La inteligencia artificial se quedó sin enchufe: Nvidia empieza a invertir en la red eléctrica

Durante buena parte de la revolución de la inteligencia artificial, el problema parecía sencillo de describir. Faltaban chips.

Nvidia tenía algo que todos querían y pocos podían fabricar: procesadores capaces de entrenar y ejecutar modelos cada vez mayores. El resultado fue conocido. Las GPU se convirtieron en uno de los bienes industriales más demandados del mundo y Nvidia pasó a ocupar el centro de la infraestructura tecnológica.

Ahora aparece un problema diferente.

Se pueden fabricar más procesadores. Se pueden construir más centros de datos. También se pueden levantar nuevas centrales eléctricas. Pero entre una central y cientos de miles de GPU existe una infraestructura mucho menos visible: líneas de alta tensión, subestaciones, transformadores, conexiones y permisos.

La inteligencia artificial descubrió la red eléctrica.

Y Nvidia decidió invertir en ella.

US$ 3.000 millones por algo más que una empresa

Nvidia planea invertir hasta US$ 3.000 millones en Lancium, la compañía de infraestructura energética que participa en el desarrollo del campus Stargate de Abilene, Texas, según informó Reuters sobre la base de una publicación de The Information. La operación contemplaría inicialmente US$ 2.000 millones por alrededor del 20% de la empresa y otros US$ 1.000 millones sujetos al cumplimiento de determinados objetivos, entre ellos nuevas conexiones a la red eléctrica. La operación valuaría a Lancium, incluida su deuda, en aproximadamente US$ 10.000 millones.

Ese último detalle ayuda a entender la transacción.

Nvidia no estaría comprando solamente participación en una desarrolladora de centros de datos. Lancium posee terrenos y, fundamentalmente, derechos y proyectos de conexión eléctrica.

Su campus de Abilene dispone de una interconexión aprobada por ERCOT —el operador de la red de Texas— de 1,2 gigavatios. Allí se desarrolla Stargate 1, el primer gran campus del programa impulsado por OpenAI, Oracle y SoftBank.

Un gigavatio dejó de ser una unidad reservada a las empresas eléctricas. Se convirtió en una unidad de medida de la industria tecnológica.

OpenAI y Oracle anunciaron en 2025 otros 4,5 GW de capacidad para Stargate. Sumado Abilene, el programa superaba entonces los 5 GW en desarrollo, destinados a operar más de dos millones de chips. El objetivo anunciado para Stargate es alcanzar 10 GW y movilizar hasta US$ 500.000 millones de inversión en infraestructura estadounidense.

La dimensión explica el problema.

Una fábrica que consume electricidad

Un centro de datos convencional podía analizarse como un edificio lleno de computadoras. Una instalación de inteligencia artificial de escala gigavatio se parece más a una planta industrial.

Consume energía las 24 horas. Necesita refrigeración. Requiere redundancia. Y una interrupción del suministro puede inmovilizar equipos que cuestan miles de millones de dólares.

La Agencia Internacional de Energía calcula que el consumo mundial de electricidad de los centros de datos podría duplicarse hacia 2030 y alcanzar aproximadamente 945 TWh anuales, algo más que el consumo eléctrico actual de Japón. La demanda crecería cerca de 15% por año entre 2024 y 2030, cuatro veces más rápido que el resto del consumo eléctrico mundial.

La IA explica buena parte de esa aceleración. El consumo de los servidores acelerados —la categoría donde se encuentran los sistemas utilizados para inteligencia artificial— crecería alrededor de 30% anual.

Estados Unidos concentra el problema. Lawrence Berkeley National Laboratory estima que los centros de datos podrían representar 11,8% de toda la electricidad consumida en el país en 2030. Según los escenarios considerados, la participación podría ubicarse entre 9,5% y 15,3%.

No existe, sin embargo, una red eléctrica estadounidense.

Existen redes regionales.

Y los centros de datos tampoco se distribuyen uniformemente.

Se concentran donde existen terrenos, fibra óptica, electricidad disponible, incentivos fiscales y condiciones regulatorias favorables. Por eso una demanda que parece administrable cuando se observa a escala nacional puede convertirse en un problema enorme en determinados puntos del sistema.

El problema no es generar. Es transportar

Aquí aparece una diferencia fundamental.

Construir generación eléctrica y disponer de electricidad donde se instalará un centro de datos no son la misma cosa.

Una central solar puede construirse en pocos años. Un centro de datos puede levantarse todavía más rápido. Pero una nueva línea de transmisión puede necesitar entre cinco y quince años entre planificación, permisos y construcción.

La Agencia Internacional de Energía estima que existen más de 2.500 GW de proyectos de generación renovable, almacenamiento y grandes consumidores esperando conexiones a redes eléctricas en distintos países. También calcula que la inversión mundial anual en redes debería crecer alrededor de 50% hacia 2030 respecto de los actuales US$ 400.000 millones.

El desajuste temporal es considerable.

Un centro de datos puede construirse en uno a tres años. La infraestructura que debe alimentarlo puede necesitar una década.

No faltan necesariamente electrones.

Faltan caminos para transportarlos.

La nueva geografía de la inteligencia artificial

Esto modifica la economía del sector.

Durante décadas, las empresas tecnológicas podían decidir primero dónde instalar sus operaciones y después contratar electricidad.

Con centros de datos de varios gigavatios ocurre lo contrario.

La disponibilidad eléctrica empieza a decidir dónde puede instalarse la capacidad informática.

Texas ofrece un ejemplo. En junio, la Public Utility Commission aprobó un nuevo mecanismo de ERCOT para estudiar conjuntamente las solicitudes de conexión de grandes consumidores de 75 MW o más. La razón fue explícita: la cantidad de centros de datos y otras grandes cargas que pretendían conectarse estaba haciendo ineficiente el sistema anterior, que evaluaba cada proyecto individualmente.

El gobierno federal enfrenta el mismo problema.

El Departamento de Energía advirtió en julio que Estados Unidos necesita ampliar su infraestructura de transmisión ante el crecimiento de la demanda proveniente de centros de datos, nuevas industrias y otros grandes consumidores. FERC, el regulador federal, abrió procedimientos específicos para acelerar la incorporación de estas cargas sin comprometer la confiabilidad del sistema ni trasladar costos injustificados a los usuarios existentes.

La carrera por la IA empieza así a mezclarse con una disciplina mucho más antigua: planificación eléctrica.

Nvidia cruza la frontera

Nvidia tiene una razón particular para interesarse por este problema.

Cada centro de datos que no consigue electricidad es un centro de datos que no compra GPU.

La compañía ya había mostrado hasta dónde estaba dispuesta a extenderse para evitar esa limitación. En septiembre de 2025 anunció junto con OpenAI un acuerdo para desplegar al menos 10 GW de sistemas Nvidia. La empresa contempló invertir hasta US$ 100.000 millones en OpenAI de manera progresiva, a medida que se instalara cada gigavatio.

La inversión en Lancium lleva esa lógica un paso más atrás en la cadena productiva.

Primero Nvidia diseñaba chips.

Después avanzó sobre sistemas completos, redes de alta velocidad y software.

Ahora empieza a colocar capital en la infraestructura necesaria para que esos sistemas puedan conectarse a una fuente de electricidad.

La integración vertical ya no termina en la puerta del centro de datos.

Llega hasta la subestación.

El riesgo de financiar la propia demanda

Hay una segunda cuestión.

La estrategia resuelve un problema industrial, pero crea uno financiero.

Si Nvidia aporta capital a desarrolladores de infraestructura, respalda proyectos de centros de datos e invierte en compañías que posteriormente utilizarán ese dinero para adquirir sistemas Nvidia, la frontera entre proveedor, inversor y financiador comienza a desdibujarse.

El fenómeno no implica necesariamente que la demanda sea artificial. Pero modifica la distribución del riesgo.

Mientras Nvidia se limitaba a vender procesadores, el riesgo de construir demasiados centros de datos recaía principalmente sobre sus clientes. Si participa en el financiamiento de la infraestructura, una parte de ese riesgo vuelve a su balance.

La pregunta deja entonces de ser solamente cuántas GPU puede vender.

También importa cuántos centros de datos necesitará financiar la industria para comprarlas.

De la ley de Moore a la ley de Ohm

Durante medio siglo, la industria informática vivió pendiente de una restricción microscópica: cuántos transistores podían colocarse dentro de un semiconductor.

La inteligencia artificial trasladó progresivamente el problema hacia afuera.

Primero hizo falta conseguir GPU. Después hubo que conectarlas entre sí. Luego hubo que construir edificios capaces de alojarlas. Ahora es necesario encontrar gigavatios de electricidad y llevarlos hasta esos edificios.

La paradoja es que una de las tecnologías más sofisticadas desarrolladas por la economía moderna empieza a depender de una infraestructura inventada en el siglo XIX.

Nvidia puede diseñar una nueva generación de procesadores cada año.

Una línea de alta tensión puede tardar diez años.

Ese desajuste probablemente explique mejor que cualquier pronóstico sobre algoritmos por qué la próxima frontera de la inteligencia artificial no estará solamente en Silicon Valley.

También estará en las centrales eléctricas, las subestaciones y las redes de transmisión.