El debate sobre la inteligencia artificial todavía gira obsesivamente en torno a modelos, parámetros y chips. Pero el verdadero cuello de botella que determinará quién lidera esta carrera no es computacional: es físico. Entrenar un modelo a escala de GPT-4 consume entre 50 y 100 gigavatios-hora de electricidad, lo que equivale al consumo anual de decenas de miles de hogares. Hacer inferencias a escala y atender miles de millones de consultas diarias multiplica este número en órdenes de magnitud. La cuestión estratégica no es quién tiene los mejores algoritmos. Se trata de quién tiene acceso a energía barata, abundante y confiable, y durante cuánto tiempo.
El coste eléctrico que las hojas de ruta ignoran
El entrenamiento de modelos de frontera es una operación discreta: ocurre una vez, dura semanas o meses, y el costo de energía, aunque alto, es predecible. El verdadero problema es la inferencia continua. Cada vez que un usuario envía un mensaje a un asistente de IA, procesa un documento o genera una imagen, se produce un ciclo de cálculo que consume energía. Multiplíquelo por cientos de millones de usuarios simultáneos y obtendrá una demanda eléctrica que rivaliza con sectores industriales enteros.
Microsoft ha proyectado que sus compromisos con la IA triplicarán el consumo de energía de sus centros de datos para finales de esta década. OpenAI, en asociación con SoftBank en el proyecto Stargate, anunció inversiones por valor de 500 mil millones de dólares en infraestructura estadounidense, y una gran parte de esta cantidad está directamente relacionada con la generación y transmisión de energía. Goldman Sachs ha estimado que se espera que la demanda mundial de centros de datos crezca un 160 % para 2030, impulsada principalmente por las cargas útiles de IA. Estos no son números tecnológicos. Se trata de cifras importantes en materia de infraestructura.
El mapa geopolítico que se está rediseñando
La distribución de energía limpia y barata en todo el planeta es desigual, y esto está creando ventajas estructurales que pocos estrategas están mapeando seriamente. Los países nórdicos (Islandia, Noruega, Suecia) combinan abundante energía geotérmica e hidroeléctrica con un clima fresco, lo que reduce los costos de enfriamiento de los centros de datos. Francia opera el 70% de su matriz con energía nuclear, lo que garantiza precios estables y bajas emisiones. Canadá tiene enormes centrales hidroeléctricas concentradas en las provincias de Quebec y Columbia Británica. Todos estos países tienen hoy una ventaja de infraestructura que los competidores no pueden replicar rápidamente.
En el lado opuesto, los países que dependen en gran medida de los combustibles fósiles importados enfrentan un doble problema: el alto costo y la inestabilidad del suministro. Construir centros de datos de IA en regiones donde la electricidad es cara o propensa a cortes no sólo es ineficiente: es estratégicamente arriesgado. La geopolítica de la energía siempre ha dado forma a la geopolítica del poder. Lo que ha cambiado es que ahora también da forma a la geopolítica de la inteligencia.
El renacimiento nuclear y lo que revela
La decisión de Microsoft de reactivar la planta de Three Mile Island en Pensilvania, cerrada desde 2019, no fue nostalgia. Fue un cálculo de ingeniería. La planta suministrará energía exclusivamente a los centros de datos de Microsoft en virtud de un contrato a largo plazo. Amazon tomó una medida similar al adquirir un campus de centro de datos conectado directamente a una planta nuclear en Pensilvania. Google anunció contratos con la empresa de reactores modulares Kairos Power para suministrar 500 megavatios a partir de 2030.
Lo que revelan estas decisiones es simple: las grandes empresas tecnológicas no creen que la energía solar y eólica, en su configuración actual, sean capaces de ofrecer la carga base confiable que exige la IA. La energía solar y eólica son intermitentes: el sol no brilla por la noche y el viento no siempre sopla. Los centros de datos de IA requieren un tiempo de actividad del 99,9999 %, sin interrupciones. La energía nuclear ofrece exactamente eso: alta densidad de generación, previsibilidad y cero emisiones de carbono. Lo que parecía una tecnología en declive de pronto se convirtió en un activo estratégico de primer orden.
La posición brasileña: ventaja real con concentración problemática
Brasil opera con una de las matrices eléctricas más limpias del mundo. Aproximadamente el 85% de la generación eléctrica nacional proviene de fuentes renovables: hidroeléctrica, eólica y solar. Esto coloca al país en una posición privilegiada en cualquier escenario donde el coste ambiental de la informática se convierta en un factor competitivo, ya sea por la regulación europea o por la presión de clientes corporativos con objetivos ESG. Un centro de datos que funcione con energía 100% renovable en Brasil no es marketing verde: es una propuesta comercial diferenciada.
La expansión de la energía eólica en el Nordeste y de la solar en el Cerrado ha agregado capacidad significativa en los últimos años a precios que se encuentran entre los más competitivos del mundo en las subastas de energía. El costo promedio de la energía eólica contratada en Brasil está constantemente por debajo de R$ 150 por megavatio-hora, una cifra que la mayoría de los mercados europeos no pueden alcanzar. La ventaja existe. El problema es la concentración: el corredor de centros de datos del país está desproporcionadamente concentrado en el eje São Paulo-Río, una región que depende de una antigua red de transmisión y embalses que sufren variaciones climáticas. La ventaja estructural de la matriz limpia queda parcialmente neutralizada por la geografía del consumo concentrado.
¿Qué cambia esto para quienes se deciden por la infraestructura de IA?
Las organizaciones que todavía tratan la selección de la región de la nube como una decisión técnica secundaria (latencia, cumplimiento normativo, disponibilidad del servicio) necesitan ampliar el marco analítico. La energía está entrando en la ecuación del costo total de operación de una manera que no tiene precedentes históricos en la computación en la nube. AWS, Azure y Google Cloud ya diferencian los precios entre regiones en parte debido a los costos de energía locales. Esta diferencia aumentará, no disminuirá.
Para las empresas con operaciones de IA a escala, ya sea inferencia interna o uso intensivo de API, la localización de cargas de trabajo se ha convertido en una palanca de costos relevante. Realizar inferencias en regiones con energía más barata y limpia reduce los costos operativos y la exposición regulatoria. Las empresas que están construyendo su propia infraestructura deben incluir las siguientes dimensiones en el proceso de selección de ubicación: la combinación de generación eléctrica de la región, la estabilidad de la red, los costos de energía proyectados para cinco y diez años y la disponibilidad de acuerdos de compra de energía renovable a largo plazo. Estas no son variables secundarias. Para quienes operarán centros de datos durante décadas, estas son variables primarias.
Brasil tiene una oportunidad concreta de posicionarse como un destino de centros de datos de inteligencia artificial para empresas latinoamericanas y globales que necesitan energía renovable y barata. Pero esto requiere inversión en transmisión para descentralizar el consumo y una política industrial que fomente los centros de datos fuera del eje Sur-Sureste. La ventaja existe sobre el papel. Convertirlo en una ventaja real requiere decisión política e infraestructura, dos recursos que, históricamente, el país tarda más de lo que debería en movilizar.
Lea también
- La crisis energética de la IA: qué significa el consumo de los centros de datos para los responsables de la toma de decisiones en materia de infraestructura
- AI Energía y soberanía: lo que los gobiernos necesitan planificar ahora
- Energía: El cuello de botella que nadie puso en la hoja de ruta de la informática
- Centros de datos sustentables: el costo ambiental que se convirtió en un tema público
- Electrificación: qué cambia cuando todo empieza a encenderse socket
- Geopolítica del silicio: por qué la guerra de los chips es importante para quienes deciden sobre la tecnología