La inteligencia artificial avanza rápidamente y su huella física se está expandiendo al mismo ritmo. En el Reino Unido, el crecimiento de la IA ya no se ve limitado únicamente por la capacidad del software o la disponibilidad de hardware, sino, cada vez más, por la infraestructura eléctrica y la capacidad de disipación de calor de los centros de datos. Las densidades que se están implementando actualmente están poniendo de manifiesto límites estrictos en la capacidad de conexión a la red eléctrica, el diseño de la distribución eléctrica y los sistemas de refrigeración.

En el interior de las instalaciones modernas, el cambio es evidente. Las instalaciones diseñadas para cargas de trabajo empresariales estables se están adaptando para el entrenamiento y la inferencia de IA de alta densidad de forma sostenida. Las densidades de potencia por rack han aumentado considerablemente, junto con la producción térmica, y muchos centros de datos del Reino Unido no fueron diseñados para un funcionamiento continuo a estos niveles. Como resultado, los sistemas de distribución eléctrica y las instalaciones mecánicas están funcionando cerca de sus límites de diseño.

La realidad de la red eléctrica

En corredores de centros de datos consolidados, como el oeste de Londres, la capacidad de la red eléctrica es limitada. Conseguir nuevas conexiones de alta tensión para implantaciones a gran escala puede llevar años, y algunas fechas de conexión previstas se prolongan hasta principios de la década de 2030. Estos plazos influyen directamente en la estrategia de expansión y en la planificación de la inversión.

La limitación no radica únicamente en la generación. Las restricciones de transporte, los programas de refuerzo de subestaciones y las mejoras en la distribución local condicionan los plazos de suministro. Aunque la generación renovable está aumentando a nivel nacional, canalizar la capacidad firme hacia aglomeraciones urbanas densas sigue siendo complejo tanto desde el punto de vista técnico como administrativo. El refuerzo de la red se rige por ciclos de planificación plurianuales que no se ajustan fácilmente a los plazos de despliegue de la IA.

Mientras tanto, la demanda impulsada por la IA sigue aumentando. Los entornos modernos de entrenamiento basados en GPU suelen funcionar entre 60 kW y 80 kW por rack, con configuraciones especializadas que superan los 100 kW. Los racks empresariales tradicionales funcionaban históricamente entre 5 kW y 10 kW, lo que representa un cambio de orden de magnitud en un espacio similar. Este aumento altera de forma fundamental los supuestos de diseño de las instalaciones.

Las implicaciones eléctricas son significativas. La capacidad de los transformadores, las potencias nominales de los conmutadores, los sistemas de barras colectoras y la topología de los SAI deben reevaluarse en condiciones de carga elevada y sostenida. Es posible que los sistemas de distribución diseñados para densidades más bajas no soporten racks continuos de 80 kW sin un rediseño. Las estrategias de generación de respaldo también deben adaptarse a medida que cambian los perfiles de carga máxima y las expectativas de tiempo de funcionamiento.

El reto mecánico es igualmente exigente. La refrigeración por aire convencional tiene dificultades ante un mayor flujo de calor, donde se alcanzan rápidamente los límites de volumen de flujo de aire y de transferencia de calor. El diseño de contención y los sistemas de agua refrigerada funcionan con márgenes de tolerancia reducidos bajo cargas sostenidas de IA. Por lo tanto, la refrigeración líquida se está convirtiendo en el estándar en las implementaciones centradas en la IA, ya que admite una mayor densidad térmica y un control de temperatura más preciso a nivel de rack.

La adaptación de la refrigeración líquida en instalaciones ya existentes rara vez resulta sencilla. Los límites de carga estructural, las restricciones de altura del techo, el espacio libre de la planta y las consideraciones sobre el trazado de las tuberías pueden hacer que la adaptación resulte costosa y suponga una interrupción operativa. En algunos casos, el alcance de los trabajos de ingeniería se aproxima al de una instalación de nueva construcción.

La eficiencia antes que la expansión

En un entorno de red con limitaciones, aumentar el suministro es solo una parte de la solución. Gestionar la demanda mediante la eficiencia computacional es igual de importante.

El hardware avanzado de GPU suele ejecutar cargas de trabajo desarrolladas para generaciones anteriores de procesadores. Sin optimización, las aplicaciones pueden realizar cálculos redundantes, mover datos innecesarios a través de las jerarquías de memoria o infrautilizar el paralelismo disponible. El resultado son tiempos de ejecución más largos y un mayor consumo energético acumulado para obtener el mismo resultado analítico.

Perfeccionar los algoritmos, mejorar la utilización de la memoria y optimizar la ejecución paralela puede reducir considerablemente el tiempo de cálculo. Unos tiempos de ejecución más cortos se traducen en un menor consumo energético total y en una menor demanda de refrigeración en toda la instalación. A densidades más altas, incluso unas reducciones porcentuales modestas en el consumo de energía a nivel de rack alivian la presión sobre la distribución eléctrica, la planta de refrigeración y la capacidad de generación de reserva.

Las mejoras en la eficiencia también influyen en el rendimiento general de las instalaciones. A medida que aumentan las densidades de los racks y la refrigeración líquida introduce cargas de bombeo adicionales, mantener una eficacia en el uso de la energía (PUE) competitiva se vuelve más complicado. Reducir la carga de TI contribuye a mejorar el perfil energético general del edificio y puede aplazar las actualizaciones de la infraestructura en los casos en que el refuerzo de la red eléctrica siga siendo incierto.

Disciplina en la asignación de cargas de trabajo

La estrategia de IA también requiere una asignación disciplinada de las cargas de trabajo basada en el ciclo de trabajo y la intensidad energética. Las plataformas en la nube proporcionan un acceso rápido a hardware especializado a gran escala y son muy adecuadas para la experimentación y las sesiones de entrenamiento de corta duración, lo que reduce la exposición inmediata a las limitaciones de la red eléctrica local.

Sin embargo, los entornos de entrenamiento continuado, las cargas de trabajo de inferencia predecibles y los conjuntos de datos regulados pueden justificar un despliegue en las propias instalaciones. En estos casos, la infraestructura debe diseñarse explícitamente desde el principio para un funcionamiento de alta densidad. La arquitectura de distribución de energía, la topología de refrigeración y los modelos de resiliencia deben reflejar expectativas de carga realistas, en lugar de los valores de referencia heredados de las empresas.

Un enfoque híbrido se convierte en una decisión de ingeniería, más que en una opción por defecto. Segmentar las cargas de trabajo por duración, densidad y sensibilidad permite a las organizaciones distribuir la demanda de forma más eficaz. Esto reduce la presión sobre las conexiones a la red eléctrica con limitaciones, al tiempo que se mantiene el control operativo cuando es necesario. Seleccionar la infraestructura sin analizar el ciclo de trabajo y el impacto energético conlleva el riesgo de incorporar ineficiencias a gran escala.

Una respuesta a nivel de sistemas

La infraestructura de IA está reduciendo la brecha entre la ingeniería de software y la ingeniería de instalaciones. Las características de la carga de trabajo influyen en la planificación de la capacidad eléctrica, mientras que la densidad de potencia determina la arquitectura de refrigeración y la estrategia de resiliencia. Las decisiones tomadas en un ámbito tienen ahora consecuencias cuantificables en otro.

Los centros de datos operan dentro de límites eléctricos y térmicos fijos. A medida que aumentan las densidades, la coordinación entre ingenieros de software, diseñadores eléctricos, ingenieros mecánicos y planificadores energéticos se vuelve fundamental para evitar un sobredimensionamiento de las instalaciones, inestabilidad térmica o capacidad no aprovechada.

En el Reino Unido, donde el refuerzo de la red eléctrica avanza a un ritmo lento, las decisiones sobre infraestructura que se tomen ahora determinarán la flexibilidad operativa durante años. Es poco probable que una expansión basada únicamente en añadir más racks y más megavatios sea lo suficientemente rápida o económicamente resiliente en las condiciones actuales. Las organizaciones que gestionen esta transición de forma eficaz combinarán la capacidad de alta densidad con una eficiencia disciplinada y una planificación de la infraestructura basada en evaluaciones realistas de la disponibilidad de la red eléctrica.

El suministro de energía y la disipación de calor ocupan ahora un lugar central en la estrategia de infraestructura de IA, y el crecimiento futuro dependerá tanto de la disciplina de ingeniería como de la capacidad computacional.