AVEVA aborda el reto energético de la IA

Cada consulta a una herramienta de inteligencia artificial y cada operación en la nube depende de una infraestructura física en rápida expansión: los centros de datos. La Agencia Internacional de Energía (AIE) estima que el consumo eléctrico de estas instalaciones podría duplicarse para 2030, generando preocupación sobre su impacto en las redes eléctricas, el consumo de agua y las comunidades locales. El desafío actual de la industria tecnológica no es solo calcular cuántos centros de datos se necesitan para sostener la economía digital, sino cómo diseñarlos y operarlos sin ejercer una presión desproporcionada sobre los recursos de su entorno.

Los nuevos campus de IA operan a escala industrial, exigiendo sistemas complejos de enfriamiento y conexiones masivas a la red de suministro. Por ello, proyectos de un gigavatio deben integrar condiciones como la disponibilidad hídrica y la capacidad eléctrica desde su concepción. Herramientas como los gemelos digitales permiten a los equipos de ingeniería crear una representación virtual exacta de la instalación antes de su construcción. Esto facilita la simulación de escenarios —como el impacto de aumentar la densidad de cómputo o cambiar el sistema de enfriamiento— para tomar decisiones informadas antes de comprometer capital. Por ejemplo, la firma brasileña AP Consultoria e Projetos utilizó plataformas tecnológicas de AVEVA que integraron diseños 3D y escaneos láser para reducir los tiempos de entrega en un 49 %, disminuir el reproceso en un 29 % y evitar hasta un 90 % de las visitas a terreno.

Más allá del diseño arquitectónico, la inteligencia industrial optimiza las operaciones de los centros ya existentes. Tener visibilidad en tiempo real sobre la energía, la temperatura y la carga de los servidores permite a los operadores detectar ineficiencias antes de que escalen. Empresas como PayPal aplican esta lógica mediante vistas operacionales que integran millones de puntos de datos históricos para ajustar la capacidad de los racks de manera dinámica. Además, la infraestructura puede integrarse positivamente a su entorno; en Alemania, Dinamarca y Países Bajos, el calor residual de los servidores ya se reutiliza en redes de calefacción urbana. Esta sinergia demuestra que la próxima etapa de la economía digital debe medirse por el valor generado por cada unidad de energía y agua utilizada, convirtiendo a los centros de datos en buenos vecinos.

Contexto Adicional
Esta sección proporciona un contexto tecnológico y de mercado que no se detalla explícitamente en la tribuna original.

A medida que los modelos de lenguaje grande (LLM) evolucionan, la demanda de procesadores de alto rendimiento ha disparado la densidad térmica de los racks en los centros de datos. Mientras que un rack tradicional de servidores en la nube consume entre 5 y 10 kW, los gabinetes dedicados a entrenamiento de IA de última generación pueden superar los 120 kW. Este aumento exponencial hace que los métodos de enfriamiento por aire tradicionales sean ineficaces y energéticamente insostenibles.

Para mitigar esta ineficiencia, la industria está acelerando la adopción de tecnologías de enfriamiento líquido directo al chip (Direct-to-Chip Liquid Cooling) y enfriamiento por inmersión (Immersion Cooling). La transición hacia sistemas basados en fluidos no solo es una necesidad de hardware, sino que es un requisito fundamental para facilitar la recuperación de calor residual (Waste Heat Recovery) mencionada en el artículo. Dado que los fluidos capturan y transportan el calor de manera mucho más eficiente que el aire, el enfriamiento líquido permite transferir agua caliente a temperaturas utilizables (entre 50°C y 60°C) directamente a las redes de calefacción de las ciudades, cerrando así el ciclo de eficiencia térmica.

Editado por el periodista industrial Lekshman Ramdas, con asistencia de IA.

www.aveva.com