El gran consumo

La inteligencia artificial también se construye con agua, cobre, electricidad y tierra

Cuando hablamos de inteligencia artificial, solemos pensar en algo que no podemos tocar: algoritmos, modelos, datos, servidores, tokens y millones de operaciones matemáticas que ocurren detrás de una pantalla.

Pero cuanto más avanzo en este tema, más me convenzo de que existe una contradicción interesante. La inteligencia artificial parece virtual, pero para funcionar necesita una infraestructura extraordinariamente física.

Necesita edificios. Necesita electricidad. Necesita agua o sistemas de refrigeración. Necesita cobre, acero, hormigón, fibra óptica, transformadores, baterías, generadores, chips, redes eléctricas y enormes extensiones de terreno. Y detrás de muchos de esos materiales existen minas, fábricas, rutas, líneas de transmisión y consumo de recursos naturales.

Por eso quise detenerme en algo que normalmente queda fuera de la conversación: ¿qué hace falta realmente para levantar un gran centro de datos destinado a inteligencia artificial?

Primero hay que encontrar la tierra

Antes de colocar un solo servidor, hay que encontrar un lugar donde construir. Y aquí aparece una primera dimensión que pocas veces asociamos con la inteligencia artificial: la ocupación del territorio.

No existe una superficie universal para un centro de datos hyperscale. Depende de su potencia, diseño, densidad, sistema de refrigeración, infraestructura eléctrica y posibilidad de expansión. Pero los grandes campus de escala gigavatio pueden requerir cientos de hectáreas. Algunas estimaciones sitúan un campus de 1 GW aproximadamente entre 500 y 1.000 acres, es decir, entre unas 200 y 405 hectáreas, aunque existen proyectos que utilizan superficies mucho mayores. (PowerReadySites)

Y cuando miro proyectos concretos, la dimensión se vuelve todavía más evidente. El campus Morris Technology Park, en Illinois, fue proyectado sobre 343 acres —unas 139 hectáreas— para alcanzar 1 GW. El campus Pennsylvania Digital I contempla 700 acres, aproximadamente 283 hectáreas, para una capacidad de 1,35 GW. (Tract)

Pero el terreno no se utiliza solamente para construir el edificio donde estarán los servidores. También hacen falta subestaciones eléctricas, caminos internos, sistemas de refrigeración, depósitos, generadores de respaldo, baterías, instalaciones de agua, drenajes, áreas de seguridad y espacios reservados para futuras ampliaciones.

En otras palabras: cuando hablamos de un "centro de datos", muchas veces imaginamos un edificio. En realidad estamos hablando de un complejo industrial.

El edificio: toneladas de hormigón y acero

Después viene la construcción propiamente dicha.

Los servidores necesitan pisos capaces de soportar enormes cargas, estructuras resistentes, fundaciones, salas técnicas, sistemas de protección contra incendios y una infraestructura eléctrica y mecánica que puede ser mucho más compleja que la de un edificio convencional.

En un proyecto de Meta en Mesa, Arizona, por ejemplo, un campus de más de 2,5 millones de pies cuadrados —unos 232.000 metros cuadrados— utilizó alrededor de 20.000 toneladas de acero y se vertieron aproximadamente 375.000 yardas cúbicas de hormigón, equivalentes a unos 287.000 metros cúbicos. (Data Center Dynamics)

No estoy diciendo que todos los centros de datos utilicen esas cantidades. Es un ejemplo concreto que permite comprender la escala física de estas instalaciones.

Otros proyectos muestran dimensiones similares. En dos edificios de centros de datos que sumaban unos 76.460 metros cuadrados se utilizaron alrededor de 11.000 toneladas de acero estructural. (Can-Am)

Y esto solamente corresponde a la estructura. Todavía no hemos colocado un GPU.

El cobre: el metal que permite convertir electricidad en computación

Aquí aparece uno de los datos que más me llamó la atención durante esta investigación.

Un centro de datos convencional puede utilizar entre 5.000 y 15.000 toneladas de cobre. Para algunos centros hyperscale destinados a inteligencia artificial, la Copper Development Association habla de hasta 50.000 toneladas de cobre por instalación. (Archivo Copper)

Cincuenta mil toneladas son 50 millones de kilos.

Pero nuevamente quiero hacer una precisión: no significa que todos los centros de datos de IA necesiten exactamente esa cantidad. Es una cifra de hasta 50.000 toneladas asociada a instalaciones hyperscale de enorme escala.

¿Por qué tanto cobre?

Porque la electricidad tiene que entrar al complejo, distribuirse, transformarse y llegar de manera extremadamente confiable hasta los equipos que procesan la información. El cobre aparece en cables, barras conductoras, conectores, sistemas de distribución eléctrica, puesta a tierra y también en determinadas soluciones de refrigeración. La Agencia Internacional de Energía señala precisamente que el cobre es importante para los centros de datos por sus propiedades eléctricas y térmicas. (IEA Blob Storage)

Y entonces aparece una paradoja que me parece interesante: cuanto más poderosa es la inteligencia artificial, más poderosa tiene que ser la infraestructura eléctrica que la alimenta.

Y el cobre no aparece mágicamente

Cuando digo "50.000 toneladas de cobre", hay una parte de la historia que todavía falta contar.

Ese cobre tuvo que ser extraído de algún lugar. Antes de convertirse en cable, tuvo que pasar por una cadena industrial que incluye minería, trituración, concentración, fundición, refinación, transporte y fabricación.

Lo mismo ocurre con el acero.

Lo mismo con el aluminio.

Lo mismo con los materiales utilizados en los chips, los sistemas eléctricos, las baterías y los equipos de refrigeración.

La inteligencia artificial no solamente consume electricidad cuando funciona. También tiene una huella material antes de comenzar a funcionar.

La electricidad: el corazón del sistema

Después aparece probablemente el recurso más evidente: la electricidad.

La Agencia Internacional de Energía estima que los centros de datos consumieron alrededor de 415 TWh de electricidad en todo el mundo durante 2024, aproximadamente el 1,5% del consumo eléctrico mundial. Su escenario base proyecta que esa cifra podría superar los 945 TWh en 2030. (IEA)

Y la inteligencia artificial es uno de los principales motores de ese crecimiento.

Los centros hyperscale orientados a IA pueden superar los 100 MW de demanda eléctrica, mientras que los proyectos más grandes que se están desarrollando ya se plantean en escalas de cientos de megavatios e incluso varios gigavatios. (IEA)

Para entenderlo de manera sencilla: un centro de 1 GW funcionando continuamente durante un año necesitaría, en términos puramente matemáticos, unos 8,76 TWh de electricidad.

Eso no significa que todos los centros funcionen permanentemente a 1 GW ni que todos tengan esa capacidad. Pero sirve para entender por qué el problema dejó de ser solamente tecnológico y pasó a ser también energético.

¿De dónde sale esa electricidad?

Y aquí aparece otro componente que normalmente no vemos cuando hacemos una consulta desde nuestro teléfono.

La electricidad tiene que ser generada y transportada.

Eso significa centrales eléctricas, líneas de alta tensión, transformadores, subestaciones y nuevas conexiones a la red.

La IEA estima que las renovables aportarán casi la mitad del crecimiento de la generación destinada a centros de datos hasta 2030, pero también proyecta un papel importante para el gas natural y otras fuentes. En su escenario base, el gas y el carbón juntos cubrirían más del 40% del aumento de generación requerido por los centros de datos hasta 2030. (IEA)

Esto me lleva a una conclusión bastante simple: decir que una inteligencia artificial funciona "en la nube" puede resultar engañoso.

La nube necesita centrales eléctricas.

El agua: enfriar la máquina

Hay otro recurso que me parece todavía más interesante porque nos obliga a cambiar nuestra percepción de lo digital: el agua.

Los servidores producen calor. Y cuanto mayor es la densidad de computación, mayor es el desafío de eliminar ese calor.

Por eso los centros de datos utilizan diferentes sistemas de refrigeración. Algunos emplean aire; otros recurren a sistemas evaporativos; y las nuevas instalaciones destinadas a cargas de IA utilizan cada vez más refrigeración líquida o combinaciones de diferentes tecnologías.

La cantidad de agua puede variar enormemente de acuerdo con el clima, el diseño del centro, la tecnología de refrigeración y el uso de agua reciclada. Por eso no existe una cifra única que pueda aplicarse a todos los centros hyperscale.

Un informe del Lawrence Berkeley National Laboratory estimó que el consumo directo de agua de los centros de datos estadounidenses rondó los 66.000 millones de litros en 2023 y proyectó para 2028 un rango de aproximadamente 145.000 a 275.000 millones de litros anuales, dependiendo del crecimiento y de las características de las instalaciones. (LBL ETA Publications)

Y hay algo más que muchas veces olvidamos: esa cifra es solamente el agua utilizada directamente por los centros de datos.

También existe el agua utilizada indirectamente para producir la electricidad que los alimenta.

Es decir, la huella hídrica puede estar dentro del centro de datos, pero también puede estar en la central eléctrica que genera su electricidad.

Los transformadores: el cuello de botella que no vemos

Una vez que tenemos electricidad disponible, todavía falta llevarla correctamente hasta los servidores.

Ahí entran las subestaciones, transformadores, interruptores, sistemas de protección, UPS, baterías, generadores y enormes cantidades de cableado.

Los centros de datos necesitan electricidad con una continuidad extraordinariamente alta. Una interrupción puede significar pérdidas económicas enormes y afectar servicios utilizados por millones de personas.

Por eso existen sistemas redundantes: si una parte falla, otra debe poder asumir la carga.

Y eso significa más infraestructura, más equipos, más materiales y más espacio.

Los generadores y las baterías

Una instalación de esta escala tampoco puede depender exclusivamente de que la red eléctrica funcione perfectamente todo el tiempo.

Por eso existen sistemas de alimentación ininterrumpida, baterías y generadores de respaldo.

La IEA identifica precisamente las UPS y los generadores como parte de la infraestructura necesaria para garantizar la enorme fiabilidad que requieren los centros de datos. (IEA)

En algunos proyectos, además, se están incorporando sistemas de generación eléctrica propios o instalaciones energéticas cercanas al centro de datos. Eso vuelve a ampliar la huella física del proyecto.

Ya no estamos hablando solamente de un edificio lleno de computadoras. Podemos estar hablando de un edificio, una subestación, generadores, baterías, tuberías, depósitos, líneas eléctricas y, eventualmente, instalaciones de generación.

Los chips: la parte más sofisticada

Y finalmente llegamos al corazón tecnológico: los procesadores.

Los centros de datos destinados a inteligencia artificial necesitan enormes cantidades de aceleradores especializados, como las GPU, además de CPU, memoria, almacenamiento y redes de altísima velocidad.

Pero fabricar un chip avanzado tampoco es un proceso virtual. Requiere instalaciones industriales extremadamente sofisticadas, materiales ultrapuros, agua de alta pureza, productos químicos, energía y cadenas de suministro internacionales.

La IEA señala que la expansión de los centros de datos de IA también aumenta la demanda de minerales críticos. Para 2030, estima que la demanda de cobre procedente de los centros de datos podría representar entre aproximadamente el 1,1% y el 2% de la demanda mundial de cobre de 2024, dependiendo del escenario. (IEA Blob Storage)

Y aquí vuelvo al comienzo: detrás de un algoritmo hay una cadena industrial.

Fibra óptica, redes y comunicaciones

Tampoco alcanza con tener servidores.

Un centro de datos necesita estar conectado con el resto del mundo.

Necesita fibra óptica, routers, switches, sistemas de distribución de red y conexiones redundantes para que los datos puedan entrar y salir continuamente.

La IEA estima que los equipos de red pueden representar hasta alrededor del 5% del consumo eléctrico de un centro de datos, aunque las proporciones varían según el diseño. (IEA)

Y esas conexiones también requieren infraestructura física: zanjas, cables, ductos, puntos de interconexión y rutas de fibra.

Después viene el mantenimiento

Hay otra cuestión que me parece importante: construir el centro de datos es solamente el comienzo.

Una vez inaugurado, hay que mantenerlo funcionando las 24 horas del día.

Hay que reemplazar servidores, reparar sistemas eléctricos, cambiar baterías, mantener bombas y equipos de refrigeración, renovar componentes de red y gestionar residuos electrónicos.

Y mientras el sistema funciona, continúa consumiendo electricidad y, dependiendo de su diseño, agua.

Por eso no deberíamos pensar solamente en el costo ambiental de construir un centro de datos. También debemos observar el costo material y energético de mantenerlo operativo durante décadas.

¿Cuánto ocupa realmente la inteligencia artificial?

Después de revisar todos estos elementos, empiezo a mirar la palabra "virtual" de otra manera.

La inteligencia artificial ocupa tierra.

Consume electricidad.

Necesita agua para determinados sistemas de refrigeración.

Necesita cobre, acero, aluminio y otros materiales.

Necesita hormigón.

Necesita carreteras y fibra óptica.

Necesita transformadores y subestaciones.

Necesita baterías y generadores de respaldo.

Necesita fábricas capaces de producir chips cada vez más sofisticados.

Y necesita minas capaces de proporcionar buena parte de los materiales que hacen posible toda esa cadena.

La paradoja de la nube

Quizás por eso la expresión "la nube" sea una de las mejores metáforas y, al mismo tiempo, una de las más engañosas de la revolución digital.

Decimos que nuestros archivos están en la nube.

Decimos que la inteligencia artificial está en la nube.

Pero la nube tiene edificios.

Tiene servidores.

Tiene cables.

Tiene transformadores.

Tiene centrales eléctricas.

Tiene sistemas de refrigeración.

Tiene agua.

Tiene cobre.

Tiene acero.

Tiene hormigón.

Y tiene tierra ocupada.

La inteligencia artificial tiene una huella física

No planteo esto para negar las posibilidades de la inteligencia artificial. Al contrario. Creo que entender su infraestructura es necesario precisamente para comprender la dimensión real de la transformación que estamos atravesando.

Porque si queremos multiplicar la capacidad de la inteligencia artificial, no alcanza con escribir mejores algoritmos. Hay que construir más centros de datos, generar más electricidad, ampliar redes, producir más chips, fabricar más transformadores y conseguir los materiales necesarios para todo ello.

Y eso significa que la expansión de la inteligencia artificial también es una expansión de infraestructura física.

Cuando yo escribo una pregunta en una pantalla y recibo una respuesta unos segundos después, el proceso parece casi inmaterial.

Pero detrás de esos segundos puede haber cientos de miles de metros cuadrados de instalaciones industriales, miles de toneladas de acero, enormes cantidades de hormigón, millones de kilos de cobre, grandes sistemas eléctricos, agua para refrigeración y una cantidad considerable de energía.

Entonces me queda una reflexión.

Tal vez la pregunta no debería ser solamente cuánto puede hacer la inteligencia artificial.

También deberíamos preguntarnos cuánto necesitamos extraer, construir, transportar, enfriar y consumir para que esa inteligencia artificial pueda existir.

Porque la inteligencia artificial podrá estar hecha de algoritmos, pero los algoritmos necesitan una casa.

Y esa casa está construida con recursos de la Tierra.

Una precisión importante sobre las cifras

No existe un "centro de datos hyperscale estándar". Las cantidades de agua, electricidad, cobre, acero, hormigón y superficie pueden cambiar enormemente según la potencia, el clima, el sistema de refrigeración, la densidad de los servidores, el grado de redundancia y si hablamos de un edificio individual o de un campus completo. Por eso, en este artículo utilizo cifras de proyectos concretos, rangos de organismos técnicos y estimaciones sectoriales, evitando presentarlas como si fueran una receta aplicable a cualquier instalación.

Lo que sí parece indiscutible es la tendencia general: a medida que aumenta la escala de la inteligencia artificial, también aumenta la dimensión física de la infraestructura necesaria para sostenerla. (IEA)

YouTube