El auge de la construcción de centros de datos entra en un nuevo capítulo: la inferencia se convierte en el centro de gravedad, la electricidad se convierte en un cuello de botella

Antecedentes de la industria

El rápido desarrollo de la industria global de IA está impulsando la construcción de centros de datos hacia una nueva fase. Según el último análisis de la consultora Bain & Company, en los últimos 12 meses, el mercado de centros de datos ha mostrado seis tendencias significativas, lo que marca la transición de la industria de una mera expansión de escala a un modelo de desarrollo más complejo y refinado.

Las grandes empresas están acelerando la implementación de aplicaciones de IA de nivel de producción, lo que impulsa a las empresas tecnológicas de hiperescala a expandir continuamente su capacidad computacional. El impulso y las perspectivas de crecimiento de la IA siguen siendo sólidos, lo que se espera que se traduzca en una demanda sostenida y vigorosa de construcción de centros de datos.

Impacto en el mercado

La tasa de crecimiento de nuevas construcciones tiende a estabilizarse: Aunque antes se esperaba que las inversiones de los operadores de hiperescala pudieran disminuir, la realidad es que en 2025 sus inversiones aumentaron significativamente y se prevé que continúen creciendo en los próximos años. Sin embargo, los operadores están empezando a prestar más atención a la eficiencia del capital, volviéndose más selectivos con las nuevas implementaciones (especialmente para el entrenamiento de IA).

Los centros de datos son más grandes pero más flexibles: Los "megacampus" con una capacidad de potencia de al menos 1 gigavatio (GW) se convertirán en el estándar para el entrenamiento de modelos de vanguardia, pero solo se necesitará un número limitado de estos centros de datos a nivel global. Al mismo tiempo, las cargas de trabajo de inferencia tienen requisitos de escala relativamente moderados, lo que permite redes de centros de datos más pequeños y distribuidos. Los nuevos centros de datos se están diseñando para cambiar de manera flexible entre cargas de trabajo de entrenamiento e inferencia, por ejemplo, implementando múltiples soluciones de refrigeración para evitar activos hundidos. También se está explorando el entrenamiento distribuido, que podría cambiar la arquitectura del entrenamiento.

La inferencia se convierte en un nuevo centro de gravedad: Los patrones de cargas de trabajo de IA están cambiando, y la importancia de la inferencia a gran escala está aumentando significativamente, en paralelo con el entrenamiento de modelos de vanguardia. Este cambio se debe en parte a la concreción de casos de uso empresarial de IA. La computación en tiempo de prueba (test-time compute) está remodelando las estrategias de infraestructura, la economía y la arquitectura, teniendo un profundo impacto en las decisiones de construcción propia frente a terceros, la diversidad de chips y la configuración de energía.

Panorama competitivo

Crecimiento concentrado pero globalizado: América del Norte posee la mayor capacidad de centros de datos, impulsada principalmente por los gastos de capital de los operadores de hiperescala. Al mismo tiempo, las estrategias de IA soberana y la adopción empresarial están activando mercados regionales en todo el mundo. Las empresas enfrentan la decisión: ¿qué mercados son adecuados para albergar qué cargas de trabajo? Están buscando flexibilidad geográfica para alinear la infraestructura computacional con factores de latencia, soberanía de datos y acceso a la energía.

La energía se convierte en un cuello de botella para el crecimiento: Incluso si las restricciones de GPU y construcción se alivian, el acceso a la energía se ha convertido en un factor crítico que limita el crecimiento. La generación detrás del medidor (behind-the-meter, BTM) está cambiando las decisiones y los plazos de construcción. Actualmente, los proyectos BTM son más comunes en Estados Unidos, principalmente basados en generación independiente a gas, aunque también se exploran otras tecnologías como las pilas de combustible de óxido sólido. Las empresas de servicios públicos, los desarrolladores y los reguladores enfrentan una presión urgente para coordinarse, y ya hay casos de colaboración entre empresas de servicios públicos y operadores de centros de datos para planificar grandes demandas de electricidad.

Implicaciones para las empresas- Las empresas deberían reevaluar su estrategia de infraestructura para cargas de trabajo de IA: las diferentes necesidades de entrenamiento e inferencia exigen un diseño y una ubicación más flexibles. - El suministro eléctrico se convertirá en un factor clave para la ubicación futura; las empresas deben coordinarse anticipadamente con los proveedores de energía y los organismos reguladores. - A medida que la inferencia gana protagonismo, las empresas deben centrarse en la optimización de los costos de inferencia y en la posibilidad de un despliegue distribuido. - En los despliegues globales, es necesario considerar simultáneamente la soberanía de datos, la latencia y la disponibilidad energética, construyendo una distribución diversificada.