# Centros de datos — visión general sobre infraestructura, expansión y límites Dosier público DOS-1 · Overview Schema: 1.0.0 Dossier ID: DOS-1 Slug: centros-de-datos-infraestructura-expansion-limites Public version: 1.0.0 Locale: es Intent: explain Audience: Lectores, investigadores, inversores, operadores y responsables de políticas públicas. Last verified: 2026-07-29 Canonical: https://blog.nilu.pro/es/blog/centros-de-datos-infraestructura-expansion-limites/dossier/ Article summary: https://blog.nilu.pro/es/blog/centros-de-datos-infraestructura-expansion-limites/ Markdown: https://blog.nilu.pro/es/blog/centros-de-datos-infraestructura-expansion-limites/dossier.md JSON: https://blog.nilu.pro/es/blog/centros-de-datos-infraestructura-expansion-limites/dossier.json ## Resumen ejecutivo - Los centros de datos son sistemas físicos que combinan servidores, aceleradores, memoria, almacenamiento y redes con edificios, energía, refrigeración, conectividad, capital y autorización. La expansión del sector no se explica por un único componente. La IA acelera parte de la demanda; la energía se ha convertido en una restricción relevante; los chips, la red, los equipos eléctricos, el territorio y la regulación siguen siendo interdependientes. - La capacidad anunciada, contratada, instalada, energizada, utilizable y efectivamente consumida corresponde a estados diferentes. - Las lagunas de medición impiden las clasificaciones y la falsa precisión, pero no impiden explicar los mecanismos conocidos. ## Alcance Cómo la demanda digital se convierte en infraestructura física; qué recursos y cuellos de botella condicionan la expansión; y cómo se distribuyen los costos, los impactos y el poder. **Tesis:** Los centros de datos no son infraestructura digital abstracta. Son sistemas ciberfísicos cuya expansión depende de la convergencia de computación, energía, refrigeración, conectividad, capital, equipos, territorio y autorización. **Fuera de alcance** - Los detalles técnicos, ambientales, fiscales o jurídicos permanecen en los Dosieres especializados. - La visión general no reproduce íntegramente las bases de evidencia de los cuatro Dosieres especializados. ## Dosieres especializados - DOS-6 — [Centros de datos — cómo funcionan y por qué se están expandiendo](https://blog.nilu.pro/pt-br/blog/datacenters-sistema-fisico-demanda/) - DOS-2 — [Centros de datos — energía e impactos ambientales](https://blog.nilu.pro/pt-br/blog/datacenters-energia-impactos-ambientais/) - DOS-3 — [Centros de datos — economía política, inversión e impactos locales](https://blog.nilu.pro/pt-br/blog/datacenters-economia-politica-impactos-locais/) - DOS-4 — [Centros de datos — geografía, geopolítica y soberanía](https://blog.nilu.pro/pt-br/blog/datacenters-geografia-geopolitica-soberania/) ## Mapa del sistema ```text demanda de servicios digitales ↓ cargas de trabajo + modelo de prestación ↓ servidores, aceleradores, memoria, almacenamiento y redes ↓ racks, energía crítica, refrigeración y edificio ↓ conexión eléctrica + fibra + cables + territorio ↓ contratos, financiación, incentivos y regulación ↓ capacidad instalada → energizada → utilizable → efectivamente consumida ↓ efectos económicos, ambientales, territoriales y estratégicos ``` ## DATA — evidencias y mediciones ### DC-OV-D01 — Un centro de datos combina TI e infraestructura de apoyo Un centro de datos reúne servidores, almacenamiento y redes con alimentación eléctrica, conversión, redundancia, refrigeración, seguridad y edificio. - **Tipos:** fact - **Estado:** verified - **Confianza:** high - **Última revisión:** 2026-07-25 - **Referencias:** [src-epa-energy-star-datacenter-faq-pue](#src-epa-energy-star-datacenter-faq-pue), [src-lbnl-us-data-center-energy-2024](#src-lbnl-us-data-center-energy-2024) **Limitaciones** - Las implementaciones varían según el tipo de instalación y los requisitos de disponibilidad. ### DC-OV-D02 — La nube no es una carga de trabajo La nube es un modelo de prestación y operación; la IA, el video, las bases de datos, los servicios web, la analítica, la HPC y el almacenamiento son aplicaciones o clases de carga de trabajo que pueden compartir la misma infraestructura. - **Tipos:** fact, taxonomy - **Estado:** verified - **Confianza:** high - **Referencias:** [src-nist-sp800-145-cloud-definition](#src-nist-sp800-145-cloud-definition) **Limitaciones** - Las categorías de aplicaciones pueden solaparse en el uso de recursos y dificultar la determinación de participaciones mutuamente excluyentes. ### DC-OV-D03 — Las proyecciones globales son específicas de cada edición y escenario La IEA estimó cerca de 415 TWh para los centros de datos en 2024 en la edición Energy and AI 2025; una actualización posterior trabajó con aproximadamente 485 TWh en 2025 y un escenario central cercano a 950 TWh en 2030. - **Tipos:** estimate, prediction - **Estado:** contextual - **Período:** Anos-base 2024 e 2025; cenário central para 2030. - **Confianza:** high para atribuição; medium para projeção - **Riesgo de interpretación:** No presentar 2030 como un hecho futuro. - **Referencias:** [src-iea-energy-and-ai-2025](#src-iea-energy-and-ai-2025), [src-iea-key-questions-energy-ai-2026](#src-iea-key-questions-energy-ai-2026) **Limitaciones** - Los valores pertenecen a ediciones, años base y supuestos diferentes; no forman un intervalo único. ### DC-OV-D04 — La concentración hace que el impacto local sea desproporcionado Los centros de datos representaron el 23% del consumo eléctrico medido de Irlanda en 2025, frente al 5% en 2015. - **Tipos:** fact - **Estado:** verified - **Base de medición:** Consumo eléctrico medido. - **Período:** 2015–2025 - **Confianza:** high - **Referencias:** [src-cso-ireland-datacenter-electricity-2025](#src-cso-ireland-datacenter-electricity-2025) **Limitaciones** - No es una proporción de toda la energía final ni una medida global. ### DC-OV-D05 — Una configuración de alta densidad de IA no representa un rack típico La documentación de NVIDIA indica aproximadamente 120 kW para una configuración NVL72; en la encuesta Uptime 2025, el 82% de los 709 operadores que respondieron no tenía ningún rack por encima de 30 kW como máxima densidad de la instalación. - **Tipos:** comparison - **Estado:** contextual - **Base de medición:** Especificación de una configuración NVL72 comparada con una encuesta a 709 operadores. - **Período:** Pesquisa Uptime 2025. - **Confianza:** high para as fontes; low para generalização global - **Referencias:** [src-nvidia-dgx-gb-rack-hardware-guide](#src-nvidia-dgx-gb-rack-hardware-guide), [src-uptime-global-datacenter-survey-2025](#src-uptime-global-datacenter-survey-2025) **Limitaciones** - Una especificación de producto y una encuesta a operadores abarcan universos distintos; la encuesta no representa la distribución de todos los racks. ### DC-OV-D06 — El TDP y los benchmarks no miden el consumo anual del sitio El TDP es una propiedad del componente; MLPerf Power mide la potencia de CA del sistema durante un benchmark definido; ninguna de las dos medidas, por sí sola, proporciona el consumo anual del centro de datos. - **Tipos:** comparison - **Estado:** verified - **Base de medición:** TDP del componente y potencia de CA del sistema durante un benchmark definido. - **Confianza:** high - **Referencias:** [src-nvidia-h100-specifications](#src-nvidia-h100-specifications), [src-mlcommons-mlperf-inference](#src-mlcommons-mlperf-inference), [src-mlcommons-mlperf-power](#src-mlcommons-mlperf-power) ### DC-OV-D07 — El uso de agua depende de los límites y las condiciones Un estudio del LBNL encontró una variación superior a cuatro órdenes de magnitud en el consumo de agua por carga de trabajo entre las combinaciones evaluadas de equipos, utilización, refrigeración, clima, red eléctrica y renovación de hardware. - **Tipos:** estimate, comparison - **Estado:** contextual - **Base de medición:** Consumo de agua por carga de trabajo entre las combinaciones evaluadas. - **Confianza:** medium-high - **Referencias:** [src-lbnl-water-use-workloads-2025](#src-lbnl-water-use-workloads-2025) **Limitaciones** - No representa la distribución observada de los sitios globales ni justifica una cifra universal «por consulta». ### DC-OV-D08 — Un contrato renovable no demuestra suministro físico horario El Scope 2 basado en el mercado registra instrumentos contractuales; por sí solo, no demuestra que el consumo haya sido abastecido por generación libre de carbono en cada hora y lugar. - **Tipos:** comparison - **Estado:** verified - **Confianza:** high - **Referencias:** [src-ghg-protocol-scope2-guidance-2015](#src-ghg-protocol-scope2-guidance-2015) **Limitaciones** - Distinguir la regla vigente de futuras propuestas de correspondencia horaria y entregabilidad. ### DC-OV-D09 — En el caso de Virginia, el impacto económico modelado corresponde mayoritariamente a la construcción El modelo de Virginia estimó 74 mil empleos asociados al sector: 59 mil vinculados a la construcción y 15 mil a la operación, incluidos los efectos directos, indirectos e inducidos. - **Tipos:** estimate - **Estado:** contextual - **Base de medición:** Empleos modelados, incluidos los efectos directos, indirectos e inducidos. - **Confianza:** high para a atribuição - **Referencias:** [src-jlarc-data-centers-virginia-2024](#src-jlarc-data-centers-virginia-2024) **Limitaciones** - No equivale a empleados permanentes propios de los operadores ni representa otras jurisdicciones. ### DC-OV-D10 — El uso de un incentivo no demuestra adicionalidad La auditoría de Washington encontró menos de diez beneficiarios, únicamente reformas, ninguna construcción nueva al amparo de la preferencia y US$ 42,4 millones de ahorro estimado entre 2023–2026. - **Tipos:** fact, estimate - **Estado:** verified Case Study - **Período:** 2023–2026 - **Confianza:** high - **Referencias:** [src-wa-jlarc-urban-data-centers-tax-preference-2026](#src-wa-jlarc-urban-data-centers-tax-preference-2026) **Limitaciones** - No mide todas las inversiones incrementales ni permite una generalización nacional. ### DC-OV-D11 — El consumo eléctrico regional no es una proporción de la capacidad de cómputo En 2024, la IEA atribuyó el 45%, el 25% y el 15% del consumo eléctrico estimado de los centros de datos a Estados Unidos, China y Europa. - **Tipos:** estimate - **Estado:** contextual - **Base de medición:** Proporción del consumo eléctrico estimado de los centros de datos. - **Período:** 2024 - **Confianza:** high para a estimativa publicada - **Referencias:** [src-iea-energy-and-ai-2025](#src-iea-energy-and-ai-2025) **Limitaciones** - No mide GPU, FLOPS, servidores ni capacidad utilizable. ### DC-OV-D12 — Los cables son críticos, pero su recuento no mide la resiliencia La ITU estima que los cables submarinos transportan más del 99% del tráfico internacional de datos; las fallas, las reparaciones, la capacidad, la diversidad de rutas y la indisponibilidad son métricas distintas. - **Tipos:** estimate, comparison - **Estado:** contextual - **Base de medición:** Proporción estimada del tráfico internacional de datos. - **Confianza:** medium-high - **Referencias:** [src-itu-submarine-cable-resilience-2026](#src-itu-submarine-cable-resilience-2026) ### DC-OV-D13 — La localización no equivale a soberanía integral Mantener datos y centros de datos en un territorio no determina, por sí solo, la jurisdicción efectiva, el control operativo, las claves, la portabilidad, la sustituibilidad tecnológica ni la continuidad. - **Tipos:** comparison - **Estado:** verified as framework - **Confianza:** high - **Referencias:** [src-oecd-data-localisation-2020](#src-oecd-data-localisation-2020) ## INFO — síntesis derivadas ### DC-OV-I01 — La expansión consiste en coordinar dependencias Los chips sin energía generan inventario improductivo; la energía sin hardware, conectividad o demanda genera capacidad ociosa; ninguno de los dos se convierte en operación sin licencias y contratos. - **Derived from:** DC-OV-D01, DC-OV-D05, DC-OV-D06 ### DC-OV-I02 — El cuello de botella se desplaza por el sistema La restricción puede desplazarse entre chips, HBM, encapsulado, redes, equipos eléctricos, conexión, refrigeración, construcción y puesta en marcha. - **Derived from:** DC-OV-D01, DC-OV-D05 - **Nota de procedencia:** La derivación canónica también remite a los Dosieres especializados de Funcionamiento y Energía, sin identificar afirmaciones adicionales en la visión general. ### DC-OV-I03 — La eficiencia unitaria y el consumo agregado pueden divergir Un menor uso de energía por tarea no determina el consumo total; el volumen, el precio, la utilización y los nuevos usos también cambian. - **Derived from:** DC-OV-D03, DC-OV-D06 ### DC-OV-I04 — Impactos globales pequeños pueden ser grandes a escala local La proporción global de electricidad o agua no describe la presión sobre un nodo de red, una cuenca hidrográfica o un municipio. - **Derived from:** DC-OV-D04, DC-OV-D07, DC-OV-D11 ### DC-OV-I05 — Los beneficios y los costos aparecen en instituciones diferentes El gasto tributario estatal, la recaudación municipal, la inversión de la empresa eléctrica, la tarifa y el empleo temporal pueden coexistir; no deben sumarse como beneficio neto sin un contrafactual. - **Derived from:** DC-OV-D09, DC-OV-D10 ### DC-OV-I06 — La localización es simultáneamente una ventaja y una dependencia La energía, la fibra y la regulación atraen capacidad, pero los chips, la nube, el software, los cables y la jurisdicción mantienen dependencias externas. - **Derived from:** DC-OV-D11, DC-OV-D12, DC-OV-D13 ### DC-OV-I07 — Una proyección o un incentivo no demuestra capacidad entregada Las proyecciones de demanda y los programas de incentivos no demuestran, por sí solos, capacidad operativa; el despliegue aún depende de financiación, equipos, conexión, licencias, construcción y operación. - **Derived from:** DC-OV-D03, DC-OV-D10 ## Incertidumbres ### DC-OV-UNC-01 — Proporción global por carga de trabajo - **Estado:** não mensurado publicamente - **Lo que sabemos:** La adopción y la presencia no equivalen a energía, servidores ni proporción de capacidad de cómputo. - **Tratamiento editorial:** No publicar una distribución global artificial. - **Confianza:** high na lacuna - **Última revisión:** 2026-07-25 ### DC-OV-UNC-02 — Capacidad instalada frente a capacidad utilizable - **Estado:** não mensurado publicamente - **Lo que sabemos:** La energía, la refrigeración, el espacio, la red y la confiabilidad pueden generar capacidad varada. - **Tratamiento editorial:** Explicar los mecanismos sin un porcentaje global. - **Última revisión:** 2026-07-25 ### DC-OV-UNC-03 — Impacto ambiental comparable por sitio - **Estado:** métodos incompatíveis - **Lo que sabemos:** El PUE, el WUE, el agua, las emisiones y el carbono incorporado dependen de los límites, el clima y la operación. - **Tratamiento editorial:** Preservar el sitio, el período, el denominador y el método. - **Última revisión:** 2026-07-25 ### DC-OV-UNC-04 — Retorno fiscal neto - **Estado:** não mensurado publicamente - **Lo que sabemos:** Los ingresos brutos y los gastos tributarios existen en distintos niveles de gobierno. - **Tratamiento editorial:** No elaborar una clasificación de incentivos. - **Última revisión:** 2026-07-25 ### DC-OV-UNC-05 — Capacidad de cómputo global y soberanía - **Estado:** proxy imperfeito - **Lo que sabemos:** La electricidad, los racks, las instalaciones y la localización miden dimensiones parciales. - **Tratamiento editorial:** Usar un marco multidimensional, no un índice único. - **Última revisión:** 2026-07-25 ## Metodología - **DATA:** DATA registra afirmaciones verificables con fuentes, contexto de medición, limitaciones y confianza explícitos. - **INFO:** INFO registra síntesis o interpretaciones y siempre declara los ID de las afirmaciones de las que deriva. - **Incertidumbre:** La incertidumbre registra una laguna como resultado editorial; permanece explícita y no se completa con una estimación frágil. - **Regla de actualización:** Una revisión solo puede corregir o actualizar la proyección a partir del Dosier canónico y con autorización editorial; los cambios sustanciales incrementan la versión pública y se registran en el historial de correcciones. ## Versión y correcciones - **Versión pública:** 1.0.0 - **Última verificación:** 2026-07-29 - **Revisar después de:** 2026-08-24 - No hay correcciones públicas registradas. ## Referencias 1. **src-epa-energy-star-datacenter-faq-pue.** [U.S. EPA ENERGY STAR — Data center rating FAQ and PUE definition](https://nepis.epa.gov/Exe/ZyPURL.cgi?Dockey=P100TSZE.TXT). U.S. EPA. Consultado el 2026-07-24. 1. **src-lbnl-us-data-center-energy-2024.** [LBNL — 2024 United States Data Center Energy Usage Report](https://eta-publications.lbl.gov/publications/2024-lbnl-data-center-energy-usage-report). Lawrence Berkeley National Laboratory. Consultado el 2026-07-24. 1. **src-nist-sp800-145-cloud-definition.** [NIST — The Definition of Cloud Computing (SP 800-145)](https://csrc.nist.gov/pubs/sp/800/145/final). NIST. Consultado el 2026-07-24. 1. **src-iea-energy-and-ai-2025.** [IEA — Energy and AI (2025)](https://www.iea.org/reports/energy-and-ai). IEA. Consultado el 2026-07-22. 1. **src-iea-key-questions-energy-ai-2026.** [IEA — Key Questions on Energy and AI (2026)](https://www.iea.org/reports/key-questions-on-energy-and-ai). IEA. Consultado el 2026-07-24. 1. **src-cso-ireland-datacenter-electricity-2025.** [CSO Ireland — Data Centres Metered Electricity Consumption 2025](https://www.cso.ie/en/releasesandpublications/ep/p-dcmec/datacentresmeteredelectricityconsumption2025/). Central Statistics Office Ireland. Consultado el 2026-07-24. 1. **src-nvidia-dgx-gb-rack-hardware-guide.** [NVIDIA — DGX GB Rack Scale Systems Hardware Guide](https://docs.nvidia.com/dgx/dgxgb200-user-guide/hardware.html). NVIDIA. Consultado el 2026-07-24. 1. **src-uptime-global-datacenter-survey-2025.** [Uptime Institute — 2025 Global Data Center Survey](https://uptimeinstitute.com/about-ui/press-releases/uptimes-15th-annual-global-data-center-survey-results-shows-both-commitment-and-hesitancy). Uptime Institute. Consultado el 2026-07-24. 1. **src-nvidia-h100-specifications.** [NVIDIA — H100 Tensor Core GPU specifications](https://www.nvidia.com/en-us/data-center/h100/). NVIDIA. Consultado el 2026-07-22. 1. **src-mlcommons-mlperf-inference.** [MLCommons — MLPerf Inference benchmark documentation](https://docs.mlcommons.org/inference/). MLCommons. Consultado el 2026-07-24. 1. **src-mlcommons-mlperf-power.** [MLCommons — MLPerf Inference power measurement methodology](https://docs.mlcommons.org/inference/power/). MLCommons. Consultado el 2026-07-24. 1. **src-lbnl-water-use-workloads-2025.** [LBNL — The water use of data center workloads (2025)](https://eta-publications.lbl.gov/publications/water-use-data-center-workloads). Lawrence Berkeley National Laboratory. Consultado el 2026-07-24. 1. **src-ghg-protocol-scope2-guidance-2015.** [GHG Protocol — Scope 2 Guidance](https://ghgprotocol.org/scope-2-guidance). GHG Protocol / WRI. Consultado el 2026-07-24. 1. **src-jlarc-data-centers-virginia-2024.** [JLARC — Data Centers in Virginia (2024)](https://jlarc.virginia.gov/landing-2024-data-centers-in-virginia.asp). Virginia JLARC. Consultado el 2026-07-24. 1. **src-wa-jlarc-urban-data-centers-tax-preference-2026.** [Washington JLARC — Data Centers in Urban Counties: 2026 Tax Preference Review](https://leg.wa.gov/jlarc/taxReports/2026/data/1/report.html). Washington JLARC. Consultado el 2026-07-24. 1. **src-itu-submarine-cable-resilience-2026.** [ITU — International Advisory Body on Submarine Cable Resilience: Working Groups Report 2026](https://www.itu.int/hub/publication/s-iab-wg-2026/). ITU. Consultado el 2026-07-24. 1. **src-oecd-data-localisation-2020.** [OECD — Data localisation trends and challenges](https://www.oecd.org/content/dam/oecd/en/publications/reports/2020/12/data-localisation-trends-and-challenges_d775fe8a/7fbaed62-en.pdf). OECD. Consultado el 2026-07-24.