Green data center para IA: lo que cambia en tu sala cuando entrenas LLMs

La conversación sobre green data center (centro de datos verde) cambió de naturaleza en 2024. Hasta hace poco era un argumento de marketing corporativo; hoy es una decisión técnica con consecuencias directas en el diseño eléctrico, mecánico y financiero del site. Entrenar y servir modelos de inteligencia artificial consume electricidad a una densidad y variabilidad que los data centers tradicionales no estaban diseñados para manejar, y al mismo tiempo los compromisos ESG (Environmental, Social and Governance, marco de sostenibilidad empresarial) y regulatorios presionan para reducir la huella de carbono.

Este artículo describe qué cambia operativamente cuando un data center se orienta a cargas de inteligencia artificial, qué parámetros técnicos se ven afectados y qué decisiones de diseño conviene tomar desde la fase conceptual para no construir un site que quede obsoleto antes de energizarse.

Cómo cambia el perfil de carga al pasar de tradicional a IA

Un site orientado a cargas tradicionales (web, bases de datos, correo) tiene un perfil de carga relativamente predecible: variaciones diurnas del 20-30% sobre la media. Un site de entrenamiento de modelos de inteligencia artificial tiene un perfil radicalmente distinto:

• La potencia por rack puede pasar de 8-12 kW (site tradicional) a 60-100 kW (entrenamiento de modelos grandes) según las especificaciones de equipo físico de proveedores como NVIDIA con su línea DGX.
• Los picos de consumo son simultáneos y de corta duración, pero exigen que el sistema eléctrico, el enfriamiento y la red de distribución estén dimensionados para soportarlos sin throttling (reducción automática de velocidad para evitar sobrecalentamiento).
• El calor generado es mucho más concentrado por unidad de volumen, lo que obliga a replantear el sistema mecánico desde la etapa de diseño.

Estos tres cambios no son incrementales. Replantean las bases del diseño eléctrico y mecánico que se utilizaban para sites tradicionales.

Lo que dice la IEA sobre el consumo eléctrico del sector

La International Energy Agency (IEA) publica análisis periódicos sobre el consumo eléctrico agregado del sector de data centers y su crecimiento asociado al despliegue de inteligencia artificial. Las cifras varían según el año base y la metodología, pero la tendencia direccional es consistente: el consumo eléctrico del sector está creciendo a tasas superiores al promedio de la demanda eléctrica total, y la proporción atribuible a cargas de IA está aumentando dentro de ese total.

Para un site específico en México, lo relevante no es la cifra global sino dos preguntas concretas:

• ¿Cuál es el factor de emisión de carbono del grid eléctrico que alimenta mi site? En México ese factor depende del mix de generación que la CFE (Comisión Federal de Electricidad) despacha en cada momento, y varía entre regiones.
• ¿Cómo puedo medir y reportar el consumo eléctrico real de mi carga de IA, separado del consumo eléctrico de la infraestructura auxiliar (enfriamiento, iluminación, pérdidas en UPS)? La respuesta está en medir el PUE (Power Usage Effectiveness, eficiencia energética) de forma continua y representativa.

Las guías ASHRAE y por qué ampliaron el rango operativo

ASHRAE (American Society of Heating, Refrigerating and Air-Conditioning Engineers) publicó en sus guías técnicas (la familia TC 9.9 sobre entornos de procesamiento de datos) recomendaciones que ampliaron el rango aceptable de temperatura y humedad para operación de equipo de TI, basándose en evidencia empírica de que el equipo físico moderno tolera condiciones más amplias que las recomendaciones clásicas. La implicación práctica es directa:

• Un site bien diseñado puede operar en un rango más amplio sin comprometer la disponibilidad del equipo.
• Esa tolerancia permite estrategias de free cooling (aprovechamiento de aire exterior para reducir carga mecánica) más agresivas en climas templados, y reduce el consumo eléctrico del sistema mecánico durante los meses más cálidos.
• La decisión de operar en el rango ampliado debe documentarse y respaldarse con datos del fabricante del equipo específico, no asumirse como universal.

Paneles solares on-site: cuándo complementan y cuándo no sustituyen la red

La decisión de instalar paneles solares o generación distribuida en un data center depende de tres variables que deben evaluarse caso por caso:

• La irradiación solar disponible en la ubicación. México tiene ventajas competitivas claras en regiones como el Bajío y el norte, con promedios anuales altos comparados con otras latitudes.
• El área disponible en techo, suelo o terreno adyacente. No todos los sites tienen espacio físico para la escala de paneles que compensaría significativamente el consumo.
• El esquema regulatorio de generación distribuida y los tiempos de interconexión con la red de CFE, que en algunas regiones son prolongados y afectan la viabilidad financiera del proyecto.

Una evaluación honesta evita la sobreventa de la solución renovable. Para la mayoría de los sites en México, la generación on-site complementa pero no sustituye a la red eléctrica; la cobertura total por renovables suele requerir contratos de compra de energía (PPA, Power Purchase Agreements) con el grid.

PUE: la métrica más citada y peor medida del sector

El PUE es la métrica más citada y peor medida del sector. Tres errores frecuentes que distorsionan el resultado y comprometen cualquier plan de reducción:

• Medir el PUE instantáneo en un momento favorable (con clima templado y carga alta) y presentar ese número como representativo del site.
• Excluir del cálculo las pérdidas de la UPS (Sistema de Alimentación Ininterrumpida), los transformadores y el sistema de enfriamiento auxiliar.
• No reportar la variabilidad mensual y anual, que es donde se ven los problemas reales del diseño mecánico.

La métrica útil para efectos de sostenibilidad y de eficiencia operativa es el PUE promedio anual medido en intervalos horarios sobre los doce meses anteriores, acompañado del peor mes y de la metodología de medición. Sin esa información, cualquier afirmación de “data center verde” debe leerse con cautela.

Cinco decisiones técnicas para un site preparado para IA

Cinco decisiones técnicas que separan a un site preparado para IA de uno que quedará atrapado en un rediseño costoso:

• Dimensionar el sistema eléctrico y mecánico para el escenario de mayor densidad por rack esperado a 36 meses, no para el escenario del día uno.
• Seleccionar arquitectura de enfriamiento que permita migración gradual de aire a líquido sin reconstruir el site.
• Instalar instrumentación de medición de energía por rack o por fila, no solo medición agregada a nivel de site.
• Negociar con CFE un esquema tarifario y de calidad de suministro que refleje el perfil de consumo real, especialmente si el site está en una zona con variabilidad.
• Documentar el factor de emisión del grid regional para poder reportar la huella de carbono de forma defendible ante clientes y reguladores.

Estas decisiones son las que diferencian a un site de IA construido como infraestructura crítica de uno construido como proyecto de marketing. Las consecuencias operativas y financieras se manifiestan en los primeros 24 meses.

---

Fuentes

[1] IEA — Data Centres and Data Transmission Networks: https://www.iea.org/energy-system/digitalisation/data-centres-and-data-transmission-networks

[2] ASHRAE — Technical Resources for Data Center Thermal Management: https://www.ashrae.org/technical-resources

[3] NVIDIA — DGX Systems Specifications: https://www.nvidia.com/en-us/data-center/dgx-systems/

[4] Lawrence Berkeley National Laboratory — Data Center Research: https://datacenters.lbl.gov/

[5] CFE — Datos abiertos de generación y consumo: https://www.cfe.mx/

[6] Wikipedia — Power usage effectiveness: https://en.wikipedia.org/wiki/Power_usage_effectiveness

[7] Wikipedia — Hyperscale computing: https://en.wikipedia.org/wiki/Hyperscale_computing

[8] Wikipedia — Data center: https://en.wikipedia.org/wiki/Data_center