Hoy, un solo datacenter de inteligencia artificial de frontera puede requerir hasta 1 GW de potencia continua, algo comparable a una gran fundición de aluminio o a una ciudad de tamaño mediano. Se espera que los centros de datos del mundo consuman en total 950 TWh hacia 2030, según la IEA.
Esto explica por qué los grandes operadores de nube dejaron de tratar la energía como un simple ítem de compra. Hasta hace poco el plan era comprar GPUs, arrendar espacio y firmar el acuerdo de compra de energía correspondiente. Pero los hiperescaladores líderes ahora consideran la energía como capacidad estratégica. En palabras del CEO de NVIDIA, Jensen Huang, "la IA ahora es infraestructura". La carrera por desarrollar IA avanzada se está convirtiendo, cada vez más, en una carrera por construir y asegurar la infraestructura energética que la sostiene.
El problema de la calidad de energía
Como las cargas de IA necesitan una disponibilidad tan alta, no sorprende que el gas, la energía nuclear, el almacenamiento y la generación behind-the-meter vuelvan a la agenda. Solo los proyectos ligados a Meta a través de Entergy incluyen 5,2 GW de nueva generación a gas para datacenters en Luisiana, y el consorcio tiene otros 7 a 12 GW de posibles clientes en su cartera.
Sin embargo, las restricciones de red son difíciles de ignorar. En partes de Estados Unidos, las colas de interconexión ya se extienden de cinco a diez años. La escasez de transformadores y turbinas, junto a los cuellos de botella en subestaciones, se volvieron limitaciones estratégicas. Los desarrolladores de Texas han recurrido cada vez más a generación a gas en el mismo sitio para evitar los retrasos de conexión.
Incluso donde hay energía local suficiente, emerge otro problema poco discutido: la calidad de energía durante los transitorios de carga de IA. Los clústeres de IA no son cargas informáticas estables y ordinarias. Grandes trabajos sincronizados de GPUs y aceleradores pueden crear rampas de carga abruptas, armónicos, perturbaciones de voltaje y modos de falla correlacionados.
Un evento de julio de 2024 en el norte de Virginia mostró cómo una fluctuación de voltaje disparó la desconexión simultánea de 60 datacenters, creando un excedente repentino de 1.500 MW que requirió una intervención de emergencia en la red.
¿Dónde se están instalando los nuevos datacenters?
A medida que las instalaciones de IA empiezan a parecerse a cargas industriales de escala eléctrica más que a datacenters convencionales, los operadores deben repensar no solo la arquitectura de cómputo, sino la estrategia de infraestructura eléctrica. El cómputo se está moviendo hacia lugares donde ya existe energía excedente: sitios de generación hidroeléctrica, geotérmica y nuclear.
La refrigeración líquida directa reduce el consumo de los ventiladores, pero agrega bombas, tuberías y desafíos de gestión de fugas, exigiendo una integración más estrecha entre los sistemas de refrigeración, eléctricos y de control. Así, los datacenters alimentados por energía hidroeléctrica (Stavanger, Luleå, Hamina) y los sitios geotérmicos (Reikiavik, Keflavík, Taupō en Nueva Zelanda) empiezan a borrar la frontera entre la ingeniería de potencia y la térmica. Eso, a su vez, altera el margen térmico disponible para el cómputo de alta densidad, permitiendo circuitos de refrigeración líquida más cálidos y configuraciones de rack más densas a medida que los sistemas de IA superan los 100 kW por rack.
Los reactores modulares pequeños (SMR) encajan excepcionalmente bien con los requisitos de la IA a hiperescala, y los hiperescaladores ya respaldan más de 20 GW de capacidad planificada. Aun así, las oscilaciones de carga de varios megavatios de los clústeres de GPU siguen requiriendo almacenamiento de respuesta rápida, convertidores grid-forming y electrónica de potencia avanzada.
El avance del carburo de silicio
A medida que sube la densidad de potencia de los racks, los semiconductores de banda ancha se vuelven más importantes. Los dispositivos de carburo de silicio (SiC) soportan transformadores de estado sólido de mayor voltaje, etapas de conversión HVDC y fuentes de alta frecuencia con menores pérdidas de conmutación y mejor resiliencia térmica.
Wolfspeed presentó en marzo una plataforma de carburo de silicio de 300 mm, junto con el primer MOSFET SiC de 10 kV, un interruptor de potencia de alto voltaje que permite mover la electricidad a través de menos etapas de conversión. Infineon confirma que su propia solución de conversión de alta frecuencia entrega mejoras de eficiencia de alrededor de 1% o más; aunque parezca modesto, eso puede traducirse en millones de dólares de ahorro anual en electricidad para un datacenter de IA a hiperescala.
Vicor también apunta a menores pérdidas de conversión, pero desde el lado opuesto: entrega de potencia ultradensa a nivel de rack, con arquitecturas de 48 V directo a la carga y entrega vertical de potencia. La misión es llevar la electricidad desde la fuente hasta los chips de IA por el camino más corto y eficiente. Por su parte, Navitas lanzó una placa de entrega de potencia de 20 kW de 800 V a 6 V, diseñada para eliminar por completo la etapa intermedia tradicional de 48 V gracias a sus dispositivos de nitruro de galio (GaN) y SiC.
Nuevos módulos en la cancha
Buena parte de la innovación actual en aceleradores de IA busca reducir la energía necesaria para mover datos. El AMD MI350 y el NVIDIA Blackwell B200 integran pilas HBM3E justo al lado de los dies de cómputo, acortando las rutas de datos dentro del paquete del procesador. El resultado es mayor ancho de banda y menor uso de energía por bit transferido.
En 2027 debería llegar el despliegue de HBM4, que duplica la interfaz a 2.048 bits, habilitando más de 2 TB/s por pila y modelos de IA de billones de parámetros. A mayor escala, Broadcom, NVIDIA y NTT ya demostraron tecnologías de óptica co-empaquetada para recortar el costo energético de la comunicación entre miles de GPUs. Cerebras, en cambio, busca mantener las cargas masivas en un único y enorme motor a escala de oblea, mientras Olix planea lanzar su primer chip fotónico el próximo año. Al usar luz en vez de señales eléctricas para mover y procesar datos, la computación fotónica podría reducir el consumo energético de los datacenters de IA en un 25 a 35%.
La dirección general es clara: reducir el movimiento de datos se está volviendo tan importante como aumentar el rendimiento de cómputo.
