, el límite inmediato suele ser otro: la fila y el margen de conexión en la Red Básica, antes incluso del estante de GPU.
Fuentes citadas y referencias oficiales
- Agencia Internacional de Energía (AIE / IEA): Electricity 2024 – Analysis and forecast to 2026 (Informe oficial sobre la demanda global de electricidad y el impacto de los centros de datos y de la IA).
- Constellation Energy: Anuncio oficial del Crane Clean Energy Center y acuerdo de suministro de 20 años con Microsoft (septiembre de 2024).
- Google Blog & Kairos Power: Accelerating clean energy with Kairos Power SMRs – Alianza para el suministro de 500 MW de energía nuclear avanzada (octubre de 2024).
- Talen Energy / AWS: Comunicados regulatorios ante la SEC sobre la adquisición y la expansión del campus Cumulus Data Center en la central nuclear de Susquehanna (2024–2025).
- NVIDIA Corporation: Arquitectura técnica y especificaciones térmicas/eléctricas de los sistemas de IA Blackwell y de las plataformas NVL72 de refrigeración líquida (2024–2025).
