La inteligencia artificial ha acostumbrado al mercado a pensar en velocidad. Nuevos modelos cada pocos meses, chips más potentes, centros de datos anunciados con cifras que hasta hace poco parecían improbables y rondas de financiación de miles de millones. Pero el límite que empieza a aparecer no está solo en el software ni en los semiconductores. Está en la parte más física de la economía: electricidad, turbinas, transformadores, permisos, suelo, agua, refrigeración y obras.
Una frase atribuida a Elon Musk y muy compartida en redes resume bien esa tensión. Cuando le preguntaron por qué las grandes tecnológicas no construyen simplemente centrales eléctricas privadas junto a sus centros de datos para saltarse la red, la respuesta fue directa: el cuello de botella está en los fabricantes de plantas de energía. Más allá de la literalidad de la cita, la idea encaja con una realidad cada vez más visible: la IA puede escalar en código mucho más rápido de lo que el mundo puede construir infraestructura pesada.
La paradoja es incómoda. Un equipo puede entrenar o ajustar un modelo en semanas, comprar capacidad GPU con acuerdos multimillonarios o diseñar una arquitectura de inferencia distribuida en meses. Pero levantar generación eléctrica, reforzar una subestación, conseguir turbinas de gas, ampliar líneas de transmisión o completar autorizaciones ambientales puede llevar años. La inteligencia artificial avanza a ritmo de software; la energía sigue funcionando al ritmo de acero, hormigón y regulación.
El nuevo cuello de botella ya no son solo las GPUs
Durante 2023 y 2024, el debate sobre la IA se concentró en la escasez de GPUs. NVIDIA se convirtió en el símbolo de la carrera, y cada anuncio de capacidad se medía en chips, clusters y gigavatios de cómputo. Ese enfoque sigue siendo importante, pero se está quedando corto. Tener aceleradores no sirve de mucho si no hay electricidad suficiente para encenderlos, refrigerarlos y conectarlos.
La Agencia Internacional de la Energía estima que el consumo eléctrico mundial de los centros de datos podría duplicarse hasta rondar los 945 TWh en 2030, una cifra ligeramente superior al consumo eléctrico actual de Japón. La IA será uno de los principales motores de ese crecimiento, con servidores acelerados creciendo a un ritmo muy superior al de la infraestructura informática convencional. En Estados Unidos, la AIE calcula que los centros de datos explicarán cerca de la mitad del crecimiento de la demanda eléctrica hasta final de década.
Los datos más recientes apuntan en la misma dirección. La AIE señaló en abril de 2026 que la demanda eléctrica de los centros de datos creció un 17 % en 2025, mientras que la de los centros orientados específicamente a IA avanzó aún más rápido, muy por encima del crecimiento eléctrico global del 3 %.
En Estados Unidos, la Administración de Información Energética prevé nuevos máximos de consumo eléctrico en 2026 y 2027, impulsados por centros de datos, inteligencia artificial, criptomonedas y la electrificación de otros usos. La demanda total pasaría de 4.195 miles de millones de kWh en 2025 a 4.248 en 2026 y 4.379 en 2027.
La consecuencia es clara: la IA ha dejado de ser solo una industria de chips y modelos. Es ya una industria energética.
Construir generación propia tampoco es tan sencillo
La solución aparentemente lógica es que los grandes operadores construyan su propia generación cerca de los centros de datos. Es lo que en el sector se suele llamar generación “behind the meter”: energía dedicada que se sitúa detrás del contador, asociada directamente a una instalación industrial o digital. Puede reducir dependencia de la red, acelerar plazos y dar más control sobre el suministro.
Pero esa vía también choca con límites físicos. Las turbinas de gas, los motores de generación, los transformadores, los sistemas de alta tensión, los equipos de refrigeración industrial y la mano de obra especializada no aparecen de la noche a la mañana. El mercado ya muestra señales claras de tensión. Un análisis publicado en Engineering señalaba que los plazos de espera para grandes turbinas de gas han llegado a situarse en torno a cinco años de media y hasta siete años en algunos casos, frente a los ciclos más habituales de uno a tres años en el pasado.
TechCrunch recogía en abril que la carrera por nuevas plantas de gas para centros de datos estaba generando escasez de turbinas y un fuerte aumento de costes, con estimaciones de Wood Mackenzie que apuntaban a entregas a seis años para determinados equipos y falta de nuevos pedidos disponibles hasta 2028.
El caso de xAI sirve como ejemplo de esta nueva etapa. La compañía vinculada a Musk recibió autorización para instalar 41 turbinas de gas natural en Mississippi, con una capacidad estimada de 1,2 GW para alimentar sus centros de datos Colossus en la zona. La decisión fue criticada por grupos ambientales por la rapidez del proceso y por el impacto potencial de las emisiones, pero muestra hasta qué punto la industria está dispuesta a buscar caminos directos para asegurar potencia.
El problema es que no todas las empresas pueden hacerlo. Una cosa es comprar GPUs; otra muy distinta es convertirse en promotor eléctrico, negociar permisos, asegurar combustible, gestionar emisiones, firmar acuerdos de interconexión y operar activos energéticos críticos. La IA empuja a las tecnológicas hacia un terreno que se parece menos al software y más a la industria pesada.
China, Estados Unidos y la velocidad de construir
La comparación con China aparece de forma recurrente porque la carrera de la IA es también una carrera de capacidad industrial. China ha demostrado en sectores como solar, baterías, redes eléctricas, trenes de alta velocidad o manufactura electrónica una habilidad notable para construir rápido y escalar cadenas de suministro. Estados Unidos, por su parte, conserva liderazgo en chips, software, capital y modelos, pero afronta cuellos de botella en permisos, red eléctrica, fabricación de equipos y coordinación territorial.
La AIE prevé que Estados Unidos y China concentren cerca del 80 % del crecimiento mundial de la demanda eléctrica de centros de datos hasta 2030. Eso significa que ambos países afrontan el mismo dilema de fondo: no basta con tener empresas capaces de entrenar modelos avanzados; hace falta alimentar físicamente la infraestructura que los sostiene.
La diferencia está en los ritmos administrativos, la capacidad de planificación y el control sobre cadenas industriales. China no está libre de problemas energéticos, ambientales o de red, pero su modelo permite acelerar proyectos estratégicos con una coordinación estatal difícil de replicar en democracias más descentralizadas. Estados Unidos tiene un mercado privado enorme, pero sus proyectos pueden quedar atrapados entre permisos locales, litigios, agencias, comunidades afectadas, restricciones ambientales y retrasos en interconexiones.
Europa mira este debate con sus propios límites. La demanda de centros de datos también crece en el continente, aunque con una presión regulatoria mayor sobre sostenibilidad, agua, suelo y uso energético. Para regiones como Madrid, Fráncfort, Dublín, Ámsterdam o París, la cuestión ya no es solo atraer inversión, sino decidir cuánta capacidad puede absorber la red y bajo qué condiciones.
El software corre, la infraestructura camina
La gran lección de esta etapa es que la IA ha vuelto a poner de moda la economía física. Durante décadas, buena parte del discurso tecnológico se apoyó en la idea de que el valor se estaba desplazando hacia lo intangible: código, plataformas, datos, redes sociales, servicios cloud. Todo eso sigue siendo cierto, pero solo hasta que la demanda de cómputo obliga a construir gigavatios.
Cada avance en modelos tiene una sombra material. Más parámetros implican más entrenamiento. Más inferencia implica más servidores distribuidos. Más servidores implican más energía, más refrigeración, más fibra, más subestaciones, más transformadores, más suelo y más construcción. El mundo digital no flota en el aire: vive en naves industriales llenas de equipos que consumen electricidad de forma continua.
Esto cambia también el reparto de poder en la cadena tecnológica. Fabricantes de turbinas, proveedores de transformadores, compañías eléctricas, operadores de red, empresas de ingeniería, fabricantes de sistemas de refrigeración y promotores de centros de datos pasan a tener un papel más estratégico. La próxima ventaja competitiva puede no estar solo en quién consiga más GPUs, sino en quién tenga antes acceso a potencia firme, permisos cerrados y equipos eléctricos entregados.
La frase de Musk funciona porque toca una verdad simple: no se puede ejecutar inteligencia artificial sin energía. Y no se puede producir energía a escala sin fábricas, permisos, materiales, trabajadores y años de planificación. El código puede iterar a velocidad casi instantánea; una central eléctrica no.
El mito de la IA como una industria puramente digital se está agotando. A partir de ahora, la carrera no se decidirá solo en laboratorios, repositorios de código o salas de entrenamiento. También se decidirá en polígonos industriales, líneas de transmisión, puertos, plantas de turbinas, minas de cobre, fábricas de transformadores y ayuntamientos que aprueban o bloquean proyectos.
La inteligencia artificial ha llegado a su fase de hormigón. Y esa fase será más lenta, más cara y más política que la anterior.
Preguntas frecuentes
¿Cuál es el principal cuello de botella físico de la IA?
La energía. Los centros de datos de IA necesitan grandes cantidades de electricidad, además de refrigeración, conexión a red, transformadores, turbinas y permisos.
¿Por qué no se construyen centrales privadas junto a todos los centros de datos?
Porque también faltan equipos, fabricantes, plazos de entrega, permisos, combustible, interconexiones y capacidad industrial para hacerlo a gran escala.
¿La escasez de GPUs ha dejado de importar?
No. Los chips siguen siendo críticos, pero la disponibilidad eléctrica se ha convertido en un límite igual o más importante para muchos proyectos de IA.
¿Qué países tienen ventaja en esta nueva etapa?
Los que combinen capacidad tecnológica con velocidad para construir infraestructura energética, redes eléctricas, centros de datos y cadenas industriales. Estados Unidos y China concentran gran parte del crecimiento previsto, pero afrontan retos distintos.
