Un estudio de Stanford revela que las redes de las economías avanzadas operan al 30 % de utilización, lo que deja gran capacidad ociosa debido a sistemas de coordinación obsoletos.
Una mejora del 1 % en la flexibilidad del sistema podría liberar 100 GW solo en Estados Unidos, lo que equivale a 500 000 millones de dólares en infraestructura evitada.
La asociación de Portland General Electric demuestra que cientos de megavatios pueden adelantarse varios años mediante la activación de capacidad latente.
Mientras las naciones compiten por alimentar la revolución de la IA, surge una estrategia contraintuitiva: el cuello de botella de infraestructura que limita el liderazgo tecnológico se resuelve no con cobre y obras, sino con código. La denominada optimización flexible de la red podría duplicar la capacidad efectiva más rápido que cualquier programa de construcción, con profundas implicaciones para la competitividad y los objetivos climáticos.
Cuando Satya Nadella reconoció que Microsoft tiene clústeres de GPU inactivos (activos que se deprecian a la espera de una energía que quizá tarde años en llegar), puso de manifiesto la restricción que define la era de la IA. El empeño de Sam Altman por construir un gigavatio de nueva infraestructura de IA cada semana revela la magnitud del desajuste entre las ambiciones de la IA y la realidad energética: una discrepancia que ya se manifiesta en proyectos retrasados, acceso limitado a la energía y capacidad de cómputo inactiva a la espera de la red.
Ya no se trata simplemente de una cuestión de planificación de los servicios públicos. Es una cuestión de competitividad nacional y prosperidad humana.
Los centros de datos impulsan el crecimiento de la demanda eléctrica
La narrativa convencional plantea esto como un déficit de infraestructura que requiere un despliegue masivo de capital y plazos de construcción de una década. Sin embargo, investigadores de Stanford que estudian los patrones de utilización de las redes en economías avanzadas han identificado una paradoja que replantea todo el desafío: estos sofisticados sistemas eléctricos funcionan a una utilización de aproximadamente el 30 %, y dos tercios de la capacidad instalada permanecen ociosos la mayor parte de las horas.
La red alcanza restricciones de capacidad quizá durante unas 100 horas al año, en condiciones excepcionales de máxima demanda. El resto del tiempo, gran parte de la capacidad no se utiliza.
Estrategias divergentes en la carrera mundial por la IA
El mundo presencia enfoques fundamentalmente distintos para resolver el desafío energético de la IA, cada uno de los cuales refleja capacidades institucionales y prioridades estratégicas diferentes.
China desplegó casi 550 GW de nueva capacidad energética el año pasado, mientras que Estados Unidos añadió 53 GW. Este modelo de despliegue acelerado aprovecha la coordinación estatal, la toma de decisiones centralizada y la capacidad de acelerar grandes proyectos de infraestructura. Para una economía que amplía su red para atender a poblaciones urbanas en expansión y al crecimiento industrial, este enfoque centrado en la infraestructura tiene sentido estratégico.
Las economías occidentales avanzadas se enfrentan a un contexto distinto. Sus redes maduras ya atienden a poblaciones desarrolladas, pero los patrones de uso revelan un potencial enorme sin explotar. Gestionar la flexibilidad durante menos de 100 horas al año podría desbloquear 100 GW de capacidad efectiva en todo el país: duplicar la red sin duplicar la infraestructura.
La clave está en reconocer qué estrategia se ajusta a las fortalezas institucionales y a las realidades de la infraestructura. Para los países con capacidades avanzadas de coordinación de redes, estructuras de mercado que valoren la flexibilidad y marcos regulatorios que permitan una innovación rápida, la vía de la optimización inteligente ofrece ventajas considerables. Entre ellas figuran plazos de despliegue medidos en meses y no en décadas, requisitos de capital drásticamente menores y una alineación natural con los objetivos de descarbonización.
De la escasez energética a la abundancia energética
Este cambio implica utilizar la IA para que la propia red sea más inteligente, en lugar de depender únicamente de hacer flexibles las cargas de trabajo de la IA. Es un desafío de optimización, más que de escasez.
Los sistemas eléctricos evolucionaron en torno a patrones rígidos, dimensionados para las horas punta del peor escenario, que se dan menos del 0,1 % del tiempo, lo que deja gran parte de la capacidad instalada infrautilizada el resto del tiempo. La oportunidad no reside en cambiar el momento en que los centros de datos consumen energía, sino en desplegar IA para orquestar en tiempo real cada componente del sistema.
La asociación de GridCARE con desarrolladores de infraestructura de IA y Portland General Electric demuestra el concepto a gran escala. Mediante el despliegue de modelos predictivos de IA que pronostican la producción renovable y la demanda con horas de antelación, la coordinación estratégica de baterías y sistemas de respaldo, y la gestión dinámica de las cargas en toda la red, PGE ha acelerado cientos de megavatios de capacidad de cómputo con años de antelación respecto a los calendarios originales, sin construir nueva generación ni transmisión.
El enfoque combina tecnologías probadas en un único sistema orquestado nativo de IA:
Previsión mediante IA generativa que anticipa las condiciones de la red con una precisión sin precedentes.
Coordinación automatizada del almacenamiento en baterías y de las centrales eléctricas virtuales.
Optimización en tiempo real del consumo de los centros de datos en función de las restricciones del sistema.
Cuando sea necesario, computación distribuida geográficamente que desplaza las cargas de trabajo hacia donde la energía es abundante.
Todas estas tecnologías existen hoy. La innovación consiste en utilizar la IA para integrarlas y desplegarlas a gran escala.
La realidad de la IA, los centros de datos y la energía
La gente teme que los centros de datos encarezcan las tarifas eléctricas. La realidad es exactamente la contraria.
Los costes fijos de la infraestructura eléctrica (redes de transporte, sistemas de distribución y subestaciones) existen tanto si funcionan al 30 % como al 90 % de utilización. Cuando los centros de datos consumen energía en horas valle y de baja demanda, esos costes fijos se reparten entre más kilovatios-hora, lo que reduce las tarifas medias para todos los clientes en lugar de aumentarlas.
Un análisis reciente de GridCARE muestra que un centro de datos de 1 GW que utiliza la capacidad de red sobrante puede reducir las tarifas del consumidor medio hasta en un 5 %, es decir, 100 dólares al año. Al convertir los centros de datos en socios flexibles que absorben los excedentes renovables y comparten los gastos de red, las compañías eléctricas pueden ampliar su capacidad y reducir las facturas.
El principio va más allá de los centros de datos. A medida que el transporte y los edificios se electrifican, las mismas capacidades de coordinación que optimizan las cargas de trabajo de la IA pueden gestionar la recarga de vehículos y el funcionamiento de las bombas de calor. Una red optimizada para una fuente de demanda flexible se vuelve más valiosa para todas las cargas flexibles.
El megavatio más rápido, más barato y más limpio es el que no necesitas construir.
El proyecto de infraestructura más importante de nuestra generación
Este es el desafío de infraestructura que determinará quién lidera la era de la IA. Quien resuelva primero el rompecabezas energético dará forma a la próxima década del desarrollo tecnológico y de la competitividad económica.
Duplicar la red en cinco años mediante código, en lugar de principalmente mediante construcción, no es simplemente posible. Puede representar la estrategia de mayor apalancamiento disponible para las economías maduras que buscan mantener el liderazgo tecnológico y, al mismo tiempo, acelerar los objetivos climáticos.
La abundancia no empieza con más recursos. Empieza por utilizar de forma inteligente lo que ya tenemos. Es una oportunidad que podría transformar la manera en que alimentamos la IA, así como nuestra forma de pensar sobre la infraestructura, la abundancia y la relación entre el progreso tecnológico y las limitaciones de recursos.
