60 centros de datos de IA planificados podrían emitir tanto como 24 millones de coches
Google News destacó esta semana una afirmación provocadora: los centros de datos de IA planificados podrían emitir tanto dióxido de carbono como 24 millones de coches de gasolina. CarBuzz convirtió esa comparación en un consejo irresistible para los aficionados. Conduce el coche deportivo, sugería el titular, porque la infraestructura de IA representa una amenaza atmosférica mayor.
La estimación subyacente merece atención, pero no concede a nadie una exención climática. Compara 60 centros de datos estadounidenses planificados con 24 millones de coches promedio en funcionamiento durante un año. No compara un coche deportivo con una consulta de IA, un servidor ni siquiera una instalación.
Esa distinción deja al descubierto el verdadero conflicto. Amazon, Google, Meta y Microsoft quieren más capacidad de cómputo mientras mantienen ambiciosos compromisos climáticos. Las empresas de servicios públicos deben atender esa demanda de forma continua, a menudo antes de que haya suficiente generación y transmisión bajas en carbono disponibles.
El resultado no es una simple competición entre coches y ordenadores. Es una pugna entre la rápida construcción de infraestructura de IA y la transformación más lenta de la red eléctrica. Esa brecha temporal determina si los nuevos centros de datos aceleran la inversión en energía limpia o prolongan la dependencia del gas y el carbón.
Qué mide realmente la afirmación de los 24 millones de coches
El titular describe una posible huella anual de 60 instalaciones futuras, no emisiones que ya estén entrando hoy en la atmósfera.
Un análisis del Financial Times examinó 60 grandes centros de datos planificados por Amazon, Google, Meta y Microsoft en todo Estados Unidos. Según un resumen de la investigación, las instalaciones podrían generar 101,5 millones de toneladas métricas de dióxido de carbono al año una vez que estén plenamente operativas.
Esa cifra supone que los proyectos reciben electricidad que refleja una instantánea reciente de la generación eléctrica estadounidense. Convierte su consumo eléctrico previsto en emisiones asociadas del sector energético. Por tanto, el cálculo depende tanto de la demanda proyectada como de la intensidad de carbono de la electricidad que la suministra.
El análisis expresó los 101,5 millones de toneladas métricas mediante tres comparaciones. Equivale a aproximadamente el 7 por ciento de las emisiones del sector eléctrico de Estados Unidos durante 2025. También se asemeja a las emisiones anuales de 27 centrales de carbón o 24 millones de coches de gasolina.
La comparación con los coches se ajusta en líneas generales a los datos federales de conversión. La Environmental Protection Agency afirma que un vehículo de pasajeros promedio emite alrededor de 4,6 toneladas métricas de dióxido de carbono al año. Su estimación supone 11.500 millas de conducción y un consumo de combustible de aproximadamente 22,2 millas por galón.
Multiplicar ese promedio por 24 millones de vehículos produce aproximadamente 110 millones de toneladas métricas. El resultado se sitúa cerca de la estimación de los centros de datos, aunque cada cálculo contiene supuestos y criterios de redondeo distintos. La comparación comunica escala, pero no establece efectos ambientales idénticos.
Las emisiones de los vehículos se producen en carreteras y dentro de las comunidades. Las emisiones del sector eléctrico se originan en plantas de generación, mientras que los centros de datos crean cargas eléctricas muy concentradas en otros lugares. Los coches también provocan emisiones de fabricación, demanda de carreteras, contaminación por neumáticos y gases de escape locales que la simple comparación anual excluye.
Los centros de datos también implican más que electricidad operativa. La construcción de estructuras, la fabricación de procesadores, la producción de equipos de respaldo y el desarrollo de infraestructura eléctrica conllevan emisiones incorporadas. El consumo de agua y la contaminación atmosférica local añaden otras dimensiones ambientales.
La cifra de 101,5 millones de toneladas también es condicional. Las 60 instalaciones deben alcanzar la escala operativa modelada, y la mezcla de generación supuesta debe seguir siendo pertinente. Retrasos, cancelaciones, mejoras de eficiencia, electricidad más limpia o una menor utilización cambiarían el resultado.
Google News condensó esas salvedades en una comparación muy fácil de compartir. Ese proceso es normal en la agregación de noticias, pero el encuadre abreviado puede hacer que un escenario parezca un resultado medido. «Podrían emitir» se vuelve fácil de recordar como «emitirán».
La distinción importa porque las decisiones de inversión aún pueden modificar el resultado. Las instalaciones no son automóviles con depósitos de combustible fijos. Sus emisiones dependen de lo que construyan las empresas de servicios públicos, de qué contratos energéticos firmen los desarrolladores y de cuándo se ejecuten las cargas de trabajo informáticas.
Eso convierte la estimación en una advertencia útil, más que en un inventario definitivo. Ilustra las consecuencias de atender enormes cargas nuevas con la actual mezcla de generación. No demuestra que cada instalación propuesta vaya a producir la parte de emisiones que se le atribuye.
El encuadre del coche deportivo también crea una falsa comparación personal. Que una persona conduzca de forma más agresiva no compensa ni influye de manera significativa en un proyecto de hiperescala. Ambas actividades añaden demanda dentro de sistemas distintos, y ninguna se vuelve inocua porque otra fuente sea mayor.
La pregunta seria no es si los conductores pueden dejar de preocuparse. Es si las empresas tecnológicas y las compañías eléctricas pueden cambiar los supuestos antes de que las instalaciones alcancen plena operación.
Google News hizo personal la comparación, pero la red determina el resultado
La huella de carbono de la IA depende menos de una dramática analogía con coches que de qué generadores responden cuando llega la demanda de los centros de datos.
Los centros de datos modernos contienen servidores, equipos de red, almacenamiento, sistemas de refrigeración, energía de respaldo y hardware de conversión eléctrica. La International Energy Agency estima que los servidores consumen alrededor del 60 por ciento de su electricidad. La refrigeración puede requerir entre el 7 y más del 30 por ciento, según el diseño de la instalación.
Las cargas de trabajo de IA aumentan la concentración de esa demanda. Los servidores acelerados utilizan procesadores especializados para el entrenamiento y la inferencia de modelos, es decir, la generación de respuestas después del entrenamiento. Miles de estos chips pueden funcionar juntos, creando cargas eléctricas densas y, en ocasiones, rápidamente cambiantes.
La perspectiva global de la International Energy Agency estimó que los centros de datos consumieron alrededor de 415 teravatios-hora en 2024. Eso representó aproximadamente el 1,5 por ciento del uso mundial de electricidad. El consumo había crecido alrededor de un 12 por ciento anual durante los cinco años anteriores.
La IEA proyecta aproximadamente 945 teravatios-hora para 2030 en su escenario base. Eso seguiría por debajo del 3 por ciento de la demanda mundial de electricidad, pero la concentración geográfica crea problemas locales más agudos. Una proporción global modesta aún puede desbordar subestaciones concretas, corredores de transmisión o mercados eléctricos regionales.
Estados Unidos presenta el ejemplo más claro. La agencia espera que el consumo eléctrico de los centros de datos estadounidenses aumente en aproximadamente 240 teravatios-hora entre 2024 y 2030. Eso representa un crecimiento de cerca del 130 por ciento respecto al nivel de 2024.
Construir un centro de datos puede llevar dos o tres años. Los grandes proyectos de transmisión y las nuevas centrales eléctricas suelen requerir mucho más tiempo. Por ello, los desarrolladores pueden terminar las instalaciones de cómputo antes de que las empresas de servicios públicos completen la infraestructura más limpia destinada a atenderlas.
Entonces, las empresas de servicios públicos recurren a generación que pueda obtener permisos, financiación, equipos y conexiones a la red dentro del plazo necesario. Las centrales de gas natural suelen ajustarse mejor a esa necesidad operativa que la transmisión retrasada o las tecnologías nucleares emergentes. Las centrales de carbón existentes también pueden permanecer abiertas más tiempo de lo previsto.
El análisis del Financial Times concluyó que tres cuartas partes de las empresas de servicios públicos que atienden los proyectos examinados estaban planificando o construyendo nueva generación a gas. Según los informes, el 17 por ciento comunicó a los reguladores que una instalación específica de hiperescala impulsaba la necesidad de nueva capacidad de gas.
Entre las empresas de servicios públicos que ya operaban centrales de carbón, un tercio estaba retrasando cierres, según el análisis. Esas decisiones revelan por qué las compras contractuales de renovables no cuentan toda la historia. Una empresa puede adquirir créditos de energía limpia mientras su carga incremental sigue afectando a la generación fósil.
La generación marginal es el recurso que responde cuando aumenta la demanda de electricidad. Su identidad cambia según la ubicación, la hora, la estación y el estado de la red. Un centro de datos conectado cerca de abundante energía limpia puede tener una huella distinta a la de un edificio idéntico en una red dominada por el gas.
La operación constante complica el panorama. La producción solar cae después de la puesta del sol, mientras que muchos servicios de IA permanecen disponibles las 24 horas. La producción eólica varía, y las baterías actualmente cubren duraciones limitadas en muchos mercados.
Los centros de datos pueden reducir el desajuste trasladando trabajos informáticos flexibles a horas más limpias. El entrenamiento de modelos y parte del procesamiento por lotes pueden tolerar cambios de programación. Los servicios interactivos requieren respuestas más rápidas, lo que limita cuánto pueden desplazar la demanda los operadores.
La flexibilidad geográfica ofrece otra herramienta. Los desarrolladores pueden ubicar instalaciones donde ya existan electricidad baja en carbono, capacidad de transmisión, climas más frescos y agua suficiente. Sin embargo, los requisitos de latencia, los incentivos fiscales, la disponibilidad de terrenos, la proximidad a los clientes y los permisos también influyen en la ubicación.
Por tanto, el resultado atmosférico surge de miles de decisiones de infraestructura. La comparación viral con los coches comprime esas decisiones en una sola cifra. Su valor reside en mostrar su escala combinada, no en sustituir el análisis subyacente.
Los lectores de Google News deberían considerar la cifra de 24 millones de coches como un escenario con variables ajustables. El carbono de la red, la finalización de las instalaciones, la eficiencia del hardware, la utilización y la flexibilidad de las cargas de trabajo siguen siendo variables. Cambiar cualquiera de ellas modifica el total.
Las promesas climáticas de Big Tech afrontan ahora su prueba más difícil
El conflicto principal es entre la rápida expansión de IA de Big Tech y su promesa de reducir emisiones, no entre los usuarios de IA y los propietarios de coches deportivos.
Amazon, Google, Meta y Microsoft llevan años presentando la energía limpia como compatible con el crecimiento digital continuado. La infraestructura de IA está poniendo a prueba esa posición porque la demanda de cómputo aumenta más rápido de lo que muchos proyectos eléctricos bajos en carbono pueden llegar a la red.
Google ilustra ambos lados del argumento. Su Informe Ambiental de 2025 señaló que las emisiones energéticas de los centros de datos disminuyeron un 12 por ciento durante 2024 pese al aumento de la demanda energética. La empresa también firmó acuerdos que implicaban más de 8 gigavatios de generación limpia.
Google informó de que su unidad de procesamiento tensorial Ironwood ofrecía casi 30 veces la eficiencia energética de su primer Cloud TPU de 2018. Esa comparación mide la computación máxima de baja precisión entregada por vatio a nivel de chip. No representa una reducción de treinta veces en el conjunto de los centros de datos.
La eficiencia reduce la electricidad necesaria para una cantidad fija de cómputo. Sin embargo, una computación más barata y capaz puede estimular demanda adicional. Las empresas pueden entrenar modelos más grandes, atender a más usuarios, procesar contextos más extensos y añadir vídeo generado o tareas basadas en agentes.
Este efecto rebote no vuelve irrelevante la eficiencia. Sin mejores hardware y software, la misma expansión requeriría todavía más electricidad. Sí significa que las métricas de eficiencia no pueden sustituir la divulgación de energía y emisiones absolutas.
El análisis vinculado al FT informó de un aumento de las emisiones empresariales a medida que se expandía la infraestructura. Según los informes, las emisiones totales de Amazon aumentaron un 16 por ciento entre 2024 y 2025. Microsoft informó de un aumento del 25 por ciento, impulsado principalmente por la expansión de la infraestructura de centros de datos.
Alphabet reconoció que su impacto climático estaba creciendo junto con la IA. También afirmó que su huella de carbono habría sido cinco veces mayor sin otras medidas de descarbonización. Ambas afirmaciones pueden ser ciertas porque las emisiones evitadas y las emisiones totales describen líneas de base diferentes.
Esa tensión contable está en el centro de la historia. Las empresas destacan los contratos de energía limpia, los procesadores eficientes y las emisiones evitadas gracias a la tecnología. Los críticos se centran en las emisiones absolutas, la nueva capacidad de combustibles fósiles, los materiales de construcción y los retrasos en el cierre de centrales eléctricas.
Ninguna de las dos perspectivas puede evaluarse con una sola métrica. La contabilidad de electricidad basada en el mercado atribuye el mérito de las compras contractuales de energía, incluso cuando una instalación consume electricidad en otras horas o en otra región de la red. La contabilidad basada en la ubicación refleja la combinación media de generación donde se produce el consumo.
La correspondencia horaria establece un estándar más estricto. Plantea si hay electricidad libre de carbono disponible en la misma región durante la hora en que una instalación consume energía. Lograr esa correspondencia requiere una combinación de generación, almacenamiento, transmisión, demanda flexible y recursos firmes de bajas emisiones.
Google ha apostado por energía geotérmica avanzada y acuerdos relacionados con pequeños reactores nucleares modulares. Otras empresas tecnológicas han firmado contratos de energía nuclear, solar, eólica y eliminación de carbono. Estos proyectos pueden ayudar a ampliar la oferta, pero muchos requieren años de desarrollo.
La infraestructura de gas opera en un calendario diferente. Una vez construida, una planta puede funcionar durante décadas y recuperar sus costes mediante los pagos de los clientes. Por tanto, una respuesta a corto plazo a la demanda de IA puede generar un compromiso de emisiones a largo plazo.
Las empresas también cuentan con una capacidad de influencia de la que carecen los clientes ordinarios de electricidad. Los hyperscalers pueden financiar generación, negociar tarifas, elegir ubicaciones y comprometerse con contratos de larga duración. Pueden respaldar proyectos de transmisión o aceptar límites operativos durante periodos de tensión en la red.
Los reguladores deben decidir quién asume el coste y el riesgo. Las empresas de servicios públicos podrían construir infraestructura en torno a una demanda prevista que después cambie debido a mejores chips, una adopción más débil de la IA o campus cancelados. Los clientes residenciales podrían afrontar tarifas más altas si falla la asignación de costes.
Por el contrario, las empresas tecnológicas pueden convertirse en clientes ancla para nueva generación limpia. Los compradores grandes y fiables pueden hacer que los proyectos sean financiables. Los centros de datos también pueden ofrecer demanda flexible si los operadores aceptan interrupciones o programan trabajos no urgentes según las condiciones de la red.
El conflicto entre promesa y realidad sigue sin resolverse porque ambas vías se están desarrollando al mismo tiempo. Big Tech está adquiriendo energía más limpia mientras las empresas de servicios públicos añaden capacidad fósil. El equilibrio final depende de qué proyectos entren en funcionamiento, dónde se conecten y cómo se gestione la demanda.
Por ello, los lectores que siguen a las empresas de IA deberían mirar más allá de los benchmarks de modelos. La adquisición de energía, las presentaciones ante las empresas de servicios públicos, los acuerdos de interconexión y las emisiones absolutas revelan ahora limitaciones estratégicas. Los planes de computación sin planes de energía creíbles son planes empresariales incompletos.
Por qué sigue siendo incierta la comparación de emisiones de la IA
La estimación de 101,5 millones de toneladas es una advertencia creíble, pero su precisión supera lo que cualquiera sabe sobre los proyectos finales y sus suministros eléctricos.
El cálculo abarca 60 instalaciones seleccionadas, no todos los centros de datos estadounidenses. Algunas están planificadas, mientras que otras se encuentran en desarrollo. Su capacidad final, fechas de finalización, tasas de utilización y fuentes de electricidad pueden cambiar antes de que estén plenamente operativas.
Los anuncios de proyectos suelen describir la capacidad máxima de un campus. Los operadores pueden construir campus por fases, instalar menos servidores o mantener los equipos por debajo de su utilización máxima. La demanda de electricidad también puede crecer gradualmente a medida que los clientes adopten nuevos servicios.
El hardware cambia rápidamente dentro de ese periodo de construcción. Los aceleradores más eficientes pueden reducir la energía por cálculo. Una mejor refrigeración, conversión de energía, redes y software pueden reducir la sobrecarga de las instalaciones. Los modelos más pequeños pueden realizar algunas tareas sin dirigir cada solicitud al sistema más grande.
Sin embargo, los nuevos formatos de IA pueden desplazar la demanda en sentido contrario. Generar vídeo suele requerir más computación que producir texto breve. Los sistemas de razonamiento pueden realizar muchos pasos internos de cálculo antes de devolver una respuesta. Los agentes autónomos pueden hacer llamadas repetidas a herramientas sin indicaciones humanas constantes.
Esta incertidumbre hace que una única estimación por consulta sea inadecuada. Una finalización breve de texto, una película generada y una tarea de investigación extensa no son unidades equivalentes. Los centros de datos también realizan almacenamiento en la nube, búsquedas, publicidad, computación empresarial y otros trabajos no relacionados con la IA.
La atribución crea otro problema. Un edificio optimizado para IA podría seguir prestando servicios convencionales. Una instalación ordinaria de nube podría dedicar una proporción cada vez mayor de sus servidores a la IA. Los informes públicos rara vez proporcionan electricidad y emisiones a nivel de carga de trabajo con límites consistentes.
Investigadores independientes han producido rangos más amplios al modelar directamente los servidores de IA. Una evaluación revisada por pares proyectó que los servidores de IA estadounidenses podrían emitir entre 24 millones y 44 millones de toneladas métricas de dióxido de carbono equivalente al año para 2030.
Esos autores tradujeron sus estimaciones en aproximadamente entre 5 millones y 10 millones de vehículos, no 24 millones. Una crítica metodológica señaló que algunas coberturas habían confundido 24 millones de toneladas métricas con 24 millones de coches.
Esa crítica aborda una estimación diferente del posterior análisis de 101,5 millones de toneladas. Las dos cifras no son automáticamente contradictorias porque examinan conjuntos de proyectos, supuestos y límites del sistema distintos. Sin embargo, su coexistencia muestra con qué facilidad cifras relacionadas pueden fusionarse en internet.
Google News puede distribuir ambas afirmaciones sin explicar esos límites en un titular. Los lectores pueden encontrarse con 24 millones de toneladas, 24 millones de coches y 101,5 millones de toneladas durante la misma búsqueda. La repetición puede hacer que parezcan intercambiables cuando no lo son.
La estimación media de vehículos de la EPA crea otro problema de límites. Su cifra de 4,6 toneladas representa principalmente el dióxido de carbono del tubo de escape. Excluye gran parte de la cadena de suministro de combustible, la producción de vehículos, la construcción de carreteras y otros daños ambientales.
La cifra de los centros de datos representa el dióxido de carbono relacionado con la electricidad bajo una combinación de generación asumida. Puede no incluir toda la construcción, la fabricación de chips, la generación de respaldo, los refrigerantes o los efectos relacionados con el agua. Calificar una fuente como “peor” exige límites de ciclo de vida comparables.
Los coches deportivos también varían ampliamente. Un modelo ligero conducido ocasionalmente difiere de un vehículo pesado y de gran potencia utilizado todos los días. La comparación de 24 millones de coches utiliza un vehículo de pasajeros promedio, no una flota de vehículos de alto rendimiento orientados a circuito.
Estas limitaciones no eliminan el riesgo subyacente. Una estimación puede seguir siendo útil para la toma de decisiones sin ser una predicción. Las empresas de servicios públicos y los reguladores deben planificar antes de que llegue información perfecta, porque esperar hasta que opere cada servidor deja menos opciones.
La interpretación responsable es condicional. Si los 60 proyectos alcanzan la escala asumida y utilizan electricidad parecida a la combinación de red modelada, sus emisiones anuales serían enormes. Un suministro más limpio, una mayor eficiencia o un menor despliegue reducirían ese resultado.
También se aplica lo contrario. Las nuevas instalaciones podrían producir mayores emisiones si la demanda supera las proyecciones o si los proyectos de energía limpia se estancan. Los generadores de respaldo y las plantas de gas detrás del contador pueden aumentar aún más los impactos locales.
Los lectores deberían resistir dos errores opuestos. El primero trata la estimación más alta como inevitable. El segundo utiliza la incertidumbre para descartar cualquier necesidad de planificación. Ambas posturas ignoran que las decisiones de política e inversión determinan qué escenario se hace realidad.
La evidencia disponible no respalda conducir un coche deportivo con más intensidad sin preocupación. Respalda exigir datos transparentes a las empresas que construyen infraestructura a una velocidad sin precedentes. Eso incluye electricidad a nivel de instalación, intensidad de carbono horaria, uso de agua, emisiones de construcción y compromisos de gestión de la demanda.
Qué deberían vigilar a continuación los lectores de Google News
Tres señales determinarán si la estimación viral de emisiones se convierte en una advertencia que cambió la política o en una previsión que en gran medida se cumplió.
La primera señal es la combinación de generación aprobada para las empresas de servicios públicos que atienden grandes campus de IA. Nuevas plantas de gas, retrasos en el cierre de centrales de carbón y generación dedicada in situ reforzarían el caso de altas emisiones. Conexiones aceleradas de renovables, almacenamiento, despliegue geotérmico o nuclear lo debilitarían.
Las presentaciones de las empresas de servicios públicos merecen especial atención porque conectan los anuncios corporativos con la infraestructura física. Muestran la carga proyectada, las subestaciones necesarias, las adiciones de generación, las estructuras tarifarias y la recuperación de costes solicitada. Esos detalles importan más que un anuncio aislado de compra de energía limpia.
Los reguladores también deberían revelar si una instalación paga el coste total de atender su demanda. Los contratos especiales pueden proteger a los clientes ordinarios de infraestructura varada. También pueden exigir a los operadores que reduzcan el consumo durante escaseces o incumplimientos de hitos de construcción.
La segunda señal son los informes de emisiones absolutas de Amazon, Alphabet, Meta y Microsoft. Las mejoras de eficiencia deberían terminar por ralentizar o revertir el crecimiento de las emisiones totales. Si las emisiones absolutas siguen aumentando pese a mejores chips, la demanda en expansión está superando el progreso técnico.
Los lectores deberían comparar varias perspectivas contables. Las emisiones de toda la empresa revelan la trayectoria general. Las emisiones eléctricas basadas en la ubicación reflejan las redes regionales, mientras que las cifras basadas en el mercado incorporan compras contractuales. La correspondencia horaria de energía libre de carbono muestra si el suministro limpio se alinea con el consumo real.
Las emisiones de construcción merecen un tratamiento separado. El hormigón, el acero, los procesadores, los sistemas eléctricos y los equipos de respaldo generan carbono antes de que una instalación empiece a atender a los usuarios. La expansión rápida puede aumentar esas emisiones incluso cuando la electricidad operativa se vuelve más limpia.
La tercera señal es si los operadores de IA hacen flexibles las cargas de trabajo. Los trabajos de entrenamiento, preparación de datos, evaluaciones y parte de la inferencia por lotes pueden desplazarse entre horas o ubicaciones. La flexibilidad permitiría a los centros de datos absorber excedentes de electricidad limpia y reducir la demanda durante tensiones en la red.
La evidencia debería llegar a través de datos operativos, no de promesas generales. Las empresas pueden informar cuánto desplazan su demanda, qué cargas de trabajo participan y con qué frecuencia las instalaciones responden a las condiciones de la red. Las empresas de servicios públicos pueden verificar si esas acciones reducen la generación fósil o las necesidades de infraestructura.
Si la computación flexible sigue siendo poco habitual, las empresas de servicios públicos planificarán en torno a una demanda máxima continua. Eso favorece la generación disponible a cualquier hora y puede reforzar el argumento empresarial para nuevas plantas de gas. Si la flexibilidad escala, los centros de datos pueden ser más fáciles de integrar.
Estas tres señales también aclaran en qué pueden influir razonablemente los usuarios individuales. Evitar tareas innecesarias e intensivas en computación reduce parte de la demanda, pero la moderación del consumidor no puede sustituir la política de infraestructura. Las decisiones más importantes se refieren a la ubicación de los campus, la adquisición de energía, la inversión en la red y la transparencia.
Los trabajadores del conocimiento aún pueden plantear mejores preguntas sobre los servicios que compran. Los equipos de compras empresariales pueden solicitar datos de energía y emisiones junto con información de seguridad, fiabilidad y rendimiento. Los desarrolladores pueden elegir modelos de tamaño adecuado en lugar de optar por defecto por la máxima capacidad.
Los equipos que documentan esas decisiones necesitan evidencia que sobreviva a titulares cambiantes. Una base de conocimiento de IA con capacidad de búsqueda puede conectar informes de sostenibilidad, presentaciones de empresas de servicios públicos, requisitos de modelos y registros internos de compras. Eso facilita auditar posteriormente las afirmaciones.
La lección más amplia de Google News no es que la IA ya se haya vuelto peor que conducir. Es que un gigantesco programa de infraestructura está chocando con una red eléctrica que no puede transformarse a la velocidad del software.
Los coches siguen siendo una fuente importante de dióxido de carbono y contaminación local. Los centros de datos de IA representan otra fuente creciente de demanda. Tratar cualquiera de los dos como una excusa para ignorar al otro convierte una comparación de escala útil en una justificación.
La cifra de 24 millones de coches debería plantear, en cambio, una pregunta más exigente. ¿Financiarán las empresas tecnológicas suficiente electricidad limpia y fiable antes de que sus campus previstos empiecen a operar, o las compañías eléctricas consolidarán antes una mayor generación basada en combustibles fósiles?
Observe las autorizaciones de las compañías eléctricas, las emisiones absolutas y la flexibilidad verificada de las cargas de trabajo. Esas señales revelarán si el sector está cambiando los supuestos del modelo o simplemente discutiendo sobre su titular.
