Visitas: 1
La Inteligencia Artificial avanza a una velocidad espectacular. Cada día aparecen modelos más potentes, asistentes más inteligentes y herramientas capaces de generar texto, imágenes, vídeos o código en segundos. Pero detrás de toda esa magia tecnológica existe una realidad menos visible: el enorme consumo energético de los centros de datos que alimentan la IA moderna.
Los grandes sistemas de entrenamiento de modelos LLM, como los utilizados por las principales tecnológicas del mundo, son auténticos gigantes industriales. Hablamos de instalaciones con decenas de miles de chips especializados funcionando de manera simultánea y consumiendo cantidades de energía descomunales, en algunos casos cercanas a los 5 gigavatios o incluso más.
Y aquí aparece uno de los grandes problemas actuales: conectar esos mastodontes a la red eléctrica no es sencillo. Las compañías eléctricas y los gobiernos deben asegurarse de que esos consumos gigantescos no afecten al suministro del resto de usuarios. Por eso los permisos, estudios técnicos y autorizaciones pueden tardar años. En muchos proyectos, el verdadero cuello de botella ya no es fabricar chips o construir servidores, sino conseguir acceso suficiente a la red eléctrica.
Sin embargo, existe un detalle muy interesante que durante años ha pasado casi desapercibido. Las redes eléctricas del mundo están diseñadas para soportar los momentos de máxima demanda. Eso significa que durante gran parte del tiempo funcionan muy por debajo de su capacidad real. En muchos casos, las infraestructuras eléctricas trabajan al 50% de su potencial… o incluso menos.
Y ahí es donde surge una idea brillante por su aparente sencillez. La empresa NVIDIA, interesada lógicamente en impulsar la creación de más infraestructuras de IA, está colaborando con organizaciones como Electric Power Research Institute, y otras para desarrollar pequeños centros de datos cerca de subestaciones eléctricas ya existentes.
La lógica es poderosa. Solo en Estados Unidos existen más de 50.000 subestaciones eléctricas. Muchas de ellas pueden gestionar entre 5 y 40 MW, e incluso más en zonas industriales. Esto abre la puerta a instalar microcentros de datos de entre 5 y 20 MW muy cerca de esas infraestructuras, utilizando capacidad eléctrica disponible que hoy está infrautilizada. Cosa que también sucede en el resto del mundo.
En lugar de esperar años para conectar un megacentro de datos a la red, estos pequeños nodos podrían desplegarse mucho más rápido aprovechando conexiones ya existentes.
Además, en muchas regiones las subestaciones no están demasiado alejadas unas de otras. Eso permitiría crear redes distribuidas de centros de datos conectados entre sí, compartiendo cargas de trabajo y capacidad de cálculo.
La idea recuerda en cierto modo a cómo funciona Internet: en vez de depender únicamente de unos pocos centros gigantescos, el procesamiento se distribuye entre múltiples nódulos más pequeños y cercanos al usuario.
Y aquí aparece otro factor clave: la inferencia de IA. Mientras que entrenar modelos requiere enormes cantidades de energía, la inferencia —es decir, usar la IA ya entrenada para responder preguntas, generar contenido o realizar tareas— consume muchísimo menos. Precisamente esa inferencia es lo que necesitan millones de usuarios cada día.
Por tanto, estos pequeños centros distribuidos podrían convertirse en la infraestructura perfecta para ofrecer servicios de IA rápidos, cercanos y eficientes.
Incluso existe otro aspecto especialmente inteligente del planteamiento: en momentos de alta demanda eléctrica, la prioridad seguiría siendo para los usuarios originales de la subestación. Los centros de datos reducirían temporalmente su consumo para no tensionar la red.
En otras palabras, la IA se adaptaría a la red eléctrica… y no al revés. Esta estrategia podría acelerar enormemente el despliegue global de servicios de IA sin necesidad de esperar grandes ampliaciones de infraestructuras eléctricas nacionales. Y, además, reduciría costes, tiempos burocráticos y complejidad técnica.
El equipo impulsado por NVIDIA espera tener algunos de estos primeros centros operativos a finales de 2026. Si el modelo funciona bien, parece más que probable que otros países imiten rápidamente la idea.
Porque, en el fondo, las grandes revoluciones tecnológicas no siempre nacen de inventos imposibles. A veces aparecen simplemente al observar un sistema existente… y utilizarlo de una manera mucho más inteligente.
ES 
EN