Centros de datos de la IA: estudios advierten presión sobre energía, agua y emisiones

Tres estudios publicados en la última semana de octubre analizan el costo físico de la inteligencia artificial: electricidad, agua, emisiones y minerales. Uno de ellos, publicado en la revista Global Environmental Change Advances, recoge estimaciones de Naciones Unidas con alcance global. Los otros dos se concentran en Estados Unidos, con foco en Texas.

Energía: la mayor carga está en el uso diario

Según el estudio publicado en Global Environmental Change Advances, la etapa que más electricidad demanda no es el entrenamiento de los grandes modelos sino la inferencia, es decir, las respuestas que el sistema genera a cada consulta. La ONU ubica esa etapa entre el 80% y el 90% de la demanda energética total.

Hacia 2030, la ONU estima que los centros de datos podrían requerir 945 teravatios-hora de electricidad al año, casi tres veces el consumo anual conjunto de Pakistán, Bangladesh y Nigeria. Las renovables pueden reducir la carga climática, pero no eliminan el uso de suelo ni de agua. El estudio también advierte sobre el efecto rebote: si los ahorros por eficiencia se compensan con más consultas y aplicaciones, la demanda total puede crecer.

Emisiones: el gas como atajo en Texas

Un estudio del Houston Advanced Research Center (HARC) proyecta que las emisiones de óxidos de nitrógeno (NOx) aumentarían 35% para 2031 si los centros se conectan a la red con mezcla eólica y solar. Si el uso de gas natural fuera masivo, el alza llegaría a cerca de 400%.

Carlos Gamarra, vicepresidente de energía, aire y TI de HARC, explicó que los desarrolladores instalan generación propia porque la conexión a la red tarda demasiado: “no siempre eligen la opción más limpia de generación de energía en el sitio debido a los plazos”. Según el estudio, los motores a gas emiten cerca de cuatro veces más NOx que la red para la misma energía. El material particulado fino volvería a niveles de 2006 con la mezcla actual de la red de ERCOT, y los compuestos orgánicos volátiles superarían en 32% los registros de 2002. Las áreas más afectadas serían Houston, Dallas-Fort Worth, San Antonio y Austin, que ya tienen dificultades para cumplir los límites federales.

Gamarra pidió que los centros “cumplan con los mismos estándares de emisiones industriales y de generación de energía que impulsaron el progreso de Texas”. La Data Center Coalition, en cambio, sostuvo que los operadores buscan optimizar el consumo y combinar renovables, y que algunas proyecciones de demanda podrían estar sobreestimadas.

Agua: salada, salobre o de petróleo

El estudio publicado en Water Research, liderado por la Universidad de Texas en Austin, plantea usar agua salina o contaminada para refrigerar los servidores. Según sus estimaciones, la demanda hídrica de los centros de datos en Estados Unidos podría multiplicarse hasta cuatro veces hacia 2028, con un rango de entre 150.000 y 270.000 millones de litros anuales.

Los investigadores compararon dos familias de tecnologías: la ósmosis inversa, eficiente y económica pero limitada a aguas no más saladas que el océano, y la compresión mecánica de vapor, apta para líquidos hipersalinos pero con mucho mayor consumo de energía. En un sistema híbrido aplicado a agua de mar, con mínima descarga de salmuera, se recuperaron 736 litros por cada 1.000 kilogramos de agua alimentada, a un costo de 3,2 dólares por metro cúbico. Con agua de producción petrolera, la recuperación fue similar, pero el consumo energético se cuadruplicó y el costo se triplicó.

Vaibhav Bahadur, profesor de Ingeniería Mecánica de la universidad, afirmó: “No estamos esperando una tecnología futurista que venga a resolver este problema por nosotros”. Y agregó: “Podemos resolver partes de este problema con la tecnología que ya tenemos; simplemente hay un costo asociado”. Según Bahadur, la cuenca del Pérmico genera unas 1.200 piscinas olímpicas de agua residual por día, y el espacio para inyectarla bajo tierra podría agotarse “posiblemente hacia 2030”.

Lo que todavía no se puede medir

• No hay suficiente información pública y comparable sobre el consumo de energía, agua y emisiones de los modelos cerrados a gran escala, según el estudio de Global Environmental Change Advances.
• Muchas estimaciones se basan en proyecciones o en casos específicos, lo que dificulta calcular la huella ambiental completa.
• La extracción de minerales para servidores y semiconductores puede provocar contaminación y deforestación, y los equipos descartados generan residuos electrónicos tóxicos si no se tratan bien.
• Los impactos del agua y de la energía dependen del lugar: una misma instalación pesa distinto en una región con escasez que en otra con disponibilidad.

El próximo dato que los investigadores ponen en el calendario es 2030, tanto para el espacio de inyección de agua residual en Texas como para la demanda eléctrica global que proyecta la ONU.