La crisis energética de la IA: cuando los centros de datos devoran la red

Conclusiones clave

• La escala: los centros de datos de EE. UU. ya consumen el 4,4% de la electricidad del país, y los investigadores federales proyectan entre el 6,7% y el 12% para 2028. La consulta individual es barata; la flota no lo es.
• El cuello de botella: No son patatas fritas; son transformadores. Las empresas de servicios públicos no pueden construir líneas de transmisión lo suficientemente rápido como para alimentar nuevos centros de datos a escala de gigavatios.
• La solución: Los gigantes tecnológicos están comprando su propia generación. Amazon y Google están invirtiendo miles de millones en Pequeños reactores modulares (SMR) (miniplantas nucleares), mientras que Microsoft está reiniciando Three Mile Island.

Pensábamos que el límite de la IA sería la inteligencia. Resulta que es electricidad.

A finales de 2025, la “crisis energética de la IA” es el tema más importante en Silicon Valley. Entrenar un modelo de frontera consume decenas de gigavatios-hora. Ejecutarlo a escala (inferencia) requiere aún más.

Los centros de datos consumieron alrededor del 1,5 % de la electricidad mundial en 2024 (415 TWh, según la AIE), pero en Estados Unidos la proporción ya es del 4,4 %, después de que la demanda de los centros de datos estadounidenses se duplicó con creces entre 2017 y 2023. Para 2030, la AIE proyecta que el consumo global de los centros de datos se duplicará con creces hasta aproximadamente 945 TWh, un poco más que el consumo total de electricidad de Japón en la actualidad. En EE. UU., investigadores federales del Berkeley Lab consideran que los centros de datos consumirán entre el 6,7% y el 12% de la electricidad nacional para 2028.

La magnitud del problema

Para entender la crisis hay que mirar las matemáticas.

• Entrenamiento versus inferencia: El entrenamiento GPT-3 emitió aproximadamente 552 toneladas de CO₂, y los modelos de frontera desde entonces son mucho más grandes (los laboratorios ya no divulgan cifras). Pero la formación es un coste único. La verdadera pérdida es la inferencia: cada vez que le pides a un agente que “planifique mis vacaciones”, miles de GPU se activan. El costo por consulta es pequeño (OpenAI calcula que una consulta ChatGPT promedio ronda los 0,3 Wh, aproximadamente a la par con una búsqueda clásica de Google); los miles de millones de consultas no lo son.
• Uso de agua: No se trata solo de energía. Los centros de datos beben agua para mantenerse frescos. El consumo de agua de Microsoft aumentó un 34 % en el año fiscal 2022 cuando comenzó el desarrollo de la IA, lo que provocó conflictos con comunidades locales desde West Des Moines, Iowa, hasta Goodyear, Arizona, un país propenso a la sequía.

El renacimiento nuclear: la nueva apuesta de las grandes tecnológicas

Las energías renovables (solar/eólica) son geniales, pero son intermitentes. La IA necesita energía de carga base las 24 horas del día, los 7 días de la semana, con un tiempo de actividad del 99,999 %. Las baterías pueden suavizar los picos, pero cubrir con ellas una carga base de varios días a escala de gigavatios sigue siendo antieconómico.

Entra Nuclear.

• Microsoft: firmó un PPA histórico de 20 años para reiniciar Three Mile Island (Unidad 1), ahora Crane Clean Energy Center, para alimentar su nube de IA con energía libre de carbono a través de la red PJM.
• Amazon: pagó $650 millones por un campus de centro de datos junto a la planta nuclear de Susquehanna. Los reguladores rechazaron la configuración original “detrás del medidor”, por lo que en 2025 el acuerdo se reestructuró en un PPA de 17 años entregado a la red por hasta 1.920 MW, prueba de que ni siquiera las grandes empresas tecnológicas pueden eludir por completo la red pública.
• Google: Invierte mucho en nuevas empresas de fusión y SMR (pequeños reactores modulares). Estas “baterías nucleares” pueden fabricarse en fábricas y enviarse a centros de datos, evitando los retrasos de una década en la construcción de las plantas tradicionales.

Las grandes tecnologías se han convertido efectivamente en el nuevo sector de servicios públicos. Están financiando la próxima generación de infraestructura de energía limpia porque no tienen otra opción. La red no puede seguirles el ritmo.

La ironía: IA verde, poder sucio

Hay aquí una amarga ironía. Estamos construyendo IA para ayudarnos a resolver el cambio climático (optimizando redes, diseñando nuevos materiales), pero la creación de esa IA actualmente está aumentando las emisiones.

• La “Paradoja de Jevons”: A medida que la IA se vuelve más eficiente, la usamos más, lo que lleva a un consumo total mayor.
• La realidad: las emisiones de carbono de Google aumentaron un 51% en comparación con 2019, en gran parte debido a la infraestructura de inteligencia artificial, según su propio informe ambiental de 2025. La compañía retiró su antigua afirmación de “neutralidad en carbono” en 2023; su objetivo de cero emisiones netas para 2030 todavía está en el papel, pero Google ahora lo presenta como una ambición más que como un compromiso.

El futuro: ¿una cuadrícula bifurcada?

Nos dirigimos hacia una red bifurcada: una para las personas y otra para las máquinas.

• La red pública: Luchando contra una infraestructura obsoleta, energías renovables intermitentes y costos crecientes para los consumidores.
• La red privada: impulsada por activos nucleares y geotérmicos dedicados, propiedad de empresas tecnológicas de billones de dólares, lo que garantiza que su IA nunca duerma.

La pregunta ya no es “¿Podemos construirlo?” sino “¿Quién paga por la actualización?” Si la historia sirve de guía, el consumidor pagará la factura de la red, mientras que las grandes tecnológicas construyen su propia fortaleza de poder.

Fuentes (8)

• iea.org Energy and AI
• energy.gov DOE/Berkeley Lab: US Data Center Energy Usage Report
• sustainability.google Google Environmental Report 2025
• epoch.ai How Much Energy Does ChatGPT Use?
• utilitydive.com Constellation-Microsoft Three Mile Island PPA
• ir.talenenergy.com Talen Energy Expands Nuclear Relationship with Amazon
• arxiv.org Carbon Emissions and Large Neural Network Training (Patterson et al.)
• fortune.com AP: AI Fuels Spike in Microsoft Water Consumption