China pisa el acelerador energético
En 2030, los centros de datos de China podrían consumir unos 774 TWh de electricidad al año, aproximadamente cuatro veces más que en la actualidad. Esa es la previsión de la consultora de investigación Wood Mackenzie. El motivo es sencillo: China sigue invirtiendo con fuerza en inteligencia artificial, y la capacidad de cálculo requiere servidores, sí, pero también electricidad a escala industrial.
Según los analistas, a finales de la década los centros de datos representarán alrededor del 6 % de todo el consumo eléctrico de China. Si se calcula el consumo anual total del país a partir de esa proporción, podría llegar a unos 12.900 TWh. Para 2060, la cuota de los centros de datos en el consumo energético chino podría crecer hasta el 17 %, así que la presión sobre las redes eléctricas no hará más que aumentar.
El crecimiento está ligado a dos tipos principales de tareas de los sistemas de inteligencia artificial. La primera es la inferencia: procesar las consultas de usuarios y empresas con modelos ya entrenados. La segunda es entrenar modelos nuevos. Esto exige grandes recursos de cálculo y puede generar picos de consumo bruscos y difíciles de prever, sobre todo a medida que la IA se vuelve más compleja.
China está distribuyendo gradualmente sus centros de datos según las tareas. Las grandes instalaciones cerca de Pekín, Shanghái y Shenzhen dan servicio a aplicaciones que necesitan una latencia mínima y una respuesta rápida. En cambio, el entrenamiento de modelos, las copias de seguridad y el almacenamiento de datos pueden trasladarse más lejos de las ciudades: para estas operaciones, un pequeño empeoramiento de la velocidad no suele ser crítico.
Las regiones occidentales y septentrionales del país ofrecen terrenos más baratos, un clima más fresco y mayor acceso a las energías renovables. Wanting Zhao, analista de Wood Mackenzie, señala que, a medida que crezca la demanda de capacidad de cálculo, la fiabilidad, un coste competitivo y una baja huella de carbono de la electricidad serán factores decisivos.
Según las previsiones de Wood Mackenzie, el consumo energético de los centros de datos seguirá creciendo durante décadas. Sin embargo, las emisiones del sector podrían alcanzar su máximo hacia 2035. Esto significa que la transición a las energías renovables probablemente irá algo por detrás del crecimiento de la infraestructura de cálculo.
Los centros de datos también podrían convertirse en consumidores de electricidad más flexibles. Las tareas que no sean urgentes podrán ejecutarse en horas en las que la energía renovable sea más barata o la red esté menos cargada. Así, los centros de datos dejarán de ser exclusivamente una carga base constante y podrán adaptarse en parte al funcionamiento del sistema eléctrico.
La cifra de 774 TWh impresiona especialmente al compararla con Corea del Sur. Según las estadísticas de las compañías energéticas, todo el país —con su consumo doméstico e industrial— produjo unos 596 TWh en 2025. En otras palabras, para 2030, los centros de datos chinos por sí solos podrían consumir más electricidad de la que Corea del Sur produjo en un año.
La previsión, eso sí, ya ha cambiado drásticamente. Un año antes, Wood Mackenzie esperaba que los centros de datos chinos consumieran 479 TWh al año en 2030. La nueva estimación es de 774 TWh, alrededor de un 60 % más que la anterior. Por lo visto, la inteligencia artificial escala más rápido de lo que los analistas pueden actualizar sus tablas.
PEREC.RU
En 2030, los centros de datos chinos podrían consumir 774 TWh de electricidad al año, unas cuatro veces más que en la actualidad. Wood Mackenzie ha elaborado esta previsión en un contexto de grandes inversiones de China en inteligencia artificial. El volumen superaría el de Corea del Sur: según datos de las compañías energéticas, todo el país produjo unos 596 TWh en 2025.
Se espera que los centros de datos representen alrededor del 6 % del consumo energético total de China en 2030. Eso implica una demanda anual total del país de unos 12.900 TWh. Para 2060, la cuota de los centros de datos podría aumentar al 17 %, lo que añadiría presión a las redes eléctricas y exigiría ampliarlas considerablemente.
Las principales fuentes de carga relacionadas con la IA son la inferencia y el entrenamiento de modelos. Inferencia significa procesar las consultas de usuarios y empresas mediante sistemas ya entrenados. Entrenar modelos nuevos requiere muchos más recursos y puede causar picos de consumo imprevisibles, sobre todo a medida que aumenta la complejidad de la IA.
China ubica su infraestructura teniendo en cuenta las necesidades de cada tarea. Los centros cerca de Pekín, Shanghái y Shenzhen están destinados a servicios que requieren conexiones rápidas y una latencia mínima. El entrenamiento de modelos, las copias de seguridad y el almacenamiento de datos pueden trasladarse a las regiones occidentales y septentrionales, donde el suelo es más barato, el clima más fresco y hay mayor disponibilidad de energía renovable.
Wanting Zhao, analista de Wood Mackenzie, considera que la disponibilidad de electricidad fiable, barata y menos intensiva en carbono influirá cada vez más en la elección de los emplazamientos para los centros de datos.
Aunque, según las previsiones, el consumo energético del sector seguirá creciendo durante décadas, las emisiones de los centros de datos podrían alcanzar su máximo hacia 2035. Esto apunta a una posible transición a las energías renovables, pero no necesariamente al mismo ritmo que crece la infraestructura.
Los centros de datos podrían convertirse en consumidores más flexibles. Los cálculos no urgentes podrían trasladarse a las horas en las que la energía renovable sea más barata o la red esté menos cargada. Así podrían actuar no solo como carga base constante, sino también como un elemento regulable del sistema eléctrico.
La previsión de 774 TWh ya supera ampliamente la estimación del año pasado de Wood Mackenzie. Entonces la empresa esperaba que los centros de datos chinos consumieran 479 TWh en 2030. La nueva cifra es aproximadamente un 60 % mayor, lo que refleja la aceleración de la IA y el aumento de la demanda de capacidad de cálculo.
