Los informes energéticos de centros de datos de onsemi cuestionan las moratorias generalizadas
onsemi quiere que los operadores de centros de datos revelen con qué eficiencia convierten la electricidad de la red en capacidad de computación para IA, pese al creciente respaldo político a las moratorias de construcción. El CEO Hassane El-Khoury sostiene que las comunidades necesitan datos operativos comparables antes de decidir si una instalación propuesta desperdicia energía o merece aprobación.
La propuesta llega en medio de un conflicto entre dos mediciones imprecisas. Los desarrolladores anuncian instalaciones por capacidad eléctrica, a menudo en cientos de megavatios o incluso gigavatios. Los residentes perciben los proyectos a través de las facturas de servicios públicos, las demandas de agua, el ruido, el uso del suelo y la nueva infraestructura eléctrica.
Nueva York ha optado por una pausa temporal para nuevas instalaciones de hiperescala mientras desarrolla estándares más estrictos. El-Khoury considera miopes las restricciones generalizadas. Su alternativa, los informes energéticos de centros de datos de onsemi, evaluaría las instalaciones según su producción informática útil en relación con la energía extraída de la red.
Esto parece más preciso que aprobar o rechazar proyectos únicamente por su tamaño. También plantea preguntas difíciles. Las cargas de trabajo de IA varían, la computación útil no tiene una unidad universal y la empresa que propone la métrica vende los chips de potencia necesarios para mejorarla.
onsemi busca divulgaciones de eficiencia, no prohibiciones generalizadas
El cambio inmediato es el llamado de onsemi a un estándar público de eficiencia que vaya más allá de la capacidad eléctrica anunciada de una instalación.
El-Khoury presentó el argumento durante una visita a la planta de fabricación de onsemi en East Fishkill, Nueva York. Según el informe original sobre divulgación energética, afirmó que los gobiernos deberían exigir información sobre el desperdicio de energía en lugar de rechazar la infraestructura de IA como categoría.
La distinción importa porque la capacidad anunciada de un proyecto dice poco sobre lo que ocurre después de que la electricidad llega al terreno. Un campus propuesto de un gigavatio indica a los reguladores cuánta energía espera consumir el desarrollo a máxima escala. No revela cuánta electricidad llega finalmente a procesadores, memoria, equipos de red y almacenamiento.
Entre la conexión a la red y un chip de IA existen varios pasos de conversión. Cada uno modifica el voltaje, convierte corriente alterna en corriente continua o distribuye energía entre racks y placas. Ninguna conversión es perfecta, por lo que parte de la energía se transforma en calor.
Ese calor genera otra carga. Los equipos de refrigeración consumen electricidad adicional, mientras que algunos diseños de refrigeración también requieren cantidades considerables de agua. Por tanto, una pérdida dentro del sistema eléctrico puede generar un segundo coste operativo cuando el sistema de refrigeración elimina el calor resultante.
El-Khoury quiere que los responsables políticos comparen el consumo bruto de electricidad con la computación útil entregada por una instalación. En principio, esto recompensaría a los operadores que producen más trabajo de IA con la misma conexión a la red.
La propuesta desplaza el debate de la escala al rendimiento. Una instalación grande con suministro eléctrico eficiente, servidores optimizados y alta utilización de equipos podría superar a un sitio más pequeño pero mal aprovechado. La capacidad por sí sola no revelaría esa diferencia.
Las métricas actuales de la industria solo resuelven parcialmente el problema. La efectividad del uso de energía, o PUE, compara el consumo eléctrico total de una instalación con la electricidad utilizada por sus equipos de tecnología de la información. Un PUE más próximo a 1,0 indica que menos energía respalda la refrigeración, la iluminación y otros gastos generales.
El PUE no mide si los procesadores están realizando trabajo valioso. Un edificio lleno de servidores inactivos puede registrar un PUE atractivo porque casi toda su electricidad llega a los equipos de TI. La métrica no indica al público con qué eficacia esos equipos completan tareas de entrenamiento o inferencia de IA.
Por ello, la propuesta de El-Khoury va más allá de la eficiencia ordinaria de una instalación. Pide a los operadores vincular la demanda de la red con la producción informática. Es un objetivo más revelador, pero también mucho más difícil de estandarizar.
El momento refleja la posición comercial de onsemi. La empresa suministra semiconductores de potencia que actúan como interruptores eléctricos rápidos en centros de datos, vehículos y sistemas industriales. Una mejor conversión puede reducir las pérdidas eléctricas en toda la denominada power tree, la cadena que lleva electricidad desde la conexión de una instalación hasta los chips individuales.
onsemi también tiene un interés directo en convencer a los gobiernos de que un mejor hardware puede aliviar parte del problema energético. Una divulgación más rigurosa daría mayor visibilidad a los componentes de potencia eficientes durante las decisiones de adquisición y concesión de permisos.
Ese interés no invalida la propuesta. Sí implica que los responsables políticos deberían separar la idea útil de la divulgación de la medición o tecnología preferida por un proveedor concreto.
Por qué los informes energéticos de centros de datos de IA se vuelven urgentes
La presión proviene de una brecha cada vez mayor entre la velocidad de construcción de infraestructura de IA y la calidad de la información pública sobre sus costes locales.
Los centros de datos de EE. UU. consumieron aproximadamente 176 teravatios-hora de electricidad en 2023, o cerca del 4,4 % del uso eléctrico nacional. Un estudio federal sobre demanda energética proyectó que su participación podría alcanzar entre el 6,7 % y el 12 % para 2028.
El amplio rango es importante. Muestra que ni siquiera los investigadores nacionales pueden reducir la demanda futura a una única cifra fiable. Los envíos de hardware, la adopción de IA, la utilización de servidores, los sistemas de refrigeración y las prácticas operativas pueden modificar el resultado.
Las comunidades aún deben tomar decisiones antes de que desaparezca esa incertidumbre. Las empresas de servicios públicos necesitan planes de generación, transmisión y subestaciones años antes de que un gran cliente comience a operar. Los reguladores deben decidir quién paga las mejoras si la demanda proyectada cambia o un campus planificado nunca alcanza su capacidad plena.
Los residentes enfrentan una desventaja informativa durante ese proceso. Los contratos entre empresas de servicios públicos y grandes clientes pueden contener términos confidenciales. Los anuncios de proyectos enfatizan la inversión, los empleos y la capacidad máxima, mientras que los datos operativos a menudo llegan después o permanecen agregados.
El gobierno federal ha comenzado a abordar esta brecha de medición. En marzo de 2026, la Administración de Información Energética de EE. UU. lanzó tres estudios piloto voluntarios que cubren Texas, el estado de Washington, el norte de Virginia y Washington, DC.
La agencia identificó 196 empresas que operan centros de datos en esas regiones. Su encuesta piloto de energía pregunta a las empresas participantes sobre el uso de electricidad, las fuentes de energía, las características de los sitios, los servidores y los sistemas de refrigeración.
Estas categorías son más amplias que una única relación de eficiencia. Pueden ayudar a los investigadores a distinguir la demanda informática de la infraestructura de apoyo e identificar diferencias entre instalaciones.
Sin embargo, los pilotos piden a cada empresa participante que informe sobre al menos una instalación. Aún no crean un inventario nacional completo. La participación voluntaria también deja al gobierno dependiente de la cooperación de la industria.
La EIA ha indicado que planea desarrollar una encuesta obligatoria después de completar los pilotos. Ese esfuerzo daría a los responsables políticos una base más sólida para evaluar los informes energéticos de centros de datos de onsemi u otro marco estandarizado.
El debate sobre los informes también se ha convertido en una cuestión de asequibilidad para los hogares. Las grandes instalaciones pueden requerir nuevas centrales eléctricas, líneas de transmisión, subestaciones y sistemas de respaldo. Que los clientes comunes absorban esos costes depende del diseño de las tarifas de servicios públicos, los contratos, la regulación estatal y la precisión de las previsiones de demanda.
La divulgación de eficiencia no puede resolver todas las disputas sobre asignación de costes. Puede hacerlas más concretas. Los reguladores podrían comparar el consumo proyectado con la operación medida, examinar la demanda máxima y determinar si la eficiencia prometida se materializó.
Los desarrolladores también enfrentarían presión para definir sus afirmaciones. “Eficiente” necesitaría un denominador, un período de informes y un límite coherente alrededor de la instalación. Sin esos detalles, el término sigue siendo una descripción de marketing en lugar de un resultado auditable.
Para los trabajadores del conocimiento que siguen compromisos de infraestructura en rápida evolución, una base de conocimiento de IA con capacidad de búsqueda puede ayudar a conectar permisos, presentaciones ante empresas de servicios públicos, declaraciones corporativas y divulgaciones operativas posteriores. El desafío no consiste en encontrar una cifra. Consiste en preservar suficiente contexto para comparar las promesas con el rendimiento.
Nueva York optó por una pausa mientras onsemi defiende la medición
El conflicto central es entre transparencia focalizada y límites precautorios, no entre fabricantes de chips y protección ambiental.
Nueva York hizo tangible el conflicto en julio de 2026. La gobernadora Kathy Hochul impuso una moratoria estatal temporal sobre nuevos centros de datos de hiperescala mientras los funcionarios desarrollan estándares ambientales y comunitarios más sólidos.
La política pausa nuevas instalaciones por encima del umbral estatal en lugar de esperar a que los operadores demuestren su eficiencia después de la construcción. El anuncio de la moratoria de Nueva York presentó la medida como protección frente a facturas de servicios públicos más altas, presión sobre el agua, ruido, emisiones y tensión en la red.
Los funcionarios estatales también citaron casi 12 gigavatios de solicitudes de carga de centros de datos en la cola de interconexión de Nueva York hasta mayo de 2026. Según los informes, más de ocho gigavatios entraron en la cola durante 2025.
Una solicitud de interconexión no es lo mismo que una instalación operativa. Algunos proyectos propuestos cambian de tamaño, se trasladan o nunca reciben aprobación de construcción. Sin embargo, las empresas de servicios públicos deben investigar solicitudes creíbles porque incluso una fracción de esa demanda puede afectar la planificación a largo plazo.
La moratoria da al estado tiempo para crear normas antes de aprobar otra ola de grandes cargas. Su lógica es precautoria. Cuando la información es incompleta y el coste potencial es alto, una pausa limita la exposición mientras los reguladores elaboran un marco.
La crítica de El-Khoury apunta a la amplitud de esa respuesta. Sostiene que los responsables políticos deberían identificar el daño específico que desean evitar y medirlo directamente. Una instalación no debería considerarse inaceptable simplemente porque respalda la IA o consume una cantidad considerable de electricidad.
Ese argumento tiene fuerza práctica. Una pausa generalizada trata de manera similar a operadores con tecnologías, contratos energéticos, métodos de refrigeración y acuerdos comunitarios diferentes. También puede dirigir la inversión hacia estados vecinos sin mejorar la eficiencia energética nacional.
El contraargumento es igualmente práctico. Los estándares de eficiencia no protegen automáticamente a los residentes de los costes de infraestructura, la contaminación local, los conflictos por el suelo o las extracciones de agua. Una instalación puede obtener buenos resultados en producción informática por kilovatio-hora y aun así generar cargas locales inaceptables.
El enfoque de Nueva York también reconoce un problema de cumplimiento. Un nivel de eficiencia prometido ofrece protección limitada a menos que los reguladores puedan inspeccionar los datos operativos, verificar los cálculos e imponer consecuencias por un rendimiento insuficiente.
La política más sólida podría combinar finalmente ambos enfoques. Los gobiernos pueden exigir revisión ambiental y protecciones de costes antes de la construcción, y después demandar divulgación operativa estandarizada cuando una instalación entre en funcionamiento.
Bajo ese modelo, la presentación de informes no sustituiría a los permisos. Crearía un ciclo de retroalimentación. Los resultados medidos en sitios operativos mejorarían las previsiones futuras, los casos tarifarios, los permisos y los acuerdos con las comunidades.
Aquí es donde los informes de onsemi sobre energía en centros de datos dejan de ser un simple argumento corporativo. Si se estandarizaran de forma independiente, podrían ayudar a los reguladores a distinguir los proyectos eficientes de las instalaciones que consumen capacidad reservada sin generar el valor económico prometido.
También revelarían si una moratoria aborda la unidad de riesgo adecuada. Los estados podrían descubrir que el calendario de la red, la generación local, el agua para refrigeración o las garantías de coste para los clientes importan más que la capacidad nominal de una instalación por sí sola.
La parte difícil es definir una computación de IA útil
Un estándar de computación por energía resulta atractivo porque parece objetivo, pero las cargas de trabajo de IA se resisten a comparaciones sencillas.
El entrenamiento de IA y la inferencia de IA realizan tareas distintas. El entrenamiento construye o actualiza un modelo utilizando grandes conjuntos de datos y operaciones matemáticas repetidas. La inferencia emplea un modelo entrenado para responder a una indicación, clasificar información, generar contenido multimedia o realizar otra acción.
Incluso dentro de la inferencia, una salida puede diferir mucho de otra. Una solicitud breve de clasificación utiliza recursos distintos que una larga sesión de razonamiento. El texto, las imágenes, el audio y el vídeo también imponen diferentes exigencias de computación y memoria.
Por tanto, contar tareas generaría comparaciones distorsionadas. Un operador podría parecer más eficiente al procesar muchas solicitudes sencillas en lugar de un menor número de solicitudes exigentes.
Contar tokens, una unidad habitual para las partes de texto que procesa un modelo, no resolvería plenamente el problema. Las arquitecturas de los modelos gestionan los tokens de forma diferente. Las ventanas de contexto más largas incrementan el tráfico de memoria, mientras que los sistemas de razonamiento pueden realizar cálculos internos que no son visibles en la respuesta final.
Los benchmarks de rendimiento de chips ofrecen otra opción. Los reguladores podrían comparar las cargas de trabajo estandarizadas completadas por unidad de energía. Los benchmarks facilitan la evaluación de configuraciones de hardware en condiciones controladas.
Sin embargo, un benchmark no es un registro operativo. Las instalaciones reales ejecutan cargas de trabajo mixtas, experimentan cambios en la utilización y reservan capacidad adicional para picos de tráfico o fallos. Un sistema optimizado para un benchmark puede comportarse de otra manera ante la demanda de los clientes.
La utilización añade otra complicación. Un servidor eficiente que permanece inactivo la mayor parte del día puede desperdiciar más energía total que un servidor menos eficiente mantenido constantemente ocupado. Por tanto, la divulgación de las instalaciones debe incluir tanto el rendimiento de los componentes como el uso operativo.
El perímetro de medición también importa. Una empresa podría informar de la energía consumida dentro del centro de datos mientras excluye la electricidad utilizada por la generación cercana, la infraestructura de red o el tratamiento de agua. Otro operador podría incluir esos sistemas.
El tiempo también modifica el resultado. La generación renovable puede variar cada hora, y las redes regionales dependen de recursos diferentes durante los periodos punta. Los promedios anuales pueden ocultar si una instalación añade demanda en las horas de mayor restricción.
Un marco creíble necesita varias medidas complementarias en lugar de una única puntuación. Estas podrían incluir el consumo total de electricidad, la carga máxima, la energía de TI, la energía de refrigeración, la utilización de servidores, las cargas de trabajo estandarizadas completadas, el uso de agua y la intensidad de carbono por periodo de reporte.
La Unión Europea ofrece un precedente relevante. Su Directiva de Eficiencia Energética estableció obligaciones de presentación de informes para los centros de datos que cumplan los requisitos, mientras que la Comisión Europea ha trabajado en un sistema común de calificación de sostenibilidad. El marco de centros de datos de la UE recopila información antes de que los responsables políticos establezcan un método de calificación definitivo.
Esa secuencia es instructiva. Los gobiernos pueden exigir primero datos brutos coherentes, examinar lo que revela la información y decidir después qué métricas compuestas merecen peso regulatorio.
Estados Unidos podría seguir una vía similar mediante el trabajo de encuestas de la EIA. La confidencialidad a nivel de instalación seguiría requiriendo un tratamiento cuidadoso, especialmente cuando los datos operativos revelan actividad de clientes o capacidad comercialmente sensible.
Los informes públicos podrían necesitar agregación o publicación diferida. No obstante, los reguladores podrían recibir presentaciones más detalladas bajo protecciones de confidencialidad. Los auditores independientes podrían verificar los cálculos sin exponer las cargas de trabajo de los clientes.
El proceso de establecimiento de estándares debería incluir a operadores, empresas de servicios públicos, compañías de semiconductores, grupos comunitarios, investigadores de eficiencia y expertos independientes en medición. onsemi puede aportar conocimiento técnico, pero no debería controlar el denominador que determina si sus clientes parecen eficientes.
Los chips de potencia eficientes ayudan, pero no resuelven el debate
La tecnología de onsemi aborda pérdidas eléctricas reales, aunque las mejoras a nivel de chip no pueden responder a todas las objeciones de las comunidades.
La distribución de energía en centros de datos implica conversiones repetidas. La electricidad puede llegar como corriente alterna de alta tensión, pasar por transformadores y equipos de conmutación, entrar en una distribución de corriente continua y volver a reducirse antes de llegar a los procesadores.
Los semiconductores de potencia controlan esas transiciones. Los dispositivos de carburo de silicio y nitruro de galio pueden operar con altos voltajes, altas frecuencias de conmutación o temperaturas elevadas en aplicaciones específicas. Sus características pueden reducir el tamaño de algunos componentes y mejorar la eficiencia de conversión.
onsemi ha promocionado transformadores de estado sólido para futuras instalaciones de IA. Un transformador de estado sólido utiliza electrónica de potencia para la conversión y el control de voltaje, sustituyendo algunas funciones que manejan los transformadores electromagnéticos convencionales.
La empresa afirma que las arquitecturas de corriente continua de mayor voltaje pueden reducir las etapas de conversión. Su plan de conversión de potencia describe un cambio de la industria hacia una distribución de 800 voltios más adelante en la década.
Eliminar una etapa de conversión puede evitar parte de la pérdida de energía que, de otro modo, se convertiría en calor. Un mayor voltaje de distribución también puede reducir la corriente para el mismo nivel de potencia, lo que puede disminuir las pérdidas resistivas y los requisitos de los conductores.
Estas mejoras adquieren valor a la escala de la IA. Un punto porcentual de eficiencia en un campus muy grande representa una demanda significativa de electricidad y refrigeración. El beneficio puede mantenerse durante toda la vida operativa de la instalación.
onsemi tiene sólidos motivos comerciales para destacar este mecanismo. En sus resultados del segundo trimestre de 2026, la empresa describió los centros de datos de IA como su negocio de mayor crecimiento y afirmó que los ingresos relacionados deberían más que duplicarse durante el año.
La empresa informó de ingresos trimestrales totales de 1.604 millones de dólares, un 9 % más que el año anterior. También destacó un papel más amplio en el ecosistema MGX de Nvidia, una plataforma modular de servidores utilizada por fabricantes de sistemas.
Sus resultados trimestrales muestran por qué la propuesta de presentación de informes importa estratégicamente. Si los operadores deben documentar las pérdidas de conversión, resulta más fácil justificar la compra de hardware de potencia eficiente.
Eso no vuelve innecesario al hardware. Significa que los lectores deberían reconocer tanto el valor de ingeniería como el incentivo detrás del argumento político.
La conversión de potencia también representa solo una capa de la eficiencia de un centro de datos. El diseño de procesadores, el movimiento de memoria, las redes, la refrigeración, la planificación de software, la arquitectura de los modelos y la utilización pueden consumir o ahorrar más energía en otras partes del sistema.
Un árbol de potencia más eficiente incluso puede contribuir a un efecto rebote. Un menor consumo de energía por cálculo reduce el coste de ejecutar IA, lo que puede animar a los clientes a solicitar más computación. La demanda total de electricidad puede aumentar aunque cada tarea sea más eficiente.
Este efecto no elimina los ahorros. Impide que los responsables políticos traten la eficiencia de los componentes como una reducción garantizada del consumo absoluto.
Los desarrolladores de centros de datos también deben gestionar cuándo consumen energía. Un campus muy eficiente que alcanza su demanda máxima durante una emergencia en la red puede generar más presión sobre el sistema que una instalación flexible que reduce las cargas de trabajo durante horas restringidas.
Por tanto, los informes deberían reflejar la flexibilidad de la demanda. Los operadores pueden desplazar algunos trabajos de entrenamiento, utilizar energía almacenada, ajustar la refrigeración o programar tareas no urgentes cuando la electricidad está más disponible. No todas las cargas de trabajo de inferencia pueden esperar, pero muchas tareas de computación tienen flexibilidad de programación.
El valor público de la divulgación reside en revelar estas diferencias. Los reguladores podrían identificar las instalaciones que simplemente compran componentes eficientes y aquellas que coordinan eficazmente el hardware, el software y la demanda de la red.
Lo que los informes de onsemi sobre energía en centros de datos deben demostrar a continuación
La propuesta solo importará si normas independientes convierten un atractivo concepto de eficiencia en evidencia comparable y exigible.
La primera señal que hay que observar es el paso de la EIA de pilotos voluntarios a una encuesta nacional obligatoria. El piloto ya cubre las fuentes de energía, el consumo de electricidad, las características de los servidores y los sistemas de refrigeración.
Una encuesta obligatoria establecería una base factual común. Si incluye medidas operativas suficientemente detalladas, reforzaría el argumento a favor de una regulación basada en el rendimiento. Una encuesta limitada o muy agregada dejaría a los funcionarios locales buscando otras pruebas.
La segunda señal es el marco de Nueva York para las normas posteriores a su moratoria temporal. Los funcionarios deben decidir qué instalaciones pueden avanzar, quién paga las mejoras de la red, cómo se revisan los efectos medioambientales y qué deben divulgar los operadores.
Si Nueva York adopta umbrales de rendimiento medibles junto con protecciones comunitarias, reduciría la brecha entre la propuesta de El-Khoury y el enfoque precautorio del estado. Si se basa principalmente en el tamaño del proyecto, el conflicto continuará.
La tercera señal es si los operadores de hiperescala publican datos comparables sobre eficiencia computacional. Las divulgaciones de electricidad y agua son cada vez más comunes, pero la producción útil de IA sigue siendo difícil de comparar entre empresas.
Una respuesta creíble de la industria utilizaría definiciones comunes de cargas de trabajo, divulgaría los perímetros de medición, informaría sobre la utilización y aceptaría verificación independiente. Los estudios de caso selectivos debilitarían el argumento de que la transparencia voluntaria puede sustituir límites más estrictos.
Los lectores también deberían observar la diferencia entre la capacidad prevista y la operativa. Los gigavatios anunciados atraen atención, pero la demanda real de la red depende de los calendarios de construcción, la entrega de equipos, la demanda de los clientes y la utilización de las instalaciones.
La eficiencia comunicada debería seguirse a lo largo del tiempo en lugar de celebrarse en el lanzamiento. Los primeros meses de una instalación pueden ser distintos de su operación estable. Las renovaciones de hardware, los cambios de carga de trabajo y el aumento de la ocupación pueden alterar el rendimiento.
Las comunidades merecen más que una única puntuación corporativa. Necesitan información suficiente para responder preguntas prácticas sobre facturas, agua, ruido, emisiones, fiabilidad y beneficios locales.
Los desarrolladores también necesitan estándares previsibles. Un marco transparente puede reducir la incertidumbre política al definir las pruebas necesarias para la aprobación y la operación continuada.
La intervención de onsemi pone de manifiesto una debilidad real en el debate actual. Los megavatios describen el tamaño de una conexión eléctrica, no la calidad ni el valor público de la computación que la sustenta.
Su solución propuesta sigue siendo incompleta. La producción computacional es difícil de normalizar, la eficiencia puede aumentar la demanda total y unos mejores chips de potencia no resuelven todos los impactos locales.
Aun así, la medición y la precaución no tienen por qué ser políticas opuestas. Los gobiernos pueden proteger a las comunidades antes de la construcción y, al mismo tiempo, exigir a los operadores que demuestren su rendimiento después.
La próxima prueba será determinar si los informes de onsemi sobre energía en centros de datos se convierten en un estándar con gobernanza independiente o siguen siendo el argumento de un proveedor posicionado para beneficiarse. Quienes sigan el tema deberían comparar la próxima encuesta federal, las normas definitivas de Nueva York y las divulgaciones de los hyperscalers. Estas tres señales mostrarán si la industria está preparada para sustituir las amplias afirmaciones de eficiencia por evidencia.
