El problema eléctrico de la IA: cómo los centros de datos están reescribiendo las reglas de los mercados energéticos
En 2020, los centros de datos consumieron aproximadamente 200 teravatios-hora de electricidad a nivel mundial, aproximadamente el 1% de la demanda mundial de electricidad. Las últimas estimaciones de la AIE sitúan el consumo de los centros de datos en camino hacia los 945 TWh para 2026, impulsado casi en su totalidad por cargas de trabajo de IA. Para ponerlo en contexto: todo el país de Alemania utiliza aproximadamente 550 TWh al año. La electricidad necesaria para entrenar y ejecutar los modelos de IA que darán forma a 2026 es, por sí sola, comparable a la de alimentar una de las economías industriales más grandes del mundo.
Esto no es una preocupación futura. Es una realidad operativa presente para los operadores de redes, los mercados energéticos y las empresas que construyen la infraestructura.
Adónde va la energía
Las cargas de trabajo de IA consumen mucha más energía que la computación en la nube tradicional. Una máquina virtual estándar en la nube que realiza servicios web puede consumir 100 vatios. Un clúster denso de GPU que ejecuta inferencias de modelos grandes consume de 400 a 500 vatios por tarjeta GPU, y los clústeres modernos de aceleradores de IA empaquetan miles de chips en un solo rack. Una GPU H100, el acelerador de IA más ampliamente desplegado hasta 2024, tiene una potencia térmica de diseño de 700 W. La NVIDIA Blackwell B200 elevó esa cifra a 1000 W por GPU en su configuración refrigerada por aire. Un clúster de 10 000 GPU consume aproximadamente 10 megavatios de forma continua, suficiente para alimentar a un pueblo pequeño.
La métrica de Eficacia del Uso de Energía (PUE), que mide la eficiencia con la que un centro de datos utiliza la electricidad que recibe, ha mejorado en toda la industria, pero se están estableciendo rendimientos decrecientes. Los hiperescaladores (Google, Microsoft, Amazon, Meta) logran ahora habitualmente PUEs de entre 1.1 y 1.2 para nuevas instalaciones, lo que significa aproximadamente un 10-20% de gastos generales para refrigeración, iluminación y distribución de energía. Con estas eficiencias, el cuello de botella ya no es la refrigeración: es simplemente la cantidad bruta de electricidad que la instalación necesita extraer de la red.
El giro nuclear
La historia energética más significativa en la industria tecnológica durante los últimos dos años ha sido el giro hacia la energía nuclear. En 2023, esto habría parecido marginal. A mediados de 2026, se ha convertido en una estrategia explícita para todos los grandes hiperescaladores.
Microsoft firmó un acuerdo de 20 años en septiembre de 2023 para reiniciar el reactor Unidad 1 de Three Mile Island en Pensilvania, proporcionando 835 MW dedicados a centros de datos. Google firmó un acuerdo para obtener energía de los pequeños reactores modulares de Kairos Power en 2023, con entrega prevista a partir de 2030. Amazon compró un campus de centro de datos alimentado por energía nuclear de Talen Energy, asegurando 960 MW de energía casi libre de carbono. Constellation Energy, el mayor operador nuclear de EE. UU., ha visto triplicar sus acciones a medida que la demanda tecnológica ha resucitado el interés comercial en activos que el mercado había descartado.
El atractivo de la energía nuclear para los centros de datos de IA es específico: proporciona energía firme las 24 horas del día, los 7 días de la semana, con una densidad energética muy alta por unidad de terreno. La solar y la eólica son más baratas por kWh, pero intermitentes: no se puede operar un clúster de GPU de 100 MW con energía intermitente sin un almacenamiento masivo de baterías (caro y con gran consumo de terreno) o una conexión de respaldo a la red que esencialmente requiere que exista capacidad de combustibles fósiles en algún lugar del sistema.
Renovables: la contabilidad honesta
Todos los grandes hiperescaladores publican compromisos de neutralidad de carbono o energía renovable. Estos compromisos son reales, pero su relación con las emisiones operativas reales es más complicada de lo que sugiere el marketing. El instrumento clave es el Certificado de Energía Renovable (REC) o el Acuerdo de Compra de Energía (PPA): una empresa contrata con una instalación de energía renovable, recibe certificados que representan esa cantidad de generación renovable y los reclama contra su consumo sobre el papel.
El problema es el desajuste temporal y geográfico. Un centro de datos de Google que consume 500 MW en Virginia a las 2 a. m. de una noche de invierno no está siendo alimentado realmente por una granja solar en Texas que genera sus certificados durante las tardes de verano. Los electrones que consume el centro de datos provienen de lo que sea que esté en la red de Virginia a las 2 a. m., que en invierno es principalmente gas y nuclear. Los certificados renovables compensan esto sobre una base contable anual, pero las emisiones operativas reales son más altas de lo que implica la contabilidad basada en certificados.
La coincidencia de energía libre de carbono 24/7 (CFE), donde el consumo se empareja con la generación hora por hora, ubicación por ubicación, es la métrica más significativa, y Google ha sido el más agresivo en su búsqueda. Su puntuación CFE para 2025 fue del 76% a nivel mundial, lo que han calificado de insuficiente. La evaluación honesta de la posición de la industria en materia de renovables es: inversión significativa en capacidad renovable, compensación parcial de emisiones reales y una brecha que se está cerrando pero que aún no se ha cerrado.
La eficiencia como la otra palanca
La mejora drástica en la eficiencia de los modelos de IA en los últimos tres años es la parte menos discutida de la historia energética. GPT-3 en 2020 requirió aproximadamente 1300 MWh para entrenarse. Los modelos de capacidad equivalente entrenados en 2025 requirieron una fracción de eso, ya que las mejoras algorítmicas (mejores arquitecturas, técnicas de entrenamiento más eficientes, destilación) se combinaron con las ganancias de hardware.
La misma dinámica se aplica a la inferencia: una consulta a un asistente de IA de última generación en 2026 utiliza sustancialmente menos energía por consulta que una consulta equivalente en 2023, porque los modelos se han vuelto más eficientes y el hardware que los ejecuta ha mejorado. La eficiencia de inferencia ha mejorado aproximadamente 10 veces en tres años sobre una base por consulta.
El problema es que el crecimiento de la demanda ha superado las ganancias de eficiencia. El número de consultas de IA, el tamaño de los modelos que se despliegan y la amplitud de las aplicaciones que utilizan IA han crecido más rápido que las mejoras de eficiencia. Esta es la paradoja clásica de Jevons: hacer que un recurso sea más barato de usar aumenta el consumo total en lugar de reducirlo.
Lo que ven los operadores de redes
Para los operadores de redes eléctricas, la expansión de los centros de datos de IA a hiperescala representa un desafío de planificación como ninguno que hayan manejado antes. Un solo proyecto grande de centro de datos puede requerir de 500 MW a 1000 MW de nueva capacidad de generación, tanto como construir una nueva ciudad. Las colas de interconexión a la red en Virginia, Texas, Georgia y Arizona, los principales mercados de centros de datos de EE. UU., están atrasadas durante años. PJM, el mayor operador de red de EE. UU., reportó 1200 solicitudes de centros de datos en su cola de interconexión en 2025, lo que representa más de 200 GW de capacidad solicitada.
La inversión de capital necesaria para construir la infraestructura de transmisión para satisfacer esta demanda se estima en cientos de miles de millones de dólares solo en EE. UU. Los casos de tarifas ante las comisiones de servicios públicos de todo el país ahora están lidiando con la cuestión de quién paga las actualizaciones de la red requeridas por el crecimiento de los centros de datos: los propios centros de datos, todos los contribuyentes de electricidad o alguna combinación.
La historia energética de la IA en 2026 no es una crisis: las luces han permanecido encendidas y las instalaciones se están construyendo. Pero es una profunda remodelación de dónde proviene la electricidad, quién la paga y cómo operan las redes. Esas consecuencias se extenderán mucho más allá de cualquier ciclo de producto de IA.