La inteligencia artificial no crece en la nube: depende de centros de datos, GPUs, agua, transmisión eléctrica y energía firme. Un análisis estratégico sobre el verdadero límite físico de la IA.
Durante años, la narrativa dominante sobre inteligencia artificial se concentró en modelos, parámetros, chips, startups, prompts y productividad. La industria tecnológica vendió la idea de una inteligencia flotante, casi abstracta, alojada en “la nube”. Pero la nube nunca fue nube. Fue suelo, acero, subestaciones, fibra óptica, agua, transformadores, permisos, gas natural, contratos eléctricos y capacidad de transmisión.
La expansión de la IA generativa está obligando a mirar el sistema desde abajo. No desde el software, sino desde la infraestructura física que lo sostiene. Cada consulta enviada a un modelo, cada imagen generada, cada agente autónomo ejecutando tareas y cada entrenamiento masivo de modelos depende de una cadena material: GPUs de alta densidad, racks especializados, centros de datos, sistemas de enfriamiento, redundancia eléctrica y suministro continuo de energía.
La Agencia Internacional de Energía estima que el consumo eléctrico global de los centros de datos podría pasar de alrededor de 485 TWh en 2025 a 950 TWh en 2030, cerca del doble en cinco años, mientras que los centros de datos enfocados en IA crecerían todavía más rápido. (IEA)
Ese dato cambia la conversación. La pregunta ya no es únicamente qué empresa tendrá el mejor modelo de IA. La pregunta estratégica es quién podrá alimentar eléctricamente la infraestructura necesaria para operarlo.
Un centro de datos tradicional podía parecer, desde fuera, una instalación industrial silenciosa. Pero su función era clara: almacenar, procesar y distribuir información. La IA modifica esa lógica porque introduce cargas computacionales mucho más intensivas, concentradas y térmicamente exigentes.
La diferencia está en el tipo de trabajo. Un centro de datos convencional procesa búsquedas, transacciones, correo, almacenamiento, streaming o servicios empresariales. Un centro de datos de IA, en cambio, debe soportar entrenamiento de modelos, inferencia masiva y procesamiento paralelo con GPUs. Esa arquitectura no consume electricidad de manera marginal: transforma la densidad energética del edificio.
La infraestructura de IA requiere clusters de GPUs conectadas entre sí con baja latencia. Esas GPUs trabajan durante horas, días o semanas en procesos de entrenamiento, y posteriormente atienden millones de solicitudes de inferencia. El resultado es una demanda eléctrica más alta por rack, mayor generación de calor y necesidad de enfriamiento especializado.
NVIDIA ha explicado que el salto de Hopper a Blackwell incrementó el consumo individual de GPU, pero el cambio más importante fue la expansión hacia sistemas de 72 GPUs, elevando la densidad de potencia de racks desde decenas de kilowatts hacia más de 100 kW, con una trayectoria que apunta incluso a racks de megawatt. (NVIDIA Developer)
Esto significa que la IA no solo demanda más electricidad total. Demanda electricidad en formatos más difíciles de entregar: alta densidad, alta confiabilidad, baja interrupción, enfriamiento avanzado y capacidad disponible en ubicaciones específicas.
En la primera etapa de la IA generativa, la atención pública se concentró en el entrenamiento de grandes modelos. Entrenar un modelo fundacional requiere enormes cantidades de cómputo, electricidad y capital. Pero el verdadero cambio estructural podría venir de la inferencia.
La inferencia ocurre cada vez que un usuario, una empresa o un sistema automatizado consulta un modelo para producir una respuesta, clasificar información, generar código, analizar documentos, producir imágenes, operar agentes o tomar decisiones. Mientras el entrenamiento es episódico, la inferencia es permanente.
Ese detalle es central. Un modelo puede entrenarse en una ventana definida, pero puede ser consultado millones o miles de millones de veces después. Si la IA se integra en buscadores, sistemas bancarios, plataformas industriales, CRM, ERP, salud, gobierno, educación, atención al cliente, seguridad y automatización operativa, la demanda eléctrica se desplaza de proyectos puntuales a consumo estructural continuo.
Ahí está el cambio de fondo: la IA deja de ser un producto tecnológico y se convierte en una carga eléctrica base.
| Tipo de infraestructura | Uso principal | Perfil eléctrico | Riesgo operativo |
|---|---|---|---|
| Centro de datos tradicional | Nube, almacenamiento, apps empresariales | Carga alta, relativamente previsible | Saturación regional, redundancia, costo eléctrico |
| Centro de datos hyperscale | Servicios globales de nube y plataformas digitales | Carga masiva y continua | Necesidad de contratos eléctricos de largo plazo |
| Centro de datos de IA para entrenamiento | Modelos fundacionales, clusters GPU | Picos intensivos, alta densidad por rack | Capacidad eléctrica inmediata, enfriamiento, disponibilidad de GPUs |
| Centro de datos de IA para inferencia | Chatbots, agentes, búsqueda, copilotos, automatización | Carga creciente y persistente | Escalabilidad, latencia, costo por consulta |
| “AI factory” | Producción continua de inteligencia computacional | Instalación energética-industrial | Competencia por subestaciones, agua, permisos y generación dedicada |
Las grandes tecnológicas ya no compiten únicamente por usuarios. Compiten por energía.
Microsoft necesita electricidad para Azure, Copilot y su alianza estratégica con OpenAI. Google la necesita para Gemini, búsqueda, nube y TPU. Amazon Web Services la requiere para sostener su dominio en infraestructura cloud. Oracle busca posicionarse como proveedor clave de cómputo para IA. NVIDIA, aunque no opera todos los centros de datos, define la intensidad energética del ecosistema porque sus GPUs están en el centro de la nueva arquitectura computacional.
Goldman Sachs Research estima que la demanda eléctrica global de los centros de datos podría crecer alrededor de 165% hacia 2030 frente a 2023, impulsada por la IA y la nueva generación de infraestructura digital. (Goldman Sachs)
Este crecimiento está empujando a las empresas tecnológicas hacia una estrategia más agresiva: contratos de energía renovable, acuerdos con plantas nucleares, generación dedicada, baterías, gas natural, compras anticipadas de capacidad y construcción en regiones con disponibilidad eléctrica.
La electricidad se volvió parte del moat competitivo. Una empresa con modelos avanzados pero sin capacidad energética suficiente queda limitada. Una región con fibra óptica, talento y mercado, pero sin transmisión eléctrica, pierde atractivo. Un país con excedentes energéticos confiables puede convertirse en nodo estratégico de IA.
La industria tecnológica ha defendido durante años compromisos de neutralidad de carbono, energía renovable y eficiencia. Pero la expansión de IA está tensionando esas promesas.
Reuters reportó que Microsoft estaría evaluando posponer o ajustar su objetivo de igualar todo su consumo eléctrico horario con energía renovable para 2030, debido al aumento de demanda asociado con infraestructura de IA. La empresa mantiene proyectos limpios, incluyendo acuerdos solares, baterías y energía nuclear, pero el caso muestra la presión real entre crecimiento digital y compromisos climáticos. (Reuters)
La contradicción no significa que la IA sea incompatible con la transición energética. Significa algo más incómodo: la transición energética actual podría no estar creciendo con la velocidad, firmeza y capacidad de transmisión necesarias para sostener la expansión de IA.
No basta con instalar renovables. Los centros de datos necesitan energía disponible 24/7, estabilidad de voltaje, redundancia, respaldo, conexión a red y ubicación estratégica. La energía solar y eólica pueden cubrir parte de la demanda, pero requieren almacenamiento, gestión de intermitencia, transmisión y respaldo firme. Por eso vuelven al debate el gas natural, la nuclear, las baterías de gran escala y los contratos híbridos.
La IA no elimina la discusión energética tradicional. La vuelve más exigente.
El consumo eléctrico no es el único límite. También está el agua.
Los centros de datos generan calor. Ese calor debe extraerse para evitar fallas en servidores, GPUs y sistemas eléctricos. En instalaciones convencionales, el enfriamiento puede depender de aire acondicionado industrial, torres de enfriamiento, sistemas evaporativos o agua helada. En centros de IA de alta densidad, el enfriamiento líquido y las soluciones direct-to-chip cobran mayor importancia.
El problema es que el agua introduce una tensión territorial inmediata. Una planta digital puede competir con comunidades, agricultura, industria o servicios urbanos en regiones con estrés hídrico.
El Environmental and Energy Study Institute señala que un centro de datos mediano puede consumir hasta alrededor de 110 millones de galones de agua al año para enfriamiento, y que instalaciones mayores pueden llegar a varios millones de galones diarios. (eesi.org)
Google reconoce que sus centros de datos requieren enfriamiento y que debe balancear energía y agua según condiciones climáticas locales. (Google Data Centers)
Este punto será cada vez más sensible. Si la IA se expande en regiones con estrés hídrico, la oposición social puede no venir por el modelo tecnológico, sino por el impacto local: cortes de agua, presión sobre acuíferos, incremento de demanda eléctrica, ruido, uso de suelo y percepción de beneficio económico desigual.
México tiene ventajas evidentes para la economía digital: cercanía con Estados Unidos, posición geográfica estratégica, tratados comerciales, ecosistema industrial, nearshoring, conectividad y una demanda creciente de nube. Pero la pregunta clave no es si México puede atraer centros de datos. La pregunta es si puede alimentarlos con energía suficiente, confiable y competitiva.
El país ya empieza a enfrentar esa tensión. Reportes recientes señalan que la capacidad instalada de centros de datos en México pasó de 115.5 MW en 2024 a casi 280 MW en 2025/2026, con advertencias del sector sobre retrasos y riesgos por falta de planeación energética. (constructiondigital.com)
Amazon Web Services anunció en 2024 una inversión superior a 5,000 millones de dólares para una región de infraestructura en Querétaro, con despliegue previsto a lo largo de 15 años. (Reuters)
La concentración en Querétaro no es casual. La región combina ubicación industrial, conectividad, cercanía con corredores manufactureros y atractivo para infraestructura digital. Pero también expone un riesgo: si la expansión se concentra en nodos donde la red ya está presionada, el crecimiento digital puede convertirse en conflicto eléctrico, hídrico y territorial.
México no puede leer los centros de datos como simples inversiones inmobiliarias. Debe leerlos como cargas industriales críticas.
El crecimiento de centros de datos no ocurre en el vacío. Se suma a electrificación industrial, nearshoring, calor extremo, crecimiento urbano, movilidad eléctrica incipiente y demanda manufacturera.
El PRODESEN 2024-2038 proyecta un crecimiento relevante del consumo eléctrico en México hacia 2038. Energía Hoy reportó, con base en ese programa, una previsión de consumo neto anual de 495,781 GWh hacia 2038, frente a una estimación de 358,670 GWh para 2024. (Energía Hoy)
IMCO también advirtió que la demanda máxima de 2023 fue de 54,530 MWh/h, con crecimiento anual de 1.9%, y que atender esa demanda puede ser riesgoso si se consideran episodios recientes de emergencia del sistema eléctrico. (IMCO)
La IA introduce una variable adicional: cargas grandes, concentradas y con requerimientos de continuidad. Para un operador eléctrico, un centro de datos no es equivalente a un conjunto disperso de usuarios residenciales. Es una carga industrial con baja tolerancia a interrupciones y alto costo por falla.
Por eso, si México quiere competir como nodo digital, necesita coordinar cuatro políticas que normalmente operan separadas: política energética, política digital, política industrial y política hídrica.
| País / región | Ventaja potencial | Riesgo principal |
|---|---|---|
| Estados Unidos | Capital, hyperscalers, gas, nuclear, renovables, ecosistema tecnológico | Saturación regional de redes, permisos, agua, presión social |
| Canadá | Hidroeléctrica, clima frío, cercanía a EE.UU. | Capacidad de transmisión, ubicación y latencia |
| Países nórdicos | Energía limpia, clima favorable para enfriamiento | Tamaño de mercado, capacidad limitada en algunos nodos |
| Medio Oriente | Capital, energía abundante, estrategia soberana de IA | Dependencia de enfriamiento, agua, legitimidad climática |
| China | Escala industrial, control estatal, manufactura tecnológica | Restricciones geopolíticas, chips avanzados, carbón |
| México | Cercanía a EE.UU., nearshoring, conectividad regional | Transmisión, confiabilidad eléctrica, agua, regulación y planeación |
La conversación pública ha insistido en que el cuello de botella de la IA son los semiconductores. Es cierto, pero incompleto.
Los chips son indispensables, pero no operan solos. Un GPU avanzado requiere energía, enfriamiento, red, servidores, cableado, racks, transformadores, subestaciones, técnicos, permisos, contratos de suministro y capacidad territorial. Un país puede tener acceso a GPUs, pero si no tiene energía disponible, no puede convertir esos chips en capacidad operativa.
La escasez de chips fue la primera señal. La escasez de energía será la segunda. La escasez de sitios con energía, agua, permisos y conectividad será la tercera.
La IA no se medirá únicamente en parámetros. Se medirá en megawatts disponibles.
México tiene una ventana de oportunidad, pero no es automática. Para capturar valor en la economía de IA necesita evitar tres errores.
El primero es tratar los centros de datos como inversión pasiva. No lo son. Son infraestructura crítica con impactos eléctricos, hídricos, fiscales, regulatorios y territoriales.
El segundo es permitir que la expansión ocurra sin planeación energética regional. Si cada proyecto negocia por separado su conexión, su suministro y su agua, el resultado puede ser una suma de permisos sin estrategia nacional.
El tercero es pensar que la ventaja competitiva vendrá solo de ubicación geográfica. La ubicación ayuda, pero en la economía de IA pesará más la disponibilidad de electricidad firme, limpia, trazable y competitiva.
México necesita una taxonomía regulatoria para infraestructura digital crítica. Debe distinguir entre centros de datos convencionales, hyperscale, IA de entrenamiento, inferencia y cargas estratégicas. También debe exigir transparencia energética e hídrica, mecanismos de mitigación local, planes de respaldo, eficiencia, uso de agua tratada cuando aplique, contratos de energía verificables y coordinación con CENACE, SENER, gobiernos estatales y municipios.
La competencia tecnológica ya no se juega únicamente en laboratorios o bolsas de valores. Se juega en redes eléctricas.
Los países que controlen energía firme, transmisión, agua, permisos y suelo industrial podrán atraer infraestructura de IA. Los que no lo hagan quedarán como consumidores dependientes de servicios alojados en otros territorios.
Esto implica una redistribución del poder digital. La soberanía tecnológica no dependerá solo de desarrollar modelos propios. También dependerá de tener dónde entrenarlos, dónde operarlos y bajo qué condiciones energéticas.
La IA necesita electricidad. Y quien controle la electricidad crítica controlará una parte creciente de la economía digital.
La primera gran ilusión de la IA fue creer que el crecimiento digital era inmaterial. La segunda fue suponer que el cómputo podía escalar indefinidamente si existía capital suficiente. La tercera será pensar que la energía llegará sola.
No llegará sola.
Habrá que construirla, transmitirla, regularla, enfriarla, financiarla y defenderla socialmente. Cada modelo más grande, cada agente autónomo, cada aplicación empresarial y cada expansión de nube empujará una pregunta básica: ¿hay electricidad suficiente para sostenerlo?
La IA no vive en la nube. Vive en centros de datos conectados a redes eléctricas. Y esas redes, en muchos países, ya están bajo presión.
La verdadera carrera de la inteligencia artificial no será únicamente por el mejor algoritmo. Será por el megawatt disponible, confiable y políticamente viable.
Serie principal:
https://airegulasolutions.com/series/data-centers-e-ia
Todas las series:
https://airegulasolutions.com/series
Todos los campos son obligatorios *
Escríbenos a
[email protected]
