🔬 La IA generativa está empujando a los centros de datos a consumir más electricidad, y varios equipos de computación buscan reducir ese costo con algoritmos, chips y mejores ubicaciones. Según la Agencia Internacional de Energía, los centros de datos de EE. UU. usaron unos 224 TWh en 2025, más del 5 % del consumo eléctrico del país.
El problema crece por escala. Google estima que una pregunta de texto mediana a Gemini consume 0,24 Wh, parecido a ver televisión nueve segundos. Pero OpenAI estimó en marzo de 2026 que más de 900 millones de personas usan ChatGPT cada semana, con miles de millones de consultas diarias. Además, los nuevos centros «hyperscale» pueden usar 1 GW o más, frente a los 100 MW de centros de datos previos a la ola de IA.
Los investigadores apuntan a tres frentes. En software, los modelos pequeños y especializados consumieron más de 90 % menos energía que Llama 3.1 en tareas concretas, según un trabajo de 2025 publicado por UNESCO. Otros exploran modelos «mixture of experts» o alternativas como xLSTM, que Günter Klambauer dice que usa cerca de 50 % menos energía que modelos tipo transformer en textos de unas 8 000 palabras.
En hardware, los chips de «wafer scale» concentran muchos más transistores y gastan menos en mover datos entre chips. NVIDIA afirma que sus GPU mejoraron 45 000 veces en eficiencia energética para cargas de modelos de lenguaje en ocho años. También se prueban celdas de ganancia, computación neuromórfica y chips fotónicos. En infraestructura, Fengqi You, Universidad Cornell, estimó que elegir mejores sitios, junto con hardware y software eficientes, podría reducir la huella futura de carbono y agua de centros de datos en EE. UU. en 73 % y 86 %.
✅ La IA no gasta energía por una ley inevitable: el costo depende de cómo se diseñan modelos, chips y centros de datos. El límite es que muchas cifras son estimaciones, no todas las empresas reportan su consumo, y varias tecnologías aún necesitan más desarrollo antes de llegar al uso masivo.
