{"id":55850,"date":"2026-11-08T20:37:32","date_gmt":"2026-11-08T19:37:32","guid":{"rendered":"https:\/\/correspondenciadeprensa.com\/?p=55850"},"modified":"2026-11-09T19:17:07","modified_gmt":"2026-11-09T18:17:07","slug":"medio-ambiente-la-huella-energetica-y-de-carbono-mundial-y-la-difusion-de-la-ia-un-proyecto-de-contabilidad-de-la-energia-y-las-emisiones-a-lencontre","status":"publish","type":"post","link":"https:\/\/correspondenciadeprensa.com\/?p=55850","title":{"rendered":"Medio ambiente – \u00abLa huella energ\u00e9tica y de carbono mundial y la difusi\u00f3n de la IA\u00bb. Un proyecto de contabilidad de la energ\u00eda y las emisiones. [A l\u2019encontre]"},"content":{"rendered":"\n

Foto: Jordan Gale\/Oregon Capital Chronicle.<\/sub><\/p>\n\n\n\n

Erald Kolasi y Jesse Damiani*<\/strong><\/p>\n\n\n\n

A l\u2019encontre<\/a><\/em>, 7-11-2026<\/strong><\/p>\n\n\n\n

Traducci\u00f3n de Correspondencia de Prensa<\/a><\/em>, 8-11-2026<\/strong><\/p>\n\n\n\n

La campa\u00f1a de las elecciones de mitad de mandato en Estados Unidos estuvo marcada por numerosas movilizaciones contra la creciente implantaci\u00f3n de centros de datos y por un gran n\u00famero de peticiones de moratorias, entre otros lugares, en Texas, la nueva sede de Elon Musk. Estos centros de datos multiplican el consumo de recursos (energ\u00eda, agua), provocan contaminaci\u00f3n ac\u00fastica (ventiladores de refrigeraci\u00f3n) y deval\u00faan el precio de numerosos terrenos, lo que constituye una forma de expropiaci\u00f3n de los peque\u00f1os y medianos propietarios.<\/p>\n\n\n\n

Las inversiones masivas de los multimillonarios propietarios del sistema productivo subyacente a la IA se enfrentan pues, a una contestaci\u00f3n social y pol\u00edtica. Ahora bien, esta oligarqu\u00eda econ\u00f3mica se caracteriza por una voluntad ultrautoritaria para defender sus imponentes intereses. Aqu\u00ed queda claro el entrelazamiento social y pol\u00edtico entre los c\u00edrculos trumpistas y esta plutocracia, que organizan un intento de hegemon\u00eda pol\u00edtico-doctrinal. Adem\u00e1s, su proyecto conduce a la transformaci\u00f3n de una parte de la infraestructura material del capitalismo estadounidense. Por el momento, estas inversiones funcionan como motor de un crecimiento distorsionado, antes de que estalle la burbuja de la IA, junto con una crisis del cr\u00e9dito privado y de la deuda privada, que se viene gestando desde hace tiempo. La reciente \u00abola azul\u00bb dem\u00f3crata se va a topar con estos obst\u00e1culos.<\/p>\n\n\n\n

El art\u00edculo que publicamos est\u00e1 centrado en un intento de cuantificar \u2014en t\u00e9rminos de consumo energ\u00e9tico, extracci\u00f3n de \u00abtierras raras\u00bb y emisiones de gases de efecto invernadero\u2014 el \u00abciclo de vida de la difusi\u00f3n de la IA a escala mundial\u00bb. Redacci\u00f3n de A l\u2019Encontre<\/em><\/p>\n\n\n\n

***<\/strong><\/p>\n\n\n\n

Erald Kolasi y Jesse Damiani<\/strong><\/p>\n\n\n\n

La expansi\u00f3n de la IA supone un punto de inflexi\u00f3n revolucionario para las redes energ\u00e9ticas y las cadenas de suministro mundiales. El crecimiento del sector de la IA ha sido tan r\u00e1pido e intenso que los analistas compiten por publicar previsiones cada vez m\u00e1s asombrosas. Un estudio del FMI de 2025 estimaba que el consumo anual de electricidad relacionado con la IA podr\u00eda alcanzar unos 1.500 TWh de aqu\u00ed a 2030, lo que equivale al consumo actual de la India, un pa\u00eds con 1.400 millones de habitantes 1<\/a><\/sup>. Por su parte, la consultora internacional de gesti\u00f3n McKinsey estima que esta cifra podr\u00eda ser a\u00fan mayor, superando los 2.000 TWh 2<\/a><\/sup>. Esta onda de choque derivada de la difusi\u00f3n mundial est\u00e1 alimentada por un auge hist\u00f3rico y sin precedentes de las infraestructuras: centros de datos, centrales el\u00e9ctricas, instalaciones de reciclaje de agua, f\u00e1bricas de semiconductores (f\u00e1bricas especializadas donde el silicio en bruto se transforma en circuitos integrados y microchips), subestaciones el\u00e9ctricas, redes de transporte de electricidad, almacenes automatizados y muchas otras (v\u00e9ase la ilustraci\u00f3n). Los centros de datos proliferaron inicialmente con el boom del cloud computing<\/em> en las d\u00e9cadas de 2000 y 2010, cuando numerosas empresas pasaron de los almacenes de datos locales a la nube con el objetivo de reducir sus costos y aumentar su eficiencia. Pero la ola de IA de nueva generaci\u00f3n que sigui\u00f3 al lanzamiento de ChatGPT en 2022 provoc\u00f3 un incre\u00edble auge en la construcci\u00f3n de nuevos centros de datos y el establecimiento de una red de infraestructuras relacionadas. Aunque, efectivamente, se est\u00e1 gestando un movimiento de oposici\u00f3n local contra esta expansi\u00f3n de la IA, las clases dirigentes mundiales se centran en una f\u00f3rmula sencilla: primero la energ\u00eda, luego las preguntas. A pesar de un profundo debate sobre los impactos energ\u00e9ticos, medioambientales y materiales del auge de la IA, seguimos sin disponer de evaluaciones rigurosas y objetivas que tengan en cuenta la compleja din\u00e1mica del ciclo de vida de la difusi\u00f3n de la IA a escala mundial.<\/p>\n\n\n\n

Por lo tanto, ese es el objetivo principal de este art\u00edculo: contar la historia de la IA y la energ\u00eda a escala mundial, ampliando el \u00e1mbito de an\u00e1lisis mucho m\u00e1s all\u00e1 de lo que ning\u00fan otro estudio ha hecho hasta ahora. Los sistemas de IA como Gemini y ChatGPT consumen enormes cantidades de electricidad, pero el desarrollo del universo de la IA afecta a las redes energ\u00e9ticas y a las cadenas de suministro de todo el mundo. El desarrollo de la IA es, sin duda, una historia de electricidad, pero tambi\u00e9n es una historia de energ\u00eda, agua, metales, materiales y termodin\u00e1mica. Hay que producir acero y cemento para construir centros de datos. Hay que tender cables de fibra \u00f3ptica para transportar los datos y la informaci\u00f3n desde los centros de datos hasta las empresas y los consumidores. Los chips inform\u00e1ticos deben fabricarse con algunas de las m\u00e1quinas m\u00e1s avanzadas que la humanidad haya concebido jam\u00e1s. Y estas m\u00e1quinas son tan delicadas y complejas que deben desmontarse durante su env\u00edo y volver a montarse con sumo cuidado una vez en destino. El gigante neerland\u00e9s de los semiconductores ASML env\u00eda cada a\u00f1o cientos de m\u00e1quinas de litograf\u00eda de \u00faltima generaci\u00f3n. Para una sola m\u00e1quina de ultravioleta extremo (EUV), ASML (Advanced Semiconductor Materials Lithography) necesita, en promedio, tres aviones de carga, 40 contenedores de cargamento y 20 camiones para transportar los componentes desmontados hasta la Taiwan Semiconductor Manufacturing Company (TSMC) en Taiw\u00e1n, que utiliza estas m\u00e1quinas para producir los chips m\u00e1s avanzados del mundo 3<\/a><\/sup>. La red el\u00e9ctrica taiwanesa se basa principalmente en el carb\u00f3n y el gas natural, y dado que TSMC consume por s\u00ed sola alrededor del 10 % de la electricidad de la isla, la industria de los semiconductores en Taiw\u00e1n genera un elevado nivel de emisiones de carbono 4<\/a><\/sup>.<\/p>\n\n\n\n

***<\/p>\n\n\n\n

Estos desaf\u00edos nos llevaron a analizar los detalles y a llevar a cabo las investigaciones necesarias para responder a algunas preguntas decisivas. \u00bfCu\u00e1nta energ\u00eda consume la humanidad como consecuencia de la adopci\u00f3n y la difusi\u00f3n generalizadas de los sistemas de IA en la econom\u00eda mundial? \u00bfQu\u00e9 porcentaje del consumo energ\u00e9tico mundial en 2026 deber\u00eda atribuirse a la IA? \u00bfQu\u00e9 se considera exactamente un sistema de IA? \u00bfCu\u00e1l es la cantidad de emisiones mundiales de gases de efecto invernadero (GEI) generadas por la adopci\u00f3n y la difusi\u00f3n de la IA? \u00bfC\u00f3mo afecta el auge de la IA a las redes energ\u00e9ticas mundiales y a las cadenas de suministro industriales? \u00bfA d\u00f3nde va a parar toda esta expansi\u00f3n energ\u00e9tica y qu\u00e9 efectos podr\u00eda tener sobre la bi\u00f3sfera planetaria durante la pr\u00f3xima d\u00e9cada?<\/p>\n\n\n\n

Se trata, seg\u00fan nuestros conocimientos, del primer an\u00e1lisis cuantitativo que intenta desglosar la huella energ\u00e9tica y las emisiones globales relacionadas con la difusi\u00f3n de la IA en un solo a\u00f1o (2026), as\u00ed como proporcionar los datos y el contexto necesarios para un an\u00e1lisis completo del ciclo de vida. Los estudios sobre la IA y la energ\u00eda son numerosos, pero, como veremos en breve, suelen limitarse a diversas piezas de un rompecabezas m\u00e1s amplio sin llegar a armar el conjunto. Este art\u00edculo se centrar\u00e1 en los impactos de la difusi\u00f3n de la IA a lo largo de su ciclo de vida a escala mundial. Cuando los investigadores calculan la huella h\u00eddrica de la carne de vacuno, no se limitan al agua que se consume en el McDonald\u2019s local. Tienen en cuenta el agua utilizada para criar la vaca, la necesaria para cultivar las plantas con las que se alimenta, as\u00ed como otros eslabones de la cadena de suministro, lo que les permite concluir que el 98 % de la huella h\u00eddrica de los productos c\u00e1rnicos se debe al agua utilizada para el cultivo de alimentos para animales 5<\/a><\/sup>. Realizan an\u00e1lisis similares cuando quieren calcular la huella de carbono de las centrales de carb\u00f3n o de las tecnolog\u00edas de energ\u00eda renovable. El sector de la IA no deber\u00eda ser una excepci\u00f3n, pero muy a menudo el discurso p\u00fablico y acad\u00e9mico sobre el tema puede dar la impresi\u00f3n de ser una caricatura aleatoria de lo que realmente ocurre.<\/p>\n\n\n\n

Esto se debe a que muchos investigadores universitarios y el p\u00fablico en general suelen considerar la IA como un producto<\/em> m\u00e1s que como un sector<\/em>. Los productos est\u00e1n localizados en el espacio y son independientes. La hamburguesa est\u00e1 ah\u00ed mismo, en nuestras manos. ChatGPT nos env\u00eda una respuesta personalizada directamente a nuestro dispositivo. Cuando solo vemos unidades aisladas y desconectadas entre s\u00ed, las consecuencias que se derivan de ello tambi\u00e9n parecen, casi por definici\u00f3n, menores y aisladas. Pero cuando cambiamos de perspectiva y consideramos la IA como un sector global, empezamos a darnos cuenta de que conlleva cadenas de suministro interdependientes, econom\u00edas de escala, efectos de red, integraci\u00f3n tecnol\u00f3gica y aglomeraci\u00f3n industrial. Entonces deja de ser una entidad aislada. Es una megam\u00e1quina global que devora todo a su paso. Precisamente porque la IA es, en realidad, un sector que ofrece una amplia gama de productos y servicios, podemos someterla al mismo tipo de an\u00e1lisis del ciclo de vida que se utiliza para otros sectores.<\/p>\n\n\n\n

***<\/p>\n\n\n\n

El sector de la IA tiene una huella medioambiental enorme que puede describirse a trav\u00e9s de dos componentes fundamentales: las emisiones operativas y las emisiones intr\u00ednsecas. Las emisiones operativas son las emisiones de gases de efecto invernadero que se derivan directamente de la electricidad consumida por los sistemas de IA para el entrenamiento, la inferencia [cuando el modelo de IA ya entrenado se utiliza en producci\u00f3n para analizar nuevos datos y realizar predicciones] o cualquier otra operaci\u00f3n habitual. Por su parte, las emisiones intr\u00ednsecas corresponden al conjunto de emisiones generadas a lo largo de todo el ciclo de vida, desde la fabricaci\u00f3n, el transporte, la construcci\u00f3n, la instalaci\u00f3n, el reciclaje y el desmantelamiento del material f\u00edsico y de las infraestructuras que sustentan el ecosistema del cloud en sentido amplio, incluidas actividades como la fundici\u00f3n de acero, la mezcla de hormig\u00f3n, la limpieza de los chips de silicio y muchas otras. Del mismo modo, el consumo de energ\u00eda tambi\u00e9n puede describirse en t\u00e9rminos de emisiones operativas e intr\u00ednsecas.<\/p>\n\n\n\n

Las empresas tecnol\u00f3gicas y los investigadores partidarios de las tecnolog\u00edas se centran tradicionalmente en las emisiones operativas de carbono y el consumo energ\u00e9tico, ya que son f\u00e1ciles de medir y a\u00fan m\u00e1s f\u00e1ciles de ocultar mediante compensaciones de carbono, cr\u00e9ditos y otros mecanismos de \u00abgreenwashing\u00bb que pr\u00e1cticamente no contribuyen en nada a resolver los problemas ecol\u00f3gicos fundamentales derivados del despliegue mundial de la IA, entre los que destacan el enorme consumo de agua y los cambios radicales en el uso del suelo, con consecuencias de gran alcance 6<\/a><\/sup>.<\/p>\n\n\n\n

Como se pondr\u00e1 de manifiesto en este an\u00e1lisis, las emisiones de carbono operativas y el consumo energ\u00e9tico relacionados con el uso el\u00e9ctrico de la IA no son m\u00e1s que una pieza importante de un rompecabezas mucho m\u00e1s vasto. El impacto real se sit\u00faa tanto antes como despu\u00e9s de las operaciones in situ, desde el conjunto de las cadenas de suministro mundiales que producen a un ritmo fren\u00e9tico el material inform\u00e1tico y las infraestructuras f\u00edsicas que constituyen los cimientos del despliegue de la IA, hasta los efectos de rebote y las consecuencias posteriores en los hogares, las empresas y los gobiernos que utilizan los sistemas de IA a un ritmo sin precedentes.<\/p>\n\n\n\n

Utilizamos el t\u00e9rmino \u00abonda de choque\u00bb para destacar los niveles colosales de inversi\u00f3n que impulsan la expansi\u00f3n y la difusi\u00f3n de las tecnolog\u00edas de IA. No nos pronunciamos aqu\u00ed sobre si estas tecnolog\u00edas son, en s\u00ed mismas, impresionantes o revolucionarias. Las tecnolog\u00edas pueden extenderse por todo tipo de razones, a veces porque son verdaderamente revolucionarias y otras porque simplemente son impuestas a la sociedad por las clases dominantes. Sin duda, algunas caracter\u00edsticas de los modelos de IA son impresionantes y cambiar\u00e1n la naturaleza del trabajo y de la sociedad humana en sentido amplio, pero, al mismo tiempo, estos modelos tambi\u00e9n presentan debilidades fundamentales o problemas potenciales que podr\u00edan limitar su difusi\u00f3n y su universalidad en el futuro, en particular las alucinaciones, los \u00abmuros de datos\u00bb [barrera te\u00f3rica y t\u00e9cnica a la que se enfrentan los modelos de inteligencia artificial cuando su progreso se ve frenado por el agotamiento o la escasez de nuevos datos de alta calidad disponibles para entrenarlos], las barreras de abstracci\u00f3n [fen\u00f3meno por el cual las herramientas se vuelven cada vez m\u00e1s f\u00e1ciles de usar al ocultar la complejidad t\u00e9cnica subyacente] y muchas otras 7<\/a><\/sup>. Sea como fuere, este art\u00edculo no se centra en las ventajas y desventajas de la adopci\u00f3n de la IA. Se centra estrictamente en la contabilidad energ\u00e9tica y de emisiones, con el fin de ofrecer al p\u00fablico en general y a los investigadores una idea m\u00e1s clara de la magnitud y el alcance de la difusi\u00f3n de la IA, as\u00ed como de las presiones que ejerce sobre los recursos del planeta. Los autores de este art\u00edculo coinciden en que la especulaci\u00f3n financiera en torno al sector de la IA se convirti\u00f3 en una burbuja y que, al igual que todas las burbujas anteriores, \u00e9sta llegar\u00e1 a su fin, lo que provocar\u00e1 una ca\u00edda vertiginosa del volumen de inversiones a nivel mundial. Sin embargo, la fecha en la que esto podr\u00eda ocurrir y el impacto que podr\u00eda tener en la presente evaluaci\u00f3n tambi\u00e9n quedan fuera del alcance de este art\u00edculo.<\/p>\n\n\n\n

***<\/p>\n\n\n\n

En 2026, nuestro an\u00e1lisis revela que la difusi\u00f3n y el despliegue de la IA son responsables de nada menos que el 1,1 % de la demanda energ\u00e9tica mundial total<\/strong>, una cifra claramente superior a lo que sugieren la mayor\u00eda de las estimaciones convencionales simplistas. Por ejemplo, un an\u00e1lisis simplista de Our World in Data<\/em> afirma que la difusi\u00f3n de la IA solo representa el 0,2 % de la demanda mundial de energ\u00eda primaria 8<\/a><\/sup>. Como explicamos detalladamente en este art\u00edculo, este tipo de evaluaciones suelen ser de poca utilidad, ya que se centran \u00fanicamente en el consumo de electricidad e ignoran la din\u00e1mica energ\u00e9tica m\u00e1s amplia a lo largo de todo el ciclo de vida que impulsa la difusi\u00f3n de la IA a escala mundial. De hecho, demostramos que el consumo energ\u00e9tico mundial relacionado con la IA probablemente ya sea superior al del Reino Unido en su conjunto. Tambi\u00e9n estimamos que la IA ser\u00e1 responsable de aproximadamente el 1,2 % del total de las emisiones mundiales de GEI<\/strong> para este a\u00f1o. Se trata de cifras asombrosas que contradicen los discursos habituales sobre la relativa insignificancia de la IA en el consumo energ\u00e9tico mundial.<\/p>\n\n\n\n

No pretendemos que los resultados aqu\u00ed presentados constituyan respuestas definitivas a las preguntas que hemos planteado. En efecto, queremos reconocer abiertamente, desde el principio, que nuestra metodolog\u00eda y nuestros c\u00e1lculos, que se exponen en detalle a continuaci\u00f3n, adolecen de diversas lagunas, omisiones e hip\u00f3tesis simplificadoras, casi todas ellas necesarias dado el alcance de este an\u00e1lisis y las limitaciones relacionadas con los datos. Estos puntos ser\u00e1n abordados en detalle, lo que, esperamos, ahorrar\u00e1 a nuestros detractores muchos esfuerzos in\u00fatiles. Los resultados de este an\u00e1lisis deben considerarse como una aproximaci\u00f3n de primer orden y como un punto de partida hacia investigaciones y estudios m\u00e1s exhaustivos, de modo que las evaluaciones detalladas de segundo y tercer orden puedan conducir a respuestas m\u00e1s precisas en el futuro.<\/p>\n\n\n\n

La cantidad de trabajo que queda por realizar en este \u00e1mbito es considerable. Nuestros principales objetivos para este art\u00edculo son los siguientes:<\/p>\n\n\n\n

-Queremos promover un cambio en la forma en que el p\u00fablico en general, los investigadores universitarios, las grandes empresas y los gobiernos abordan la IA y su impacto en el consumo de energ\u00eda, las emisiones de gases de efecto invernadero y la bi\u00f3sfera planetaria. Esto implica, ante todo, explicar por qu\u00e9 los discursos actuales son totalmente insuficientes y, a continuaci\u00f3n, proponer mejores alternativas para abordar los desafios a los que nos enfrentamos.<\/p>\n\n\n\n

-Esperamos fomentar la continuaci\u00f3n de la investigaci\u00f3n en este \u00e1mbito para que otros grupos puedan llegar a respuestas mejores que las que aqu\u00ed presentamos.<\/p>\n\n\n\n

-Esperamos que este art\u00edculo pueda servir de marco de referencia para futuras medidas pol\u00edticas destinadas a afianzar un mayor control p\u00fablico y democr\u00e1tico sobre el alcance, la magnitud y la velocidad de la onda de choque relacionada con la difusi\u00f3n de la IA que actualmente sacude a gran parte del mundo.<\/p>\n\n\n\n

IA y energ\u00eda: una introducci\u00f3n<\/strong><\/p>\n\n\n\n

El t\u00e9rmino \u00abinteligencia artificial\u00bb suscita numerosas opiniones e interpretaciones. El primer punto de partida de este an\u00e1lisis consiste en determinar qu\u00e9 entendemos por IA. En este contexto, definimos la IA como cualquier sistema generativo, ag\u00e9ntico, software o rob\u00f3tico que se base parcial o totalmente en la l\u00f3gica simb\u00f3lica cl\u00e1sica (como los marcos rob\u00f3ticos TAMP, en los que los planificadores de l\u00f3gica simb\u00f3lica se combinan con la visi\u00f3n por ordenador, el reconocimiento de patrones geom\u00e9tricos, etc.), el aprendizaje profundo con redes neuronales o una combinaci\u00f3n de ambos.<\/p>\n\n\n\n

Quedan excluidos<\/strong> de esta definici\u00f3n los modelos, sistemas y procesos basados en t\u00e9cnicas como la regresi\u00f3n log\u00edstica, los bosques aleatorios (random forest<\/em>, algoritmo de aprendizaje autom\u00e1tico, ndt) o el gradient boosting [combinaci\u00f3n progresiva de entidades d\u00e9biles<\/em>]. Se incluyen<\/strong> en esta definici\u00f3n los grandes modelos ling\u00fc\u00edsticos (LLM) como ChatGPT, Claude, Copilot y Gemini, pero tambi\u00e9n los agentes de IA, los veh\u00edculos aut\u00f3nomos, los robots industriales, los robots aut\u00f3nomos, el software de apoyo a la toma de decisiones en la empresa \u2014como los sistemas de apoyo a la toma de decisiones cl\u00ednicas en los hospitales\u2014 y muchos otros. En t\u00e9rminos sencillos: si se recurre de alguna manera a la l\u00f3gica simb\u00f3lica o a las redes neuronales, se clasifica en la categor\u00eda de IA a efectos de este an\u00e1lisis. Los debates filos\u00f3ficos sobre qu\u00e9 constituye la inteligencia y sobre si los LLM o los agentes de IA son realmente seres conscientes o intelectuales quedan fuera del alcance de este an\u00e1lisis.<\/p>\n\n\n\n

La mayor\u00eda de los usuarios interact\u00faan con los sistemas de IA sin prestar atenci\u00f3n a las condiciones subyacentes necesarias para su creaci\u00f3n. Sin embargo, antes de que un modelo o un sistema de IA pueda ponerse en marcha, debe ser entrenado y desarrollado. Esto requiere el almacenamiento de grandes cantidades de datos en el cloud. Implica el despliegue de equipos especializados, como procesadores gr\u00e1ficos (GPU), aceleradores, chips de memoria, racks de servidores, conmutadores de red, transceptores \u00f3pticos, cables de fibra \u00f3ptica, refrigeradores, torres de refrigeraci\u00f3n y muchos otros elementos m\u00e1s. Para satisfacer las exigencias del c\u00e1lculo de IA de alto rendimiento, se conectan entre s\u00ed miles de GPU para que funcionen como un superordenador de facto, a menudo con la ayuda de chips de memoria de alto ancho de banda (HBM) apilados verticalmente junto a los GPU. Los GPU reciben datos de entrada e instrucciones procedentes del exterior y los utilizan para realizar c\u00e1lculos r\u00e1pidos, en forma de multiplicaciones matriciales que implementan las arquitecturas de redes neuronales que constituyen el n\u00facleo de los sistemas modernos de IA (v\u00e9ase la ilustraci\u00f3n 2). Todos estos componentes deben fabricarse, transportarse, instalarse, repararse y mantenerse en funcionamiento continuo para garantizar que puedan respaldar adecuadamente la difusi\u00f3n y el despliegue de la IA. Y una vez que los modelos de IA se han entrenado y desplegado, los usuarios env\u00edan consultas y comandos como entradas y reciben diversos resultados, que van desde texto escrito y diagramas hasta im\u00e1genes y v\u00eddeos.<\/p>\n\n\n

\n
\"\"
La arquitectura Blackwell de NVIDIA, aut\u00e9ntico motor de la revoluci\u00f3n de la IA, se compone de dos GPU Blackwell conectadas a una CPU Grace. Una sola GPU Blackwell contiene m\u00e1s de 200 000 millones de transistores, lo que la convierte en el chip m\u00e1s r\u00e1pido y potente del planeta. Grace se encarga del procesamiento y la coordinaci\u00f3n de los datos, desempe\u00f1ando el papel de director de orquesta, mientras que las GPU tocan a un ritmo fren\u00e9tico todos los instrumentos.<\/sub><\/figcaption><\/figure>\n<\/div>\n\n\n

<\/p>\n\n\n\n

Emma Strubell [Universidad Carnegie Mellon, Instituto de Tecnolog\u00edas del Lenguaje] y sus colaboradores publicaron en 2019 un art\u00edculo de gran relevancia que llam\u00f3 la atenci\u00f3n de todo el mundo sobre los modelos de IA de alto consumo energ\u00e9tico que se estaban desarrollando en aquel momento 9<\/a><\/sup>. Por ejemplo, el art\u00edculo conclu\u00eda que el entrenamiento de un modelo de IA de primera generaci\u00f3n mediante una metodolog\u00eda de b\u00fasqueda de arquitectura neuronal emitir\u00eda el equivalente a 600 000 libras [unos 271 000 kg] de di\u00f3xido de carbono, lo que equivale aproximadamente a lo que emiten 30 000 coches en Estados Unidos en un solo d\u00eda en condiciones normales de conducci\u00f3n.<\/p>\n\n\n\n

Aunque ese art\u00edculo fue revolucionario, marc\u00f3 el inicio de una tendencia lamentable que consiste en analizar la demanda energ\u00e9tica de la IA principalmente a trav\u00e9s del prisma del consumo el\u00e9ctrico operativo, una tendencia que ha persistido en numerosos estudios recientes, de donde provienen datos anecd\u00f3ticos como que \u00abel entrenamiento del GPT-4 de OpenAI [de Sam Altman] cost\u00f3 m\u00e1s de 100 millones de d\u00f3lares y consumi\u00f3 50 gigavatios-hora de energ\u00eda, lo que equivale a lo necesario para abastecer a San Francisco durante tres d\u00edas\u00bb 10<\/a><\/sup>. Esta tendencia a analizar las necesidades y la capacidad operativas llev\u00f3 a la mayor\u00eda de las publicaciones acad\u00e9micas sobre el tema a ignorar en gran medida las din\u00e1micas del ciclo de vida<\/strong>, como los procesos previos y posteriores afectados por la implantaci\u00f3n de la IA. A esta altura, todo el mundo sabe que una consulta t\u00edpica en ChatGPT puede consumir hasta diez veces m\u00e1s electricidad que una b\u00fasqueda habitual en Google 11<\/a><\/sup>. Pero el consumo de electricidad es solo un aspecto de esta historia, y ni siquiera es el m\u00e1s importante.<\/p>\n\n\n\n

Udit Gupta [de Cornell Tech, especializado en la interacci\u00f3n entre la arquitectura inform\u00e1tica, los sistemas, el aprendizaje autom\u00e1tico y la sostenibilidad medioambiental] y sus colaboradores cuestionaron este enfoque centrado en el consumo operativo en un art\u00edculo innovador publicado en 2021, en el que demostraron que las emisiones intr\u00ednsecas superan con creces las emisiones operativas de los sistemas inform\u00e1ticos modernos 12<\/a><\/sup>. Varios estudios han examinado las relaciones entre los modelos de IA, la energ\u00eda y las emisiones a lo largo de todo el ciclo de vida. En un art\u00edculo publicado en 2022, Sasha Luccioni [actualmente titular de la c\u00e1tedra de Justicia Social e IA de la \u00c9cole normale sup\u00e9rieure] y su equipo estimaron las emisiones totales a lo largo de todo el ciclo de vida relacionadas con el entrenamiento del modelo de IA BLOOM 13<\/a><\/sup>. Confirmando los resultados de Gupta y otros investigadores, demostraron que el carbono intr\u00ednseco del hardware inform\u00e1tico superaba con creces las emisiones relacionadas con el funcionamiento resultantes del propio entrenamiento del modelo.<\/p>\n\n\n\n

En un famoso art\u00edculo publicado en 2023, Alex de Vries [Universidad de \u00c1msterdam] demostr\u00f3 que las necesidades de inferencia de la IA pronto superar\u00edan con creces el consumo el\u00e9ctrico utilizado para el entrenamiento 14<\/a><\/sup>. El art\u00edculo model\u00f3 varios escenarios futuros de consumo el\u00e9ctrico, y el escenario m\u00e1s pesimista a corto plazo preve\u00eda que el consumo el\u00e9ctrico de Google alcanzara el mismo nivel que el de Irlanda. Sin embargo, el an\u00e1lisis se centr\u00f3 \u00fanicamente en el consumo el\u00e9ctrico y pas\u00f3 por alto los efectos de red, as\u00ed como la din\u00e1mica del ciclo de vida de la implantaci\u00f3n de la IA. Otros investigadores han demostrado que los sistemas de IA pueden presentar huellas de carbono radicalmente diferentes seg\u00fan el lugar, el momento y la forma en que se ejecutan, especialmente cuando no disponen de suficiente capacidad de almacenamiento en bater\u00edas y est\u00e1n sujetos a las variaciones propias de la energ\u00eda e\u00f3lica y solar 15<\/a><\/sup>. Por ejemplo, algunas cargas de trabajo relacionadas con la IA podr\u00edan transferirse a centros de datos alimentados con energ\u00edas renovables, lo que reducir\u00eda as\u00ed sus emisiones.<\/p>\n\n\n\n

***<\/p>\n\n\n\n

Los centros de datos y otras infraestructuras de IA se basan fundamentalmente en minerales y materias primas cr\u00edticas extra\u00eddas de la Tierra. El cobre se utiliza para el cableado, el litio para las bater\u00edas y los elementos de tierras raras forman parte de la composici\u00f3n de los imanes industriales que se emplean en los ventiladores de refrigeraci\u00f3n y los discos duros. Todos estos minerales y elementos esenciales proceden de diversas cadenas de suministro globales, complejas y extractivas 16<\/a><\/sup>. Las operaciones mineras necesarias para obtener estas materias primas tienen una importante huella de carbono, ya que acaban destruyendo los sumideros de carbono y los paisajes locales, por no hablar de las emisiones relacionadas con el funcionamiento de gigantescos veh\u00edculos y maquinaria que funcionan con di\u00e9sel, como las perforadoras rotativas con explosivos. El procesamiento de una sola tonelada de metales de tierras raras genera unas 2.000 toneladas de residuos t\u00f3xicos 17<\/a><\/sup>. En Baotou, China [Mongolia Interior], se form\u00f3 un inmenso lago de lodos t\u00f3xicos a lo largo de los a\u00f1os como consecuencia del procesamiento de tierras raras, lo que deterior\u00f3 la calidad del agua local y devast\u00f3 las comunidades de la zona.<\/p>\n\n\n\n

La industria de los semiconductores es el motor del desarrollo de los centros de datos. Los semiconductores se fabrican en plantas de fabricaci\u00f3n, o \u00abfabs\u00bb. Muchas empresas consideradas fabricantes de semiconductores, en realidad, no producen sus propios chips o componentes. En su lugar, subcontratan la producci\u00f3n a terceros fabricantes. El fabricante de semiconductores m\u00e1s importante del mundo es Taiwan Semiconductor Manufacturing Company (TSMC). TSMC funciona seg\u00fan un modelo econ\u00f3mico de fundici\u00f3n, lo que significa que no dise\u00f1a nada, sino que se limita a fabricar los dispositivos y componentes f\u00edsicos. Otras empresas, como NVIDIA [Jen-Hsun Huang] o AMD [procesadores GPU, directora ejecutiva Lisa Su], son empresas de software que se encargan del dise\u00f1o y, a continuaci\u00f3n, env\u00edan sus planos a TSMC para que \u00e9sta pueda producir los chips correspondientes. En sentido estricto, TSMC es un fabricante de chips, mientras que una empresa como NVIDIA es un dise\u00f1ador de chips.<\/p>\n\n\n\n

Y estas empresas no representan m\u00e1s que una \u00ednfima parte de la industria de los semiconductores. Los microchips se fabrican mediante un proceso muy complejo que incluye etapas como el grabado, la fotolitograf\u00eda, la deposici\u00f3n, las pruebas y el montaje, todas las cuales requieren algunas de las m\u00e1quinas y equipos de fabricaci\u00f3n m\u00e1s avanzados que la humanidad haya concebido jam\u00e1s. La empresa neerlandesa ASML fabrica las m\u00e1quinas de litograf\u00eda m\u00e1s avanzadas del mundo, que utilizan sensores y l\u00e1seres de \u00faltima generaci\u00f3n para grabar patrones complejos en placas de silicio. Applied Materials produce algunos de los sistemas de dep\u00f3sito m\u00e1s avanzados del mundo. Adem\u00e1s, estos chips de IA se apoyan en un ecosistema f\u00edsico compuesto por armarios de servidores, conmutadores de red, emisores-receptores \u00f3pticos, sistemas de refrigeraci\u00f3n y cables de fibra \u00f3ptica (v\u00e9ase la ilustraci\u00f3n 3). Los propios racks de servidores requieren grandes cantidades de acero y aluminio, dos metales procedentes de industrias con un alto consumo energ\u00e9tico que emiten enormes cantidades de di\u00f3xido de carbono.<\/p>\n\n\n

\n
\"\"
Esquema de un centro de datos t\u00edpico, es decir, una instalaci\u00f3n especializada que alberga amplias filas y armarios de equipos inform\u00e1ticos. Dado que este equipo genera mucho calor cuando est\u00e1 en funcionamiento, los centros de datos est\u00e1n equipados con sofisticados sistemas de refrigeraci\u00f3n destinados a evacuar el exceso de calor al exterior, lo que permite que los servidores sigan funcionando sin interrupciones y cumplan su funci\u00f3n.<\/sub><\/figcaption><\/figure>\n<\/div>\n\n\n

<\/p>\n\n\n\n

En 2023, los centros de datos estadounidenses representaban aproximadamente el 4,4 % del consumo nacional de electricidad, es decir, 180 TWh, lo que equivale m\u00e1s o menos al consumo total de Tailandia y a unas cuatro veces el de la ciudad de Nueva York 18<\/a><\/sup>. En 2000, solo representaban el 0,1 % del consumo total de electricidad; por lo tanto, su participaci\u00f3n en el consumo nacional aument\u00f3 un 4000 % en menos de 25 a\u00f1os 19<\/a><\/sup>. En otros pa\u00edses, la proporci\u00f3n de los centros de datos en el consumo nacional de electricidad es a\u00fan mayor; representaban m\u00e1s del 10 % de la producci\u00f3n total de electricidad de Irlanda en 2021, y se estima que en la actualidad rondan el 20 % del consumo total de electricidad del pa\u00eds 20<\/a><\/sup>.<\/p>\n\n\n\n

Dediquemos un momento a explicar nuestro enfoque de las unidades en este an\u00e1lisis. La unidad que utilizamos con mayor frecuencia es el teravatio-hora (TWh), una unidad de energ\u00eda. A modo de comparaci\u00f3n, 1 TWh de energ\u00eda permite abastecer de electricidad a unos 100 000 hogares estadounidenses medios durante un a\u00f1o. Tambi\u00e9n haremos referencia a otras unidades en funci\u00f3n de las utilizadas en las fuentes originales que citamos, como los megajulios (MJ) o los exajulios (EJ), que son ambas unidades de energ\u00eda. Asimismo, utilizaremos unidades como el gigavatio (GW), una unidad de potencia. La potencia se define simplemente como la energ\u00eda por unidad de tiempo. A modo de comparaci\u00f3n, 1 GW de capacidad de potencia puede cubrir el consumo de unos 750 000 hogares estadounidenses, aunque esta cifra puede alcanzar casi un mill\u00f3n en determinadas circunstancias 21<\/a><\/sup>. Dado que utilizamos tantos tipos de unidades diferentes, realizaremos numerosas conversiones entre ellas. El objetivo de este an\u00e1lisis es reducir al m\u00ednimo los c\u00e1lculos y las ecuaciones; por lo tanto, no presentaremos todos los pasos de conversi\u00f3n necesarios.<\/p>\n\n\n\n

La eficiencia de los centros de datos ha mejorado considerablemente con el paso del tiempo. El \u00edndice de eficiencia energ\u00e9tica (PUE) corresponde al consumo total de energ\u00eda de un centro de datos dividido por la energ\u00eda consumida por su equipo inform\u00e1tico. Por definici\u00f3n, esta cifra siempre ser\u00e1 superior a 1, y cuanto m\u00e1s se acerque a 1, m\u00e1s eficiente se considera el centro de datos. Hace unos 15 a\u00f1os, el PUE de los centros de datos se situaba de media en torno a 2 22<\/a><\/sup>. Hoy en d\u00eda, las principales instalaciones hiperescala [sistema a gran escala, destinado a alojar y gestionar varios miles de servidores, capaz de adaptarse r\u00e1pidamente a grandes demandas de recursos] suelen alcanzar valores comprendidos entre 1,1 y 1,2, mientras que las medias globales del parque se sit\u00faan m\u00e1s bien entre 1,4 y 1,6, lo que representa una mejora significativa en t\u00e9rminos de eficiencia media 23<\/a><\/sup>. Esta mejora de la eficiencia forma parte de una tendencia m\u00e1s amplia del sector inform\u00e1tico, ilustrada por la ley de Koomey, que observa que el n\u00famero de c\u00e1lculos por julio de energ\u00eda disipada se duplica aproximadamente cada dos a\u00f1os.<\/p>\n\n\n\n

A pesar de este incre\u00edble aumento de la eficiencia, el consumo el\u00e9ctrico total de los centros de datos ha aumentado de forma espectacular, tal y como vimos antes. Se trata de un ejemplo cl\u00e1sico de la paradoja de Jevons en acci\u00f3n. Esta paradoja, que debe su nombre al economista brit\u00e1nico William Stanley Jevons \u2014quien observ\u00f3 en el siglo XIX que el consumo global de carb\u00f3n segu\u00eda aumentando en Gran Breta\u00f1a a pesar de que las m\u00e1quinas de vapor ganaban en eficiencia\u2014, establece que, cuanto m\u00e1s eficientes se vuelven los sistemas industriales y tecnol\u00f3gicos bajo el capitalismo, m\u00e1s energ\u00eda consumen, ya que los costos de producci\u00f3n disminuyen, los productos se abaratan o se vuelven m\u00e1s rentables, y la demanda aumenta en consecuencia. Las pruebas emp\u00edricas que lo respaldan son abrumadoras 24<\/a><\/sup>.<\/p>\n\n\n\n

M\u00e1s all\u00e1 de los centros de datos, se pueden encontrar numerosos ejemplos en la historia moderna. La producci\u00f3n de acero se dispar\u00f3 despu\u00e9s de que el proceso Bessemer hiciera m\u00e1s eficiente la fabricaci\u00f3n de acero 25<\/a><\/sup>. La producci\u00f3n de fertilizantes se dispar\u00f3 despu\u00e9s de que el proceso Haber-Bosch hiciera que la producci\u00f3n de amon\u00edaco fuera mucho m\u00e1s eficiente 26<\/a><\/sup>. El consumo de agua en la agricultura mundial alcanz\u00f3 m\u00e1ximos hist\u00f3ricos a finales del siglo XX con la introducci\u00f3n de m\u00e9todos de riego m\u00e1s eficientes 27<\/a><\/sup>. La lista es a\u00fan m\u00e1s larga. Tal y como se explica en The Physics of Capitalism<\/em> y en este art\u00edculo<\/em><\/a>, el cambio tecnol\u00f3gico bajo el capitalismo suele estar orientado hacia el aumento de la exerg\u00eda<\/em>, es decir, el trabajo \u00fatil m\u00e1ximo que puede extraerse de un sistema cuando alcanza el equilibrio con su entorno. En otras palabras, los capitalistas buscan sistem\u00e1ticamente ampliar la escala del sistema energ\u00e9tico construyendo dispositivos que consumen m\u00e1s energ\u00eda, y luego aprovechan las ganancias de eficiencia resultantes para estimular a\u00fan m\u00e1s la producci\u00f3n y el consumo, ya que todo el sistema est\u00e1 estructuralmente orientado hacia el crecimiento biof\u00edsico.<\/p>\n\n\n\n

***<\/p>\n\n\n\n

Este fen\u00f3meno tambi\u00e9n se observa f\u00e1cilmente a nivel de los dispositivos. Un chip de IA Hopper t\u00edpico de NVIDIA consume unos 700 W 28<\/a><\/sup>. El chip Blackwell de nueva generaci\u00f3n es mucho m\u00e1s eficiente, ya que puede realizar m\u00e1s c\u00e1lculos por unidad de energ\u00eda consumida, pero tambi\u00e9n funciona a unos 1200 W 29<\/a><\/sup>. Los chips m\u00e1s recientes, como Rubin, ser\u00e1n a\u00fan m\u00e1s eficientes, pero es probable que esto conduzca a una mayor adopci\u00f3n y difusi\u00f3n y, por lo tanto, a un mayor consumo de energ\u00eda. Puede que los chips de IA ganen en eficiencia, pero tambi\u00e9n se vuelven m\u00e1s voraces en cuanto al consumo de energ\u00eda por unidad 30<\/a><\/sup>. Esto es lo que tambi\u00e9n ocurri\u00f3 con las m\u00e1quinas de vapor durante la Revoluci\u00f3n Industrial. Las primeras m\u00e1quinas de vapor pod\u00edan generar mucha menos energ\u00eda mec\u00e1nica que las versiones posteriores; as\u00ed, no solo se volvieron m\u00e1s eficientes, sino que tambi\u00e9n se hicieron m\u00e1s grandes, m\u00e1s complejas y m\u00e1s devoradoras de energ\u00eda.<\/p>\n\n\n\n

Los sistemas complejos pueden aumentar de tama\u00f1o porque ganan en eficiencia, pero tambi\u00e9n ocurre que los choques ex\u00f3genos que afectan a su escala energ\u00e9tica obligan o impulsan a los componentes del sistema a ser m\u00e1s eficientes. Estas son algunas de las din\u00e1micas que subyacen al desarrollo de las infraestructuras de IA a escala mundial: la b\u00fasqueda de la mejora va de la mano de una tendencia al aumento de tama\u00f1o, lo que se traduce, por ejemplo, en chips m\u00e1s grandes, robots m\u00e1s imponentes, centros de datos a hiperescala, etc. Este frenes\u00ed infraestructural tambi\u00e9n se ve impulsado en parte por las denominadas \u00ableyes de escalabilidad de la IA\u00bb, que han convencido a gran parte del mundo tecnol\u00f3gico de que inyectar m\u00e1s datos y recursos computacionales en las redes neuronales mejorar\u00e1 considerablemente su rendimiento con el paso del tiempo 31<\/a><\/sup>. Una de las grandes inc\u00f3gnitas sobre el futuro del desarrollo de las infraestructuras de IA radica en la direcci\u00f3n que tomar\u00e1 el sector tecnol\u00f3gico si estas leyes de evoluci\u00f3n comienzan a toparse con obst\u00e1culos y l\u00edmites insuperables. El agua es uno de los recursos biof\u00edsicos m\u00e1s limitados para el sector de la IA, pero tambi\u00e9n es uno de los temas menos comprendidos en el contexto m\u00e1s amplio de la cuesti\u00f3n energ\u00e9tica relacionada con la IA; por lo tanto, debemos adquirir una comprensi\u00f3n clara de c\u00f3mo se integra en el resto del sistema.<\/p>\n\n\n\n

-Art\u00edculo publicado en el sitio de Erald Kolasi<\/a><\/em>, 27-7-2026. A l\u2019encontre<\/a><\/em> ya public\u00f3 la segunda parte y terecera parte, que traduciremos pronto.<\/p>\n\n\n\n

*Erald Kolasi<\/strong> es f\u00edsico y economista. Autor de numerosos art\u00edculos sobre \u00abdin\u00e1micas ecol\u00f3gicas\u00bb. Jesse Damiani<\/strong> escribe sobre tecnolog\u00edas emergentes, entre otros temas, para la revista Forbes<\/em>.<\/p>\n\n\n\n

Notas<\/strong><\/p>\n\n\n\n

<\/p>\n\n\n","protected":false},"excerpt":{"rendered":"

Las inversiones masivas de los multimillonarios propietarios del sistema productivo subyacente a la IA se enfrentan pues, a una contestaci\u00f3n social y pol\u00edtica. Ahora bien, esta oligarqu\u00eda econ\u00f3mica se caracteriza por una voluntad ultrautoritaria para defender sus imponentes intereses. Aqu\u00ed queda claro el entrelazamiento social y pol\u00edtico entre los c\u00edrculos trumpistas y esta plutocracia, que organizan un intento de hegemon\u00eda pol\u00edtico-doctrinal. <\/p>\n","protected":false},"author":102520410,"featured_media":55865,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_coblocks_attr":"","_coblocks_dimensions":"","_coblocks_responsive_height":"","_coblocks_accordion_ie_support":"","advanced_seo_description":"","jetpack_seo_html_title":"","jetpack_seo_noindex":false,"jetpack_seo_schema_type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_hide_featured_image":false,"_jetpack_featured_image_duplicate_dismissed":0,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[31683],"tags":[],"class_list":["post-55850","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-medio-ambiente","fallback-thumbnail"],"jetpack_likes_enabled":false,"jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/p7lt2C-ewO","amp_enabled":true,"jetpack_featured_media_url":"https:\/\/i0.wp.com\/correspondenciadeprensa.com\/wp-content\/uploads\/2026\/11\/MadioAmbiente08112026ppp.jpg?fit=696%2C329&ssl=1","_links":{"self":[{"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=\/wp\/v2\/posts\/55850","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=\/wp\/v2\/users\/102520410"}],"replies":[{"embeddable":true,"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=55850"}],"version-history":[{"count":14,"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=\/wp\/v2\/posts\/55850\/revisions"}],"predecessor-version":[{"id":55869,"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=\/wp\/v2\/posts\/55850\/revisions\/55869"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=\/wp\/v2\/media\/55865"}],"wp:attachment":[{"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=55850"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=55850"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/correspondenciadeprensa.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=55850"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}