La advertencia de Jensen Huang sobre la energía de la IA sitúa el cuello de botella de la red por delante de la carrera de chips
Según informes, Jensen Huang advirtió que la computación necesita 1.000 veces más energía que el suministro disponible actualmente, generando un llamativo titular en Google News y una importante salvedad.
El máximo responsable de Nvidia describía la escala potencial de agentes de IA siempre activos, no presentaba una previsión de consumo eléctrico con estándares del sector energético. La distinción importa. Un aumento de mil veces en la generación eléctrica mundial no es ni una proyección aceptada ni un plan creíble a corto plazo.
Sin embargo, la restricción subyacente es real. Los chips pueden llegar a los clientes más rápido de lo que las empresas de servicios públicos pueden construir generación, líneas de transmisión, subestaciones, plantas de refrigeración y conexiones a la red local. Ese desfase desplaza la atención de los procesadores de Nvidia hacia GE Vernova, Eaton y Vertiv.
Estas empresas representan tres eslabones distintos de la cadena física. GE Vernova suministra equipos de generación y red. Eaton gestiona la electricidad dentro de las instalaciones. Vertiv proporciona sistemas de energía y gestión térmica para centros de datos, incluida la refrigeración de racks de IA de alta densidad.
Por tanto, el argumento de inversión que se difunde a través de Google News es más amplio que una apuesta por el aumento del uso de electricidad. Parte de que los desarrolladores de IA seguirán financiando instalaciones pese a los largos plazos de construcción, los retornos inciertos y un escrutinio creciente sobre los costes energéticos.
Esa premisa merece someterse a prueba. La escasez de energía puede generar demanda industrial, pero también puede retrasar los centros de datos que se espera que generen esa demanda.
Lo que realmente significa la advertencia de Jensen Huang sobre un aumento de 1.000 veces
La cifra de 1.000 veces es una declaración sobre la ambición computacional, no una previsión de que el consumo de electricidad vaya a aumentar literalmente en esa misma proporción.
Huang hizo el comentario mientras hablaba de un futuro lleno de agentes de IA que operan de forma continua. Esos agentes planificarían, razonarían, usarían software y completarían tareas sin esperar indicaciones individuales de humanos.
Ese modelo difiere del tráfico actual de chatbots. Un chatbot normalmente trabaja después de que un usuario envía una solicitud. Un agente autónomo puede seguir probando opciones, recuperando información y llamando a otros sistemas después de la primera interacción.
Más actividad genera más inferencia, el proceso mediante el cual un modelo entrenado produce resultados. Las cadenas de razonamiento más largas también consumen más computación que los intercambios breves de preguntas y respuestas.
El argumento de Huang parte de esta carga de trabajo en expansión. Si miles de millones de personas y organizaciones despliegan múltiples agentes, la cantidad deseada de computación puede superar la infraestructura disponible para atenderla.
Sin embargo, la computación deseada no es lo mismo que la demanda eléctrica materializada. El coste, la eficiencia de los chips, la optimización del software, la capacidad de red, la regulación y la adopción por parte de los clientes determinarán cuánta demanda se vuelve operativa.
Por eso el titular que circula por Google News necesita contexto. La cita no establece que la generación eléctrica deba crecer exactamente 1.000 veces. Describe un desequilibrio entre las aspiraciones de la IA y la capacidad informática actual.
Nvidia también tiene un interés comercial en enfatizar ese desequilibrio. La empresa vende procesadores, equipos de red, sistemas y software utilizados para ampliar la capacidad de IA.
Su término preferido es fábrica de IA, es decir, un centro de datos especializado que convierte electricidad y recursos informáticos en resultados de modelos. Huang sostiene que estas instalaciones deben medirse por los tokens útiles producidos por unidad de energía.
Nvidia afirma que los sistemas más nuevos mejoran esa proporción. Su hoja de ruta de eficiencia destaca el rendimiento de inferencia por megavatio, en lugar de centrarse únicamente en el rendimiento del procesador.
Ese enfoque revela una tensión importante. Una mayor eficiencia reduce la energía necesaria para cada resultado, pero unos menores costes operativos pueden animar a los clientes a solicitar más resultados.
Los economistas llaman a este efecto rebote la paradoja de Jevons. Cuando un recurso se vuelve más eficiente de usar, el consumo total aún puede aumentar porque el uso se expande más rápido que el ahorro.
Los agentes de IA hacen que esa posibilidad sea especialmente relevante. Un modelo más rápido podría no acortar el mismo trabajo. Podría intentar más pasos, evaluar alternativas adicionales o mantenerse activo durante periodos más largos.
La curva de demanda resultante sigue siendo muy incierta. Nadie sabe cuántos agentes estarán dispuestos a pagar los clientes para operar, cuánto razonamiento requerirá cada tarea o qué cargas de trabajo pasarán a los dispositivos.
Por tanto, la interpretación más sólida de la advertencia de Jensen Huang sobre la energía de la IA es cualitativa. La electricidad, la refrigeración y el acceso a la red ahora determinan la velocidad a la que puede expandirse la computación avanzada.
Esa conclusión está respaldada por previsiones energéticas independientes, aunque sus cifras se sitúan muy por debajo de un crecimiento de 1.000 veces. Las previsiones creíbles describen un ciclo de infraestructura pronunciado, no una multiplicación inmediata del sistema eléctrico.
Para las tres empresas industriales, esa distinción es favorable y limitante. No necesitan una expansión literal de 1.000 veces para ver demanda. Aun así, necesitan que los clientes conviertan planes ambiciosos en proyectos financiados.
Google News apunta a un aumento medible de la demanda eléctrica
Las previsiones independientes respaldan un importante aumento de la electricidad destinada a centros de datos, pero también muestran hasta qué punto el titular supera las estimaciones consolidadas.
La comparación más útil parte del consumo eléctrico medido. Los centros de datos de Estados Unidos utilizaron aproximadamente 176 teravatios-hora en 2023, según una evaluación de un laboratorio federal publicada por el Departamento de Energía.
Eso representó aproximadamente el 4,4 por ciento del consumo eléctrico nacional total. El mismo informe sobre uso energético proyecta entre 325 y 580 teravatios-hora para 2028.
Dentro de ese rango, los centros de datos consumirían entre aproximadamente el 6,7 por ciento y el 12 por ciento de la electricidad de Estados Unidos. Incluso la estimación más baja requiere una capacidad nueva significativa en pocos años.
La Agencia Internacional de la Energía observa el mismo cambio de dirección a nivel mundial. Proyecta que el consumo eléctrico de los centros de datos alcanzará aproximadamente 945 teravatios-hora en 2030, más del doble de su nivel anterior.
La IA es el mayor impulsor, pero no el único. Los servicios en la nube, el streaming, el software empresarial, el almacenamiento y el tráfico convencional de internet continúan utilizando la misma infraestructura general.
La AIE prevé que los centros de datos representen casi la mitad del crecimiento de la demanda eléctrica de Estados Unidos hasta 2030. Sus perspectivas globales también advierten de que las restricciones de la red amenazan los proyectos previstos.
Alrededor del 20 por ciento de los desarrollos propuestos de centros de datos se enfrentan a posibles retrasos, salvo que se aborden los riesgos del sistema eléctrico, según la agencia. La ubicación hace que el problema sea más difícil de lo que sugieren los totales nacionales.
Un país puede disponer de suficiente generación anual y, aun así, carecer de capacidad disponible cerca de un clúster específico. Los centros de datos requieren conexiones grandes y fiables donde los equipos de transmisión pueden estar ya limitados.
Sus cargas también están excepcionalmente concentradas. Un proyecto puede añadir una demanda comparable a la de una gran instalación industrial, mientras que varios campus vecinos pueden reformular el plan a largo plazo de una empresa de servicios públicos.
Esta concentración presiona al mismo tiempo a los hyperscalers, las empresas de servicios públicos, los reguladores y las comunidades locales. Los desarrolladores quieren conexiones rápidas. Las empresas de servicios públicos deben proteger la fiabilidad. Los reguladores deben decidir quién paga las mejoras.
Los hogares y los negocios establecidos no quieren que centros de datos especulativos les dejen asumiendo costes de infraestructura varada. Mientras tanto, los desarrolladores se resisten a tarifas que hagan los proyectos menos competitivos.
Las fuentes de energía crean otro conflicto. Las empresas tecnológicas han anunciado objetivos bajos en carbono, pero su requisito más urgente es contar con electricidad fiable disponible durante todo el día.
Las renovables pueden aportar una cantidad considerable de energía, especialmente cuando se combinan con almacenamiento y transmisión. No pueden resolver todos los problemas de capacidad local con el mismo calendario que un plan de construcción de centros de datos.
La AIE espera que las renovables cubran casi la mitad del crecimiento de la demanda mundial de centros de datos hasta 2035. También prevé que el gas natural desempeñe un papel central a corto plazo.
En Estados Unidos, el gas suministra actualmente más del 40 por ciento de la electricidad de los centros de datos, según el análisis de suministro de la agencia. Las renovables aportan alrededor del 24 por ciento, mientras que la energía nuclear y el carbón suministran gran parte del resto.
Esa combinación explica por qué las acciones industriales vinculadas a la IA abarcan más de una categoría tecnológica. La oportunidad incluye turbinas, transformadores, aparamenta, sistemas de respaldo, controles eléctricos y equipos de refrigeración.
La cobertura de Google News a menudo condensa este complejo despliegue en una lista de beneficiarios. La secuencia física es más útil que la etiqueta.
Primero debe generarse la electricidad. Después debe viajar por la red y entrar en la instalación a voltajes utilizables. Por último, los servidores necesitan una distribución estable y una eliminación continua del calor.
GE Vernova, Eaton y Vertiv ocupan posiciones diferentes dentro de esa secuencia. Su exposición se solapa, pero sus riesgos no.
GE Vernova, Eaton y Vertiv cubren tres cuellos de botella
Las tres empresas no son acciones industriales de IA intercambiables, porque cada una aborda un punto de fallo distinto entre la generación y la computación.
GE Vernova opera más cerca del sistema eléctrico a gran escala. Su cartera incluye turbinas de gas, servicios nucleares, equipos de red, productos de conversión de energía y software para redes eléctricas.
Las turbinas de gas importan porque pueden proporcionar generación gestionable, lo que significa que los operadores pueden programar la producción cuando los clientes la requieren. Esa cualidad atrae a los desarrolladores de centros de datos que buscan capacidad antes de que las tecnologías nucleares más nuevas estén ampliamente disponibles.
La empresa también vende transformadores, subestaciones, interruptores y equipos de alta tensión a través de sus operaciones de electrificación. La generación no puede abastecer a un nuevo campus si la red carece de los equipos necesarios para transportar esa energía.
La actividad reciente de pedidos de GE Vernova muestra cómo la demanda de IA está llegando a los proveedores industriales. Los pedidos de energía y electrificación se han expandido, mientras que las franjas de fabricación de turbinas se extienden años hacia el futuro.
Esa cartera de pedidos ofrece visibilidad, pero también introduce riesgo de ejecución. Las turbinas y los equipos de red requieren fábricas especializadas, trabajadores cualificados, proveedores homologados y una planificación extensa por parte de los clientes.
La fabricación no puede igualar instantáneamente un aumento de campus propuestos. Un calendario de producción agotado puede reforzar los precios, pero también puede llevar a los desarrolladores hacia equipos alternativos o ubicaciones distintas.
Eaton se sitúa más aguas abajo. Suministra productos de distribución eléctrica que ayudan a las instalaciones a recibir, proteger, convertir y controlar la energía.
Un centro de datos necesita aparamenta para aislar fallos, barras eléctricas para transportar electricidad, sistemas de alimentación ininterrumpida para cubrir interrupciones y equipos de monitorización para gestionar cargas. Estos sistemas se vuelven más exigentes a medida que aumenta la densidad de los racks.
Eaton informó que los pedidos de centros de datos del primer trimestre de 2026 en su segmento Electrical Americas aumentaron aproximadamente un 240 por ciento. Su presentación de resultados también mostró una fuerte aceleración de los pedidos en el conjunto más amplio del negocio eléctrico.
La cifra demuestra la demanda actual, no un crecimiento permanente a ese ritmo. Las comparaciones de pedidos pueden variar según el calendario de los proyectos, los grandes contratos y una base previamente más pequeña.
Eaton tiene una exposición más amplia que un proveedor dedicado a centros de datos. Esa diversificación puede reducir la dependencia del gasto en IA, aunque también implica que los centros de datos son solo una parte de los resultados de la empresa.
Vertiv está más cerca de los equipos informáticos. Suministra sistemas de gestión de energía y térmicos diseñados para instalaciones donde las interrupciones o el exceso de calor pueden dañar hardware costoso.
La gestión térmica cobra mayor importancia porque los servidores de IA concentran más electricidad en cada rack. La mayor parte de la electricidad consumida por los equipos informáticos termina convirtiéndose en calor que debe salir de la sala.
La refrigeración por aire tradicional se vuelve menos práctica a medida que aumenta la densidad. La refrigeración líquida acerca el refrigerante a los procesadores y transporta el calor con mayor eficacia que el flujo de aire a escala de sala en muchas instalaciones de alta densidad.
Vertiv ha colaborado con Nvidia en diseños de infraestructura para nuevos sistemas. Esa alineación puede proporcionar a Vertiv una visión más temprana de los requisitos de los racks y permitirle preparar productos de refrigeración y energía compatibles.
También crea un riesgo de concentración. Una desaceleración en la construcción de hyperscalers o un cambio en la arquitectura de los servidores afectaría a Vertiv más directamente que a un proveedor eléctrico diversificado.
Estas diferencias importan al evaluar la amplia tesis de Jensen Huang sobre la energía para IA.
GE Vernova se beneficia cuando las empresas de servicios públicos y los desarrolladores encargan equipos de generación o de red.
Eaton se beneficia cuando los operadores construyen sistemas eléctricos dentro y alrededor de las instalaciones.
Vertiv se beneficia cuando la capacidad informática terminada requiere distribución de energía y refrigeración especializadas.
La secuencia puede romperse en cualquier punto. Una conexión a la red retrasada puede posponer la instalación de equipos de Eaton. Un campus aplazado puede reducir la demanda a corto plazo de sistemas de Vertiv.
Por el contrario, el cuello de botella puede cambiar. Más turbinas pueden revelar escasez de transformadores. Más subestaciones pueden poner de manifiesto la falta de electricistas cualificados, equipos de refrigeración, agua o permisos locales.
Por eso resulta útil el enfoque de las tres empresas. Mapea el sistema en lugar de pretender que un proveedor captura cada dólar asociado a la infraestructura de IA.
La eficiencia es el verdadero adversario de la tesis del auge energético
La competencia central no es la IA frente a la red eléctrica; es el aumento del uso de IA frente a las rápidas mejoras en la eficiencia informática.
Los inversores y planificadores de infraestructura pueden coincidir en que la demanda de IA está aumentando y, aun así, llegar a conclusiones muy distintas sobre el consumo de electricidad. La respuesta depende de cuánto trabajo útil produce cada megavatio.
Nvidia diseña cada generación de hardware para aumentar el rendimiento por vatio. Las técnicas de software pueden añadir más ahorros al reducir la precisión numérica, reutilizar resultados almacenados o dirigir solicitudes sencillas a modelos más pequeños.
Los desarrolladores de modelos también están mejorando la eficiencia de la inferencia. La destilación transfiere capacidades a sistemas más pequeños, mientras que la cuantización representa los valores del modelo con menos bits y menos cómputo.
Los modelos de mezcla de expertos activan solo componentes seleccionados para cada entrada. Esto puede reducir la capacidad de cómputo necesaria frente a ejecutar cada parámetro del modelo para cada token.
Las cargas de trabajo también pueden alejarse de las grandes instalaciones centralizadas. Teléfonos, portátiles, vehículos y equipos de fábrica realizan cada vez más tareas de IA limitadas de forma local.
Cada mejora debilita una relación simple entre la adopción de IA y la demanda de electricidad. Un mayor uso de IA no exige automáticamente un aumento porcentual equivalente de energía.
Los escenarios de la IEA ilustran esa incertidumbre. Su caso de alta eficiencia genera un uso de electricidad de los centros de datos más de un 15 por ciento menor en 2035 que su caso central, al tiempo que atiende una demanda digital comparable.
Esa reducción es significativa para los proveedores de equipos. Puede cambiar el número de instalaciones construidas, la urgencia de las mejoras de la red y la economía de los proyectos marginales.
Sin embargo, la eficiencia no elimina la demanda de infraestructura. A menudo amplía el conjunto de tareas que los clientes pueden permitirse automatizar.
Un agente cuyo funcionamiento continuo resulta demasiado caro seguirá siendo una demostración. Unos costes de inferencia más bajos pueden convertir ese mismo agente en una herramienta empresarial de uso diario.
Este efecto rebote es central en el argumento de Huang. Nvidia espera que los tokens más baratos generen un mayor consumo de tokens, del mismo modo que una informática más barata expandió el uso de software durante ciclos tecnológicos anteriores.
La afirmación sigue siendo comercialmente conveniente para Nvidia y no está probada a la escala propuesta. Las empresas aún necesitan retornos medibles de los agentes, no solo menores costes por token.
Muchos sistemas agénticos tienen dificultades de fiabilidad durante tareas largas. Los errores se acumulan a medida que un agente da más pasos, utiliza herramientas externas y toma decisiones sin revisión humana.
Por ello, los clientes pueden limitar la operación continua, especialmente en procesos regulados o costosos. Pueden reservar los modelos más grandes para decisiones difíciles y utilizar sistemas más pequeños en otros casos.
La disponibilidad de capital crea otro freno. Los centros de datos, las centrales eléctricas y los proyectos de transmisión requieren financiación mucho antes de generar ingresos.
Si los servicios de IA no logran generar retornos suficientes, los hyperscalers pueden ralentizar la construcción. Los proveedores se enfrentarían entonces a cancelaciones, fechas de entrega aplazadas o pedidos más débiles.
La IEA ha destacado esta sensibilidad financiera en su trabajo actualizado. Las inversiones en centros de datos han crecido demasiado como para depender únicamente de los balances corporativos, lo que aumenta su exposición a las condiciones de financiación.
Los permisos también siguen siendo inciertos. Las líneas de transmisión pueden tardar años en aprobarse, y las comunidades cuestionan cada vez más los proyectos por el consumo de agua, las emisiones, el uso del suelo y las tarifas eléctricas.
El gas natural puede acortar los plazos de generación en algunas regiones, pero los gasoductos y las turbinas enfrentan sus propias limitaciones. La generación in situ también puede entrar en conflicto con los compromisos corporativos de emisiones.
La energía nuclear ofrece una producción constante de bajas emisiones de carbono, pero los nuevos reactores suelen operar en plazos que superan la ola inmediata de construcción de centros de datos. Los pequeños reactores modulares siguen siendo una opción emergente, no una respuesta universal a corto plazo.
El debate medioambiental no puede reducirse a porcentajes globales. Los efectos locales de un centro de datos dependen del generador marginal, el sistema de agua, la tarifa eléctrica y la capacidad existente de la red.
Estas incertidumbres convierten el titular de Google News en un punto de partida, no en una conclusión. La tesis del auge energético se fortalece solo cuando el uso de los clientes, la construcción financiada y las entregas de equipos aumentan al mismo tiempo.
Los lectores que siguen afirmaciones que cambian rápidamente pueden beneficiarse de un disciplinado flujo de trabajo de conocimiento. Separe las afirmaciones, las previsiones, los pedidos y los resultados operativos antes de tratarlos como una única tendencia.
Qué vigilar después del titular de Google News
Tres señales mostrarán si la advertencia de Huang se está convirtiendo en una realidad industrial: el uso de agentes, la capacidad eléctrica financiada y la conversión de equipos en ingresos.
La primera señal es un consumo sostenido de IA agéntica. La medida clave no es cuántas empresas anuncian agentes, sino con qué frecuencia los clientes los ejecutan y pagan por su trabajo.
Los proveedores de nube pueden revelar partes de esa respuesta mediante los ingresos de IA, el volumen de inferencia y los comentarios sobre gasto de capital. Las empresas de modelos pueden aportar pruebas adicionales mediante renovaciones empresariales y crecimiento del uso.
Un aumento de la inferencia de larga duración reforzaría la afirmación central de Huang. Indicaría que las ganancias de eficiencia están estimulando más cómputo total en lugar de simplemente reducir el uso existente de electricidad.
Una retención débil la socavaría. Los clientes podrían probar sistemas autónomos sin mantener las cargas de trabajo necesarias para justificar una expansión continua de la infraestructura.
La segunda señal es la conversión de propuestas de centros de datos en proyectos financiados y con suministro eléctrico asegurado. La capacidad anunciada tiene un valor limitado sin terreno, financiación, permisos, equipos y un plan eléctrico firme.
Los acuerdos de interconexión a la red merecen una atención especial. Muestran si una empresa de servicios públicos ha estudiado la conexión y establecido las mejoras necesarias para atenderla.
Los acuerdos de generación in situ son otro indicador. Que los desarrolladores recurran a gas dedicado, celdas de combustible, almacenamiento u otras fuentes locales confirmaría que los retrasos de la red están cambiando el diseño de los proyectos.
La ubicación de la nueva capacidad también importará. Los desarrolladores pueden trasladar proyectos hacia regiones con generación disponible, regulación favorable y permisos más rápidos.
Esa flexibilidad respaldaría la demanda industrial al tiempo que cambiaría su distribución geográfica. También podría debilitar los centros de datos consolidados que enfrentan congestión en la transmisión.
La tercera señal es la conversión de pedidos en GE Vernova, Eaton y Vertiv. Las carteras de pedidos y el crecimiento porcentual atraen atención, pero las entregas y la generación de caja muestran si los proveedores pueden ejecutar.
Las reservas de turbinas y los pedidos de equipos de red de GE Vernova deberían convertirse en equipos enviados con calendarios realistas. La expansión de la fabricación debe evitar problemas de calidad y costosos retrasos.
Los pedidos de centros de datos de Eaton deberían traducirse en ingresos eléctricos sin dañar los márgenes ni ampliar los plazos de entrega más allá de las necesidades de los clientes.
Vertiv debe entregar sistemas de refrigeración y energía adecuados para racks cada vez más densos. Su relación con Nvidia debería producir despliegues amplios en lugar de diseños de referencia aislados.
Las cancelaciones de pedidos debilitarían rápidamente la tesis. Lo mismo ocurriría si los clientes retrasan las fechas de entrega solicitadas porque los sitios siguen sin energía.
Otra medida útil es el equilibrio entre la oferta y la cartera de pedidos. La expansión de las fábricas puede desbloquear ingresos, pero demasiada capacidad se convierte en un pasivo si la construcción de IA se ralentiza.
Las tres empresas también enfrentan presiones competitivas diferentes. Los grandes grupos industriales pueden competir por proyectos de red y eléctricos, mientras que los proveedores especializados de refrigeración pueden apuntar a las instalaciones de mayor densidad.
Los clientes pueden repartir sus compras entre proveedores para reducir la dependencia de un fabricante. También pueden desarrollar infraestructura personalizada con socios de ingeniería.
Ninguno de estos factores convierte automáticamente a GE Vernova, Eaton o Vertiv en ganadores de inversión. La exposición a ingresos, la ejecución, la valoración, la competencia y el calendario de los proyectos siguen requiriendo un análisis separado.
El enfoque original centrado en las acciones también corre el riesgo de confundir una industria sólida con una rentabilidad garantizada. Una empresa puede beneficiarse operativamente mientras sus acciones decepcionan si las expectativas ya superan el crecimiento alcanzable.
La afirmación de Huang de un aumento de 1.000 veces debe tratarse mejor como un marcador de los límites de la ambición. Las previsiones consolidadas apuntan a una duplicación o triplicación de determinadas medidas de centros de datos, no a una expansión mil veces mayor del suministro eléctrico.
Incluso ese aumento menor impondría una presión inusual sobre las empresas de servicios públicos y los fabricantes industriales. El rango proyectado por el Departamento de Energía para 2028 exigiría que Estados Unidos añadiera una generación e infraestructura sustanciales en un periodo corto.
Las perspectivas de la IEA refuerzan la misma conclusión. El consumo global de los centros de datos puede más que duplicarse para 2030, mientras los cuellos de botella de la red retrasan una parte significativa de los proyectos previstos.
Ese es el verdadero conflicto detrás del titular de Google News. Las empresas de IA pueden diseñar demanda más rápido de lo que la economía física puede construir capacidad fiable.
Vigile el uso antes de aceptar la previsión de cómputo. Vigile la electricidad asegurada antes de aceptar un anuncio de centro de datos. Luego vigile las entregas antes de asumir que un proveedor industrial ha capturado la oportunidad.
Estas tres comprobaciones convierten una afirmación dramática en una tesis comprobable. También ayudan a los lectores a distinguir la expansión genuina de infraestructura del entusiasmo que avanza más rápido que la red eléctrica.
