El número que no podía dejar de mirar era 550. Entre 2010 y 2018, la cantidad de cómputo realizado dentro de los centros de datos del mundo creció alrededor de un 550 por ciento. Su consumo eléctrico, en esos mismos ocho años, casi no se movió. Masanet y sus colegas publicaron ese hallazgo en Science en 2020, y es lo más útil que he leído sobre este tema, porque mata la intuición con la que casi todos partimos. Más cómputo no significa automáticamente más energía. Durante buena parte de la última década, la eficiencia se comió el crecimiento.
Lo traigo a colación porque la historia que circula hoy dice lo contrario, y podría tener razón igual.
La eficiencia absorbió el boom anterior de cómputo. Si puede absorber este es algo que de verdad no sabemos, y las empresas que están comprando capacidad nuclear apuestan a que no. Puede que acierten. Lo que me incomoda no es el átomo. Es que la electricidad se esté asignando por contrato privado, años antes de que alguien haya contado qué más va a necesitarla.
Lo que hizo la eficiencia, y quizá no repita
El paper de Masanet importa por lo aburrido de su mecanismo. Los servidores mejoraron. Máquinas viejas e ineficientes que vivían en el sótano de cada empresa se mudaron a instalaciones enormes que funcionan más cerca de su capacidad. La virtualización hizo que una sola máquina física hiciera el trabajo de varias. Nada de eso es glamoroso, y todo junto le compró al mundo cerca de una década de crecimiento computacional prácticamente gratis en términos energéticos.
La razón por la que se cree que esa era terminó es un artículo breve de Alex de Vries en Joule, de 2023. Partiendo de proyecciones sobre cuántos servidores de IA se fabricarían y despacharían realmente, estimó que la IA podría sumar entre 85 y 134 teravatios hora anuales a la demanda eléctrica global hacia 2027. Para dimensionarlo, eso ronda lo que consume al año un país como Países Bajos, Argentina o Suecia.
Fíjate en qué está construida esa estimación. No en intuiciones sobre el futuro de la inteligencia. En cadenas de suministro de hardware. Solo puedes correr los modelos para los que tienes chips, y alguien tiene que fabricar esos chips. Es una manera modesta y verificable de proyectar, y es también la razón de que el número venga con un rango en vez de una cifra única y confiada.
Y entonces los reactores
La parte corporativa es fácil de resumir y se ha reportado en todas partes. Microsoft contrató el reencendido de una unidad en Three Mile Island, ahora rebautizada Crane Clean Energy Center, comprando la producción por veinte años. Google firmó con Kairos Power por reactores modulares pequeños. Amazon puso dinero en X-energy. Son anuncios de empresas, no investigación, así que los trato como lo que son: evidencia de lo que las compañías están haciendo, no evidencia de que vaya a funcionar.
La lógica se entiende. Un centro de entrenamiento quiere energía estable y de buena calidad en un solo lugar, todas las horas del año, y ese perfil le calza mejor a un reactor que a la solar sin almacenamiento. Reencender una planta existente es la versión cautelosa de la apuesta. Encargar reactores que no se han construido a escala comercial en Occidente es la versión cara.
La parte que de verdad no está resuelta
Acá esperaba encontrar una respuesta zanjada y no la encontré. La línea estándar dice que los costos de construcción nuclear siempre escalan, que eso es una ley de la tecnología. Lovering, Yip y Nordhaus desafiaron exactamente eso en Energy Policy en 2016, reuniendo los costos de construcción de buena parte de los reactores jamás construidos y argumentando que el patrón varía enormemente según el país y la época, con programas que mantuvieron sus costos planos o los redujeron.
Al año siguiente, en la misma revista, Koomey, Hultman y Grubler publicaron una réplica formal sosteniendo que el análisis se apoyaba en costos que excluyen el financiamiento, que incorporaba reactores tempranos de demostración, y que los propios datos de la era moderna apuntaban en la dirección contraria. Los dos papers están en el registro revisado por pares. Ninguno fue retirado. Si quieres saber si los reactores nuevos serán asequibles, la respuesta honesta es que gente seria mirando los mismos datos de construcción todavía discrepa sobre qué muestran.
Hay también un cuestionamiento más amplio. Sovacool y colegas, en Nature Energy en 2020, examinaron sistemas eléctricos nacionales y reportaron que los países muy apoyados en lo nuclear no mostraban las reducciones de emisiones asociadas a los países apoyados en renovables, y que ambas estrategias convivían mal en la misma red. Ese trabajo recibió críticas metodológicas importantes después de publicado. Lo incluyo porque existe y porque fingir que la literatura crítica no está sería deshonesto, no porque crea que cierra la discusión.
El cómputo creció cerca de 550 por ciento entre 2010 y 2018 mientras el consumo eléctrico de los centros de datos se mantuvo casi plano, por eficiencia y consolidación.
La IA podría sumar entre 85 y 134 TWh al año hacia 2027, calculado desde el suministro de hardware. Es una estimación, no un consenso.
Si los costos de construcción nuclear tienen que escalar. Dos papers en la misma revista, uno respondiendo al otro, todavía sin reconciliar.
El agua. Menos de un tercio de los operadores de centros de datos siquiera mide cuánta consume.
Nadie habla del agua
Esta es la parte que me hizo enderezarme en la silla, porque es la costura donde todo este asunto toca el libro que escribí. David Mytton publicó una revisión en npj Clean Water en 2021 señalando que la electricidad de los centros de datos recibe cobertura constante mientras su agua no recibe casi ninguna. Los centros de datos estadounidenses consumen del orden de 1700 millones de litros al día, directos e indirectos. Contra un consumo total de Estados Unidos de unos 1,218 billones de litros diarios, es poco. No fue el volumen lo que me preocupó.
Fue esto. En algunas instalaciones, la mayor parte del agua que se extrae para refrigerar es potable, y menos de un tercio de los operadores mide su consumo hídrico. La generación térmica tiene sed, así que un reactor construido para enfriar un centro de datos suma demanda de agua en los dos extremos de la misma cadena. Estamos montando algo enorme y nuevo encima de un recurso que ni siquiera nos hemos molestado en instrumentar.
Por qué un novelista guarda una carpeta sobre esto
Mi novela transcurre en 2150, después de que el agua dulce se convirtiera en la base de la autoridad política. La máquina en su centro es una planta desalinizadora, es decir, una máquina que convierte electricidad en agua potable, mantenida en marcha por gente a la que nunca se le permite fallar. Una inteligencia artificial llamada MADRE administra lo que queda del sistema.
Nadie en 2150 discute si construirla valió la electricidad. Viven adentro de la respuesta. Ese es el único truco real que tiene la ficción acá. Salta hacia adelante, hacia la gente que hereda una decisión, y pregunta cómo se ve desde ahí.
Así que no voy a decirte que el renacimiento nuclear es una catástrofe o un rescate. La investigación no sostiene ninguno de los dos veredictos. Lo que sí sostiene es algo más estrecho y, me parece, más incómodo. La asignación de energía limpia firme se está decidiendo mediante contratos privados a veinte años, en una industria cuya propia trayectoria energética está en disputa, apoyándose en un sistema de agua que casi nadie está midiendo. Mira quién firma. Ahí es donde se escriben los futuros.
Fuentes revisadas por pares
- Energía de centros de datos · Science, Q1 ScopusMasanet, E., Shehabi, A., Lei, N., Smith, S. y Koomey, J. (2020). "Recalibrating global data center energy-use estimates." Science, 367(6481), 984-986. doi:10.1126/science.aba3758
- Demanda eléctrica de la IA · Joule, Q1 Scopusde Vries, A. (2023). "The growing energy footprint of artificial intelligence." Joule, 7(10), 2191-2194. doi:10.1016/j.joule.2023.09.004
- Agua · npj Clean Water, Q1 ScopusMytton, D. (2021). "Data centre water consumption." npj Clean Water, 4, 11. doi:10.1038/s41545-021-00101-w
- Costos de reactores · Energy Policy, Q1 ScopusLovering, J. R., Yip, A. y Nordhaus, T. (2016). "Historical construction costs of global nuclear power reactors." Energy Policy, 91, 371-382. doi:10.1016/j.enpol.2016.01.011
- La réplica formal · Energy Policy, Q1 ScopusKoomey, J., Hultman, N. E. y Grubler, A. (2017). "A reply to 'Historical construction costs of global nuclear power reactors'." Energy Policy, 102, 640-643. doi:10.1016/j.enpol.2016.03.052
- Nuclear y renovables comparadas · Nature Energy, Q1 ScopusSovacool, B. K., Schmid, P., Stirling, A., Walter, G. y MacKerron, G. (2020). "Differences in carbon emissions reduction between countries pursuing renewable electricity versus nuclear power." Nature Energy, 5, 928-935. doi:10.1038/s41560-020-00696-3
Nota editorial: el argumento anterior se apoya en las seis fuentes revisadas por pares del listado, todas en revistas indexadas en Scopus y Web of Science. Los anuncios de Microsoft, Google y Amazon se usan solo como registro de conducta corporativa, nunca como evidencia de resultados. Cada DOI fue verificado contra el registro Crossref y revisado por avisos de retractación el 1 de septiembre de 2026. El autor es novelista y doctorando, no analista energético, y la sección de cierre es opinión firmada, no un hallazgo.