La reconstrucción de los centros de datos de IA entra en la era de las restricciones eléctricas: de la acumulación de GPU a la carrera de infraestructura de 800 V CC

La reconstrucción de los centros de datos de IA entra en la era de las restricciones eléctricas: de la acumulación de GPU a la carrera de infraestructuras para 800V DC

La infraestructura de IA está entrando en una nueva etapa: el cuello de botella ya no es solo el suministro de chips, sino la capacidad eléctrica, la refrigeración y la distribución de energía. Según reportes de Los Angeles Times sobre el sector, a medida que fabricantes como Nvidia siguen lanzando GPU y sistemas de rack de mayor rendimiento, la densidad de potencia de los centros de datos de IA está aumentando rápidamente, y la arquitectura de los centros de datos tradicionales, diseñada en torno a CPU y cargas generales, ya no puede satisfacer las necesidades de las nuevas cargas de entrenamiento e inferencia de IA. El informe también señala que empresas como Nvidia, CoreWeave, Google, Vertiv y GE Vernova están impulsando soluciones como la refrigeración líquida, la simplificación del suministro y distribución de energía, y sistemas de corriente continua de 800V, para reducir pérdidas y aumentar la producción de cómputo por unidad de superficie.

La importancia de este cambio no radica solo en que estén apareciendo “salas de servidores más grandes”, sino en que la lógica de diseño de la infraestructura TI empresarial se está reescribiendo: las futuras plataformas en la nube, los centros de datos privados y los entornos de nube híbrida podrían tener que responder primero a “cuánta electricidad hay disponible, cómo disipar el calor y cómo conectarse de forma estable a la red”, y solo después a “cuántas GPU se pueden instalar”. Para CTO, CIO y arquitectos empresariales, esto significa que la evaluación de viabilidad de los proyectos de IA está pasando de ser un asunto de software y compras a convertirse en un problema de coordinación entre energía e infraestructura.

Análisis técnico: por qué los centros de datos de IA son diferentes de los tradicionales

Los centros de datos tradicionales alojan principalmente aplicaciones empresariales, bases de datos, almacenamiento, servicios web y herramientas de colaboración de oficina; estas tareas suelen estar centradas en CPU y su densidad de potencia por rack es relativamente controlable. Los datos del sector citados en el informe indican que un rack de servidores estándar podría requerir solo entre 25 y 40 kilovatios, mientras que las necesidades de energía de los racks de IA, debido al despliegue intensivo de GPU, están aumentando rápidamente. A medida que la escala de los modelos, el entrenamiento paralelo y el rendimiento de inferencia siguen creciendo, la potencia de un solo rack ha pasado de una etapa temprana de baja densidad a niveles de cientos de kilovatios, y en el futuro incluso podría acercarse al rango de megavatios.

El cambio clave detrás de esto es que la IA no es un problema que se resuelva simplemente “ejecutando unas cuantas máquinas virtuales más”. El entrenamiento y la inferencia dependen de clústeres de GPU altamente paralelos, que requieren redes de mayor ancho de banda, acceso a memoria más rápido y un suministro eléctrico más estable. En otras palabras, la infraestructura de IA es un sistema de ingeniería en el que se co-diseñan la capacidad de cómputo, la red y la energía. Cualquier parte que se quede atrás limitará el rendimiento global.

El informe también subraya un hecho a menudo ignorado: una parte considerable de la electricidad que entra en un centro de datos no se utiliza directamente para computación, sino que se consume en los sistemas de refrigeración, la transmisión de energía a larga distancia y las conversiones de voltaje mediante múltiples etapas de transformación. A medida que aumenta la densidad de potencia, estas pérdidas se amplificarán aún más. Por ello, la industria está ampliando el objetivo de optimización desde la “eficiencia del servidor” hacia la “eficiencia de toda la cadena, desde la red eléctrica hasta el chip”.

Análisis del impacto empresarial: el presupuesto de infraestructura de IA ya no es solo una compra de capacidad de cómputo

Para los usuarios empresariales, esta tendencia afectará directamente la estructura de CAPEX y OPEX.

Primero, el gasto de capital aumenta y se adelanta.Primero, aumentan los gastos de capital y se adelantan. Los proyectos tradicionales de TI suelen girar en torno a servidores, almacenamiento y licencias de software, mientras que los centros de datos de IA requieren inversiones simultáneas en equipos de distribución eléctrica, sistemas de refrigeración líquida, remodelación de salas, energía de respaldo y capacidades de conexión eléctrica de mayor nivel. Es decir, antes de desplegar una plataforma de IA, las empresas quizá tengan que invertir primero en la “infraestructura de la infraestructura”. Esto eleva la barrera de entrada, especialmente para las empresas que quieren construir por su cuenta una plataforma de inferencia o una nube privada de IA.

Segundo, los gastos operativos se amplían desde la factura eléctrica hasta la gestión energética. A medida que aumenta la potencia por rack, el precio de la electricidad, la carga pico, la eficiencia de la disipación de calor y la estabilidad de la conexión a la red se convierten en variables de coste a largo plazo. El informe señala que Nvidia está colaborando con empresas de software de ahorro energético como Emerald AI para intentar evitar una presión excesiva sobre la red durante los picos de consumo, lo que demuestra que la operación de la infraestructura de IA se parece cada vez más a una labor de “programación energética” y no solo a la operación y mantenimiento de TI.

Tercero, el ritmo de despliegue queda limitado por la electricidad y los permisos. Incluso si la empresa dispone de presupuesto, no necesariamente podrá ampliar capacidad de inmediato. La capacidad de la red eléctrica, las instalaciones de subestación, las condiciones del terreno, la regulación local y la reacción de la comunidad ante el consumo eléctrico de los centros de datos pueden retrasar la entrega. Para las empresas que dependen de la velocidad de implementación de capacidades de IA, esto significa que el “ciclo de adquisición de capacidad de cómputo” puede alargarse de nuevo y que la ventana de planificación debe iniciarse antes.

Cuarto, las dimensiones de seguridad y cumplimiento aumentan al mismo tiempo. Cuando las empresas despliegan centros de datos de forma distribuida para acercarse a la energía o a las energías renovables, deben reevaluar la gobernanza de datos entre regiones, el cumplimiento de la nube soberana, las estrategias de respaldo y el diseño de recuperación ante fallos. La plataforma de IA ya no es solo una piscina de capacidad de cómputo, sino un sistema complejo que cruza fronteras eléctricas, de red y regulatorias.

Análisis de competencia de mercado: los proveedores de nube y la cadena de suministro de infraestructura están siendo redistribuidos

Este cambio no ocurre solo dentro de la sala de máquinas, sino que está reconfigurando toda la cadena de suministro.

En el caso de los proveedores de nube, el eje competitivo está pasando de la “cobertura regional” a la “disponibilidad eléctrica”. AWS, Azure y Google Cloud antes competían por el número de regiones globales, la calidad de la red y el ecosistema de servicios, pero en la era de la IA, quien pueda obtener más rápido energía estable, desplegar racks de alta densidad y ofrecer refrigeración líquida y clústeres de GPU tendrá más probabilidades de captar cargas de trabajo de IA de alto valor. Para los clientes empresariales, los criterios de selección de la nube también cambiarán: no solo habrá que mirar el precio y las funciones, sino también “si hay suficiente capacidad de IA”, “si admite despliegue de alta densidad” y “si puede garantizar una infraestructura madura de energía y refrigeración”.La relación entre fabricantes de chips y servidores también se estrecha. El informe señala que Nvidia está impulsando una mayor integración entre chips y sistemas de bastidor, y probando diseños de equipos que simplifican las rutas de suministro eléctrico. Esto significa que los fabricantes de chips ya no se limitan a vender tarjetas aceleradoras, sino que están definiendo los estándares de la arquitectura de los centros de datos. Para Dell, HPE, Supermicro y otros integradores de servidores y sistemas, esto es tanto una oportunidad como una presión: si en el futuro los racks de IA se vuelven cada vez más estandarizados y modulares, quien primero pueda ofrecer una solución integral en torno a los nuevos sistemas de alimentación y refrigeración tendrá más posibilidades de ocupar la puerta de entrada de los proyectos.

Aumenta la importancia de las empresas de electricidad y equipos energéticos. Tradicionalmente, la “capa invisible” de la infraestructura de los centros de datos estaba compuesta por UPS, distribución eléctrica, refrigeración y equipos de subestación. A medida que se exploran soluciones como la corriente continua de 800 V, los transformadores de estado sólido y menos etapas de conversión, el papel de proveedores de infraestructura como GE Vernova y Vertiv se vuelve más crucial. Para los operadores de centros de datos, esto no es solo comprar equipos, sino elegir la vía arquitectónica para los próximos diez años.

Observación de tendencias del sector: se está formando un centro de datos nativo de IA

A largo plazo, esta ronda de cambios podría conducir a cuatro tendencias.

1. La nube nativa de IA reemplazará la idea de “nube generalista con IA superpuesta”. En el pasado, las plataformas en la nube añadían GPU a una arquitectura de servidores existente; en el futuro, la nube de IA podría diseñarse desde el principio a partir de la energía, la refrigeración, la red y la distribución de racks. Las cargas de trabajo de IA se convertirán en el punto de partida de la arquitectura, no en una función adicional.

2. La refrigeración líquida pasará de ser una opción a una configuración principal. A medida que la densidad de potencia de las GPU siga aumentando, la utilidad marginal de la refrigeración por aire disminuirá. La refrigeración líquida no es solo una herramienta de ahorro energético, sino una condición previa para garantizar el funcionamiento sostenible de la computación de alta densidad. Para las empresas, el diseño de la sala de equipos y la selección de infraestructura deben incluir la refrigeración líquida en la planificación estándar.

3. La alimentación en corriente continua y menos niveles de conversión se convertirán en una dirección importante. El informe señala que las múltiples conversiones desde la red eléctrica hasta el chip generan pérdidas de energía, y que el sector está explorando rutas de alimentación con menos pasos y soluciones de 800 V en corriente continua. Si estas soluciones maduran, en el futuro podrían mejorar la eficiencia energética, el aprovechamiento del espacio y la capacidad de integrar energía renovable en los centros de datos.

4. Las restricciones energéticas influirán en la distribución geográfica de los despliegues de IA. Cuando la capacidad de la red eléctrica se convierta en un recurso clave, la infraestructura de IA no tendrá necesariamente que concentrarse en las grandes regiones tradicionales de la nube, sino que podría desplazarse a zonas con mayor disponibilidad eléctrica, permisos más rápidos y una mejor estructura energética. Para las empresas, esto afectará la residencia de datos, la disposición de recuperación ante desastres y la estrategia multicloud.

Referencia para la toma de decisiones empresariales: en qué centrarse ahora

Para las empresas que planean ampliar sus capacidades de IA, lo más importante en este momento no es perseguir ciegamente GPU más potentes, sino establecer un “marco de evaluación de viabilidad de infraestructura de IA”. Al menos debería incluir las siguientes dimensiones:

• Previsión de la demanda de cómputo: cuántas GPU y qué densidad de racks se necesitan para entrenamiento, ajuste fino e inferencia;
• Evaluación de la capacidad eléctrica: si la sala de equipos actual y la región objetivo de la nube pueden sostener el crecimiento de los próximos 12 a 24 meses;
• Compatibilidad de la solución de refrigeración: si se necesita refrigeración líquida y cuál sería el plazo y el costo de la adaptación;
• Selección del modelo de despliegue: si es más adecuado la nube pública, un centro de datos gestionado, la nube privada o un entorno híbrido;
• Requisitos de cumplimiento y soberanía: si los datos cruzan fronteras regionales y si están sujetos a regulación sectorial;
• Control de costos en picos de demanda: cómo equilibrar el precio de la electricidad, la expansión y la tasa de utilización.- Pronóstico de demanda de capacidad de cómputo: cuántas GPU y qué densidad de racks se requieren para entrenamiento, ajuste fino e inferencia;
• Evaluación de capacidad eléctrica: si los centros de datos existentes y las regiones objetivo de la nube pueden soportar el crecimiento de los próximos 12 a 24 meses;
• Adecuación de la solución de refrigeración: si se necesita refrigeración líquida, y cuál sería el ciclo de transformación y el costo;
• Selección del modo de despliegue: si es más adecuado nube pública, centro de datos gestionado, nube privada o nube híbrida;
• Requisitos de cumplimiento y soberanía: si los datos fluyen entre regiones y si hay regulación sectorial involucrada;
• Control del costo en picos: cómo equilibrar el precio de la electricidad, la expansión de capacidad y la tasa de utilización.

Desde esta perspectiva, el presupuesto de infraestructura de IA se está convirtiendo en un “gasto rígido” dentro de la transformación digital empresarial, y su prioridad probablemente irá acercándose gradualmente a la de las redes, la seguridad y los sistemas ERP centrales.

CloudTechDaily Insight

Lo más importante de este cambio en la industria es que revela la verdadera lógica subyacente de la computación en la nube en la era de la IA: la competencia ya no ocurre solo en las funciones del software o en los parámetros del modelo, sino en la electricidad, la disipación de calor y el diseño de la infraestructura. Para la estrategia de TI empresarial, la capacidad de IA ya no es un servicio que se pueda “comprar y usar”, sino un proyecto a largo plazo que requiere el apoyo coordinado de la red eléctrica, los centros de datos, las regiones de la nube y los sistemas de operación y mantenimiento.

En los próximos cinco años, las verdaderas plataformas de nube y organizaciones de TI empresarial líderes no necesariamente serán las que tengan más GPU, sino las que puedan integrar la capacidad de cómputo, la energía y la operación y mantenimiento en una capacidad de entrega estable. Dicho de otro modo, el próximo ganador en la infraestructura de IA probablemente no será simplemente un fabricante de chips o un proveedor de nube, sino la empresa que logre rediseñar los centros de datos como un sistema de infraestructura “primero la energía, nativo de IA y de operación sostenible”. Para los CTO y CIO, ahora mismo ya deberían incorporar la electricidad y la refrigeración en la hoja de ruta de IA; de lo contrario, el cuello de botella del futuro podría no ser el modelo, sino los racks que no pueden encenderse.