En febrero de 2025, durante una conferencia que hoy cobra un nuevo significado, Elon Musk lanzó una advertencia que muchos consideraron alarmistas: la próxima gran crisis de la humanidad no sería la falta de talento, sino la escasez de transformadores eléctricos y energía para alimentar la Inteligencia Artificial.
Hoy, 18 de febrero de 2026, los datos del sector energético sugieren que la predicción del CEO de Tesla y xAI no estaba errada.
El consumo voraz de los centros de datos está llevando a las redes eléctricas de los países desarrollados al límite, planteando un escenario donde la capacidad de cómputo podría verse frenada por la infraestructura física. Esto segun datos de la Agencia Internacional de Energía (AIE) en su informe de consumo energético de centros de datos 2026.
Lee también: ¿Qué es el efecto floración y qué hacen los Smart TV que no son OLED o micro LED?
De la escasez de chips a la seda de energía
Musk vaticinó que la evolución de la IA seguiría un patrón de cuellos de botella. Primero fue la escasez de chips (GPU de Nvidia), un problema que la industria ha comenzado a mitigar. Sin embargo, el magnate señaló que el siguiente obstáculo sería la infraestructura electrica.
El problema es doble:
- Transformadores de voltaje: Estos componentes esenciales para las subestaciones tienen plazos de entrega que han pasado de meses a años debido a la demanda simultánea de las tecnológicas.
- Generación de energía: El entrenamiento de modelos como Grok-3 oh GPT-5 requiere una cantidad de electricidad equivalente a la que se consumen en ciudades enteras, poniendo en riesgo la estabilidad del suministro para uso doméstico.
La solución de Musk: Energía Nuclear y Sostenibilidad
Un año después de aquel discurso, la respuesta de las “Big Tech” parece validar a Musk. Empresas como Microsoft, Amazon y la propia Tesla están invirtiendo masivamente en energia nuclear y soluciones de almacenamiento en batería a gran escala.
Para Musk, la única salida para evitar un apagón digital es una transición acelerada hacia fuentes de energía sostenibles y de alta densidad.
Hemos observado cómo esta crisis energética está obligando a las empresas de IA a optimizar la eficiencia de sus algoritmos, pasando de la carrera por “el modelo más grande” a la carrera por “el modelo más eficiente”.
