La carrera por construir centros de datos para inteligencia artificial suele medirse en gigavatios, GPU y miles de millones de dólares. Pero detrás de esas cifras está apareciendo un problema menos visible: estas instalaciones no consumen electricidad de manera uniforme.
Durante el entrenamiento de grandes modelos, cientos de miles de GPU pueden cambiar de estado prácticamente al mismo tiempo. El resultado son subidas y bajadas extremadamente rápidas de potencia que someten baterías, turbinas, generadores y sistemas eléctricos a esfuerzos para los que muchos no fueron diseñados.
Amber Villegas-Williamson, del Uptime Institute, lo compara con acelerar constantemente el motor de un automóvil: el equipo puede funcionar, pero su desgaste aumenta frente a una operación estable.
Un centro de datos puede cambiar el consumo de una ciudad en segundos
La escala convierte esas oscilaciones en algo extraordinario.
Un centro de datos de 1 GW puede consumir aproximadamente tanta electricidad como una ciudad del tamaño de Boston, según los expertos citados en el informe. Y una parte importante de esa carga puede aparecer o desaparecer en cuestión de segundos.
En determinadas situaciones, la demanda instantánea puede incluso superar temporalmente la capacidad nominal de la instalación.
Drew Baglino, fundador de Heron Power y antiguo ejecutivo de Tesla, explica que una instalación diseñada para un gigavatio podría llegar a demandar 1,5 GW durante una fracción de segundo. La compañía está desarrollando precisamente electrónica capaz de absorber mejor estas variaciones ante las próximas generaciones de servidores para IA.
El problema se vuelve todavía mayor porque algunos nuevos campus de IA proyectados en Estados Unidos superarán varios gigavatios.
Ya hay baterías y turbinas deteriorándose antes de tiempo
Estas variaciones no son únicamente un problema teórico.
Según las entrevistas recogidas en el informe, ya se han registrado roturas de componentes en pequeños motores de gas, grietas en turbinas y baterías que han tenido que reemplazarse después de meses o incluso semanas de operación debido al esfuerzo al que estaban sometidas.
En las instalaciones Colossus de xAI, en Memphis, fuentes citadas aseguraron que algunas turbinas de gas habían desarrollado grietas. Posteriormente se instalaron baterías para amortiguar los cambios de potencia y reducir la presión sobre esos equipos. xAI no respondió a las solicitudes de comentarios mencionadas en el texto.
Las consecuencias económicas pueden ser mucho mayores que cambiar una pieza.
Si falla un componente eléctrico y obliga a detener servidores cargados con miles de GPU, el verdadero coste está en la capacidad de cómputo que deja de generar ingresos.
El problema puede terminar llegando a la red eléctrica
La preocupación no termina dentro del edificio.
Las redes eléctricas necesitan mantener permanentemente equilibradas generación y demanda. Los centros de datos introducen ahora grandes cargas que pueden variar a una velocidad mucho mayor que la de industrias tradicionales.
Expertos de Schneider Electric advierten que esta dinámica puede provocar problemas de calidad de energía y oscilaciones capaces de afectar equipos situados en otros puntos de la red si no se gestionan correctamente.
La North American Electric Reliability Corporation (NERC) ya ha colocado a los grandes centros de datos entre sus preocupaciones. Tras analizar más de 33 GW de instalaciones operativas en Estados Unidos, concluyó que cerca de tres cuartas partes utilizaban modelos de carga insuficientes para representar correctamente su comportamiento dinámico.
Modern AI data centers are reaching unprecedented power densities.
A single AI rack can consume more than 100 kW continuously, equivalent to the electricity use of dozens of homes.
Planning resilient energy infrastructure is now essential.
Find out CESI expertise on this:… pic.twitter.com/RE2OJS172S— CESI SpA (@cesispa) August 13, 2026
La solución puede ser gastar energía para no dejar de gastarla
La industria ya está experimentando con baterías, capacitores, volantes de inercia, nuevos sistemas electrónicos y software capaces de suavizar esas oscilaciones.
Existe incluso una solución bastante paradójica: cuando una GPU termina momentáneamente su trabajo útil, puede seguir realizando cálculos secundarios sin utilidad real para evitar que su consumo eléctrico caiga bruscamente. Eso estabiliza la demanda, pero también significa gastar electricidad haciendo operaciones innecesarias.
Nvidia, laboratorios estadounidenses y fabricantes de sistemas eléctricos están trabajando en alternativas más eficientes.
La IA ha colocado tradicionalmente el foco sobre cuánta electricidad necesitarán sus centros de datos. El nuevo desafío demuestra que existe otra pregunta igual de importante: no solo cuánto consumen, sino qué ocurre cuando millones de chips deciden consumirlo —o dejar de hacerlo— prácticamente al mismo tiempo.
