La construcción de un centro de datos de inteligencia artificial (IA) de 1 gigavatio (GW) ha dejado de ser simplemente un proyecto de infraestructura tecnológica para convertirse en una compleja operación de capital, energía e industria. Según un modelo desarrollado por Epoch AI, un centro de estas características requiere una colosal inversión inicial de aproximadamente 38.000 millones de dólares, además de unos costes operativos anuales cercanos a los 900 millones de dólares.
El análisis de Epoch AI revela que la principal barrera financiera no se encuentra en el terreno ni en la conexión a la red eléctrica, sino en el hardware de computación, en particular en los servidores con aceleradores de IA. Estos equipos representan cerca del 60% del costo total de propiedad anual, una cifra significativa que destaca el desafío económico que enfrentan las empresas interesadas en incursionar en este campo.
En las discusiones públicas sobre los centros de datos de IA, factores como la disponibilidad de electricidad, los permisos, el suelo y los sistemas de refrigeración suelen acaparar la atención. No obstante, el estudio muestra que el gran desafío económico reside en que los componentes más caros son también los más susceptibles a la depreciación rápida. En un modelo hipotético para un hiperescalador estadounidense, Epoch AI estimó que el costo inicial del hardware (especialmente los sistemas NVIDIA GB200 NVL72) y su depreciación son críticas para la viabilidad del proyecto.
El informe subraya que construir un centro de datos de IA de esta magnitud es una inversión de largo aliento. No basta solo con erigir el edificio y obtener electricidad; se requiere una inversión masiva en servidores, GPUs, redes internas, almacenamiento, sistemas de refrigeración, y alimentación eléctrica. Aquí, los servidores son el principal cuello de botella financiero, superando incluso el alto costo de la electricidad, que se calcula en aproximadamente 600 millones de dólares anuales.
El hardware, con una vida útil limitada, tiene un impacto significativo en la economía general del proyecto. Si la duración del equipamiento se reduce a tres años, los costes anuales pueden elevarse hasta los 12.000 millones de dólares, mientras que aumentar su vida a siete años podría reducirlos a 7.000 millones. Esto plantea un desafío considerable para los inversores y destaca la importancia de maximizar la eficiencia y la utilización de estos recursos a lo largo de su ciclo de vida.
La concentración del poder económico en unos pocos jugadores es inevitable. La capacidad de invertir decenas de miles de millones de dólares en infraestructura y superar las barreras de suministro eléctrico y acceso a tecnología avanzada confiere una ventaja decisiva a los hiperescaladores y grandes alianzas industriales. La industria de la IA, por lo tanto, se perfila no solo como una contienda tecnológica, sino principalmente como una carrera por la eficiencia industrial, donde el uso inteligente y efectivo del capital determinará al ganador.
Así, la discusión sobre los centros de datos de IA de 1 GW no debe centrarse únicamente en los megavatios de potencia o el número de GPUs instaladas, sino en cómo se traduce la inversión en capacidad útil. La eficiencia en términos de coste por tarea, uso de GPU por hora, y la amortización del hardware resultarán cruciales en un contexto donde cada generación de chips puede afectar dramáticamente el valor competitivo del equipamiento existente.
