Hablar del consumo eléctrico de la inteligencia artificial con una sola cifra suele producir más confusión que claridad. Un modelo no gasta electricidad por sí solo: la consumen los servidores que lo entrenan y ejecutan, junto con redes, almacenamiento, conversión de energía y refrigeración.
También importa qué se mide. No es lo mismo la potencia máxima de una instalación, su energía anual, el consumo del equipo informático o el total que llega desde la red. Esta guía explica cada capa y ofrece un cálculo reproducible para interpretar anuncios y proyecciones.
Cómo consume electricidad un modelo de IA
Una operación de IA convierte electricidad en cálculos. Los aceleradores —principalmente GPU y otros chips especializados— realizan multiplicaciones sobre grandes conjuntos de datos. CPU coordinan tareas, memoria alimenta los procesadores, redes trasladan información entre servidores y unidades de almacenamiento conservan modelos y datos.
Casi toda esa electricidad termina como calor. Para mantener temperaturas y humedad seguras, el centro de datos utiliza ventiladores, bombas, enfriadores o circuitos de refrigeración líquida. Sistemas de alimentación ininterrumpida, transformadores e iluminación añaden pérdidas y consumos auxiliares.
Entrenamiento e inferencia no son lo mismo
El entrenamiento ajusta los parámetros de un modelo a partir de muchos ejemplos. Puede ocupar miles de aceleradores durante días o meses. Es una carga grande pero delimitada: una versión termina de entrenarse, aunque después reciba ajustes o sea reemplazada.
La inferencia ocurre cuando el modelo ya desplegado responde, clasifica, recomienda o genera contenido. Una solicitud individual puede requerir mucho menos cómputo que un entrenamiento, pero el servicio funciona continuamente y atiende millones de operaciones. Por volumen, la inferencia puede convertirse en la mayor carga durante la vida útil del modelo.
No existe una proporción universal entre ambas. Depende de cuántas veces se entrena, cuántas personas usan el sistema, el tamaño del modelo, la longitud de entradas y respuestas, la modalidad y el nivel de utilización de los servidores.
Qué parte corresponde a servidores y qué parte al edificio
La Agencia Internacional de Energía (IEA) estima que los servidores representan, en promedio, alrededor de 60% de la electricidad de los centros de datos modernos. El almacenamiento ronda 5% y el equipo de red puede llegar a 5%. Son referencias agregadas, no una receta para cada instalación.
La refrigeración varía mucho más: cerca de 7% en centros hyperscale eficientes y más de 30% en instalaciones empresariales menos eficientes. Una carga de IA de alta densidad también cambia el diseño: acercar refrigeración líquida al chip puede reducir ventilación, pero añade bombas, intercambiadores y rechazo de calor.
| Componente | Función | Qué cambia su consumo |
|---|---|---|
| GPU y aceleradores | Cálculo paralelo | Modelo, precisión y utilización |
| CPU y memoria | Coordinación y alimentación de datos | Arquitectura y movimiento de memoria |
| Red y almacenamiento | Comunicación y persistencia | Volumen, distancia y redundancia |
| Refrigeración y potencia | Mantener operación segura | Clima, diseño, carga y PUE |
MW, MWh y TWh: potencia frente a energía
Un watt mide potencia: la rapidez con la que se usa energía. Un megawatt (MW) equivale a un millón de watts. Decir que un centro demanda 10 MW describe su ritmo de consumo en ese momento, parecido a indicar la velocidad de un vehículo.
Un megawatt-hora (MWh) mide energía: mantener 1 MW durante una hora consume 1 MWh. Un terawatt-hora (TWh) equivale a un millón de MWh. Es una unidad útil para comparar consumos anuales de sectores o países.
Ejemplo: una instalación que demanda 10 MW
Si una instalación toma 10 MW constantes de la red durante un año de 8,760 horas, el cálculo es:
10 MW × 8,760 h = 87,600 MWh = 87.6 GWh = 0.0876 TWh.
La constancia es un supuesto. Si opera, en promedio, a 70% de esa potencia, consumiría 61.32 GWh. Una calculadora sencilla necesita tres datos: potencia, horas y factor de carga. Fórmula: energía anual = MW × 8,760 × factor de carga.
| Potencia | Factor de carga | Energía anual |
|---|---|---|
| 10 MW | 100% | 87.6 GWh |
| 10 MW | 70% | 61.32 GWh |
| 100 MW | 90% | 788.4 GWh |
Qué significa PUE y cómo se calcula
Power Usage Effectiveness (PUE) compara la energía total del centro de datos con la energía usada por el equipo informático:
PUE = energía total de la instalación ÷ energía del equipo de TI.
Un PUE de 1.20 significa que, por cada 1 MWh utilizado por TI, la instalación consume 0.20 MWh adicionales en refrigeración, conversión eléctrica y otros servicios. Si los 10 MW del ejemplo fueran sólo carga de TI, un PUE de 1.20 elevaría la demanda total a 12 MW y la energía anual a 105.12 GWh.
Si los 10 MW ya representan la medición en el medidor de la red, no debes multiplicarlos otra vez por PUE. Además, PUE no mide si un modelo aprovecha bien sus GPU; sólo describe la sobrecarga del edificio respecto de TI. El Departamento de Energía estadounidense usa 1.6 como referencia estándar, 1.4 como buena y 1.1 como mejor práctica, sin convertirlas en garantías universales.
Cuánto representan los centros de datos en el mundo
La IEA estimó 415 TWh de consumo mundial de centros de datos en 2024, alrededor de 1.5% de la electricidad global. Su escenario central de 2025 proyectó unos 945 TWh en 2030, poco menos de 3%. IA es el principal impulsor del aumento, pero la cifra incluye otros servicios digitales alojados en centros de datos.
El crecimiento es rápido, aunque no domina todo el sistema eléctrico mundial. La IEA calcula que los centros de datos aportarían menos de 10% del crecimiento global de demanda eléctrica entre 2024 y 2030. Industria, aire acondicionado, vehículos eléctricos y otros usos también crecen.
El impacto local puede ser mucho mayor que el promedio global. En Estados Unidos, Berkeley Lab estimó para 2030 un escenario de referencia de 649 TWh y un rango compuesto de 521 a 843 TWh, equivalente aproximadamente a 9.5%–15.3% de la electricidad del país. Ese intervalo muestra cuánta incertidumbre existe.
Por qué no existe un consumo universal por consulta
Asignar una cifra fija a “una pregunta de IA” oculta variables importantes. Un prompt breve de texto no equivale a generar video; una respuesta de veinte palabras no cuesta lo mismo que miles; un modelo pequeño y especializado puede requerir mucho menos cálculo que uno fronterizo.
- Longitud de la entrada y de la salida.
- Tamaño, arquitectura y precisión numérica del modelo.
- Texto, imagen, audio, video o flujo de agente con varios pasos.
- Hardware, agrupación de solicitudes y nivel de utilización.
- PUE, ubicación y límites incluidos en la medición.
Las cifras publicadas por proveedores tampoco siempre comparten metodología. Algunas cuentan sólo chips; otras incluyen memoria, servidor o edificio. Para comparar, deben declarar modelo, tarea, cantidad de tokens o contenido, hardware, región, periodo y frontera energética.
Cómo puede reducirse el gasto energético
El hardware mejora su rendimiento por watt. La IEA señala que una GPU B200 ofrece alrededor de 60% más eficiencia en FLOP por watt que una H100, que a su vez supera a la A100. Sin embargo, FLOP por watt no mide por sí solo la utilidad de una respuesta ni el consumo total.
En software ayudan la cuantización, los modelos especializados, mixture of experts —que activa sólo partes del modelo—, respuestas más breves, cachés y mejores algoritmos. En operación importan agrupar solicitudes, elevar utilización, apagar capacidad ociosa, ubicar cargas flexibles y ajustar refrigeración a la temperatura real.
La eficiencia puede reducir la energía por tarea y, aun así, aumentar el consumo agregado si el uso crece más rápido. Por eso las proyecciones de la IEA incluyen escenarios de alta eficiencia, expansión acelerada y restricciones: son trayectorias posibles, no facturas anticipadas.
Cómo leer una cifra de consumo de IA
- Pregunta si expresa potencia (MW) o energía (MWh, GWh o TWh).
- Confirma el periodo, factor de carga y alcance de la medición.
- Distingue consumo de TI, consumo total y capacidad reservada.
- Verifica si incluye entrenamiento, inferencia y otros servicios.
- Busca supuestos y un rango, no sólo un número llamativo.
Medir bien el consumo eléctrico de la inteligencia artificial exige conservar esas distinciones. Con potencia, tiempo, utilización y PUE puedes reproducir una estimación básica; con límites claros puedes comparar estudios sin confundir un centro de datos, una tarea y todo el sector.
Fuentes consultadas
- IEA: Energy and AI.
- IEA: Key Questions on Energy and AI.
- DOE/NREL: Best Practices Guide for Energy-Efficient Data Center Design.
- Berkeley Lab/DOE: United States Data Center Energy Usage Report, actualización 2025.
- BIPM: Sistema Internacional de Unidades.
Descubre más de Anivia Mx
Suscríbete para recibir las últimas entradas en tu correo electrónico.
