Cuando una organización adquiere su primera plataforma de inteligencia artificial de alto rendimiento suele experimentar una mezcla de entusiasmo y vértigo.
Por un lado, la inversión supone un salto estratégico que abre la puerta a capacidades computacionales difíciles de imaginar hace tan solo unos años. Por otro, aparece una revelación incómoda, y es que el centro de datos que ha funcionado durante años estable y fiel no está preparado para esto.
Y no porque falten racks, ni porque la potencia contratada sea insuficiente, ni porque la sala esté anticuada. Es simplemente porque las plataformas actuales, especialmente aquellas basadas en aceleradores de GPU como las de NVIDIA, exigen un tipo de infraestructura que no existía cuando se diseñaron muchos CPDs tradicionales. Necesitan una infraestructura que no se improvisa, que no se parchea con soluciones temporales y que además demanda un enfoque global, maduro y rigurosamente técnico. En definitiva, es necesario un centro de datos capaz de acompañar a la IA en su escala, consumo energético, disipación térmica y enorme concentración de interconexiones.
1. Densidad energética
La primera sorpresa para quienes reciben uno de estos equipos es su densidad energética, ya que un único nodo de entrenamiento puede superar los diez o quince kilovatios de consumo sostenido; un valor que multiplica por cinco la potencia de un servidor tradicional.
Al instalar dos nodos en un mismo bastidor, algo habitual en despliegues estándar, la demanda asciende a treinta kilovatios, una cifra que no encaja fácilmente en la arquitectura eléctrica de la mayoría de centros de datos existentes. Y si el proyecto contempla cuatro unidades por rack, una densidad posible pero no siempre recomendable, la cifra supera los cincuenta kilovatios en un solo bastidor.
Esta densidad no es solo un dato llamativo. Es un condicionante que transforma por completo la manera en la que se conciben las líneas eléctricas, la distribución trifásica, la capacidad de los cuadros, la protección selectiva, el cableado, los sistemas de respaldo y las unidades de distribución de energía. Por lo que todo aquello que era suficiente para un data center convencional pasa inmediatamente a ser insuficiente; y no es una cuestión de ampliar secciones o añadir PDUs más robustas, sino que es necesario repensar cómo se alimenta el rack, cómo se distribuye la potencia entre fases, cómo se comportan los picos de carga y qué tipo de redundancia se considera aceptable. La segunda sorpresa llega al revisar el comportamiento interno de estos equipos.
A diferencia de los servidores tradicionales que suelen operar con una o dos fuentes de alimentación redundantes, las plataformas de IA de última generación integran cinco, seis o incluso más porque sus módulos internos, diseñados para entrenar modelos de decenas de miles de millones de parámetros, requieren una estabilidad eléctrica muy superior a la de un servidor convencional.
Esto desencadena una paradoja. La emblemática arquitectura A/B que durante décadas ha sido considerada la referencia de la alta disponibilidad en centros de datos, deja de ser suficiente. No porque se haya quedado obsoleta per se, sino porque el hardware moderno exige que la inmensa mayoría de sus fuentes de alimentación funcionen simultáneamente, y si un fallo afecta a dos de ellas, algo que puede ocurrir en determinadas configuraciones A/B o en ciertos escenarios de interdependencia entre fases, el sistema se apagará sin contemplaciones, aunque teóricamente exista redundancia externa.
Es en este punto donde la infraestructura demuestra si está a la altura. Las plataformas de IA requieren un suministro multipath real, con líneas eléctricas independientes, sin cruces entre fases y sin combinaciones que bajo condiciones de fallo puedan dejar dos fuentes internas sin alimentación. Lo que antes se resolvía con dos PDUs ahora exige tres, cuatro o incluso más para evitar fallos catastróficos en sistemas cuyo coste y criticidad justifican un diseño eléctrico extraordinariamente cuidadoso.
2. Climatización
Pero nada de esto tendría sentido sin abordar el gran protagonista silencioso: la climatización. El desafío térmico es tan exigente como el eléctrico.
Un solo nodo de IA puede requerir más de dos mil CFM de aire y su tolerancia térmica oscila en un margen estrecho. Se recomienda temperaturas entre dieciocho y veintisiete grados con un máximo operativo cercano a los treinta. Además, hay que tener en cuenta que estos equipos no perdonan desviaciones prolongadas, ni aceptan recirculaciones, ni gestionan bien turbulencias en el plenum.
El CPD debe controlar el flujo de aire de forma quirúrgica. La contención de pasillos deja de ser una recomendación para convertirse en una obligación técnica y la estanqueidad del recinto cobra una relevancia que no tenía en sistemas tradicionales porque cualquier fuga, eddy o bypass térmico erosiona el rendimiento, aumenta el riesgo de throttling y compromete la operatividad de las GPUs.
La filtración del aire debe cumplir estándares industriales estrictos, ya que el polvo fino, la humedad o los contaminantes químicos pueden comprometer conexiones y módulos internos.
Ante este nivel de precisión, soluciones que en otros contextos funcionan bien, por ejemplo rear-door cooling, in-row o chillers con distribución mixta, pueden quedarse cortas, por lo que se requiere de soluciones más novedosas como direct to chip cooling o inmersión.
3. Interconexión de red
El tercer pilar crítico, aunque menos visible, es la interconexión. La IA moderna depende de una red de fibra de alta velocidad (400-800Gb) extremadamente sensible, basada en arquitecturas que conectan todo con todo (SPINE-LEAF) y donde los enlaces de cobre apenas ofrecen unos metros de tolerancia. Por ello cualquier salto intermedio añade latencia y pérdida de señal, situando al cableado en un rol inesperado: será el protagonista de determinar la geometría del CPD.
La distancia entre racks deja de ser una decisión de arquitectura y pasa a depender de los límites físicos de los cables. Tampoco los pasillos frío o caliente pueden moverse con libertad si eso compromete las distancias máximas admitidas por la interconexión de los nodos. Así, la sala ya no se diseña en torno a criterios arquitectónicos o normativos sino que se diseña en torno al cable.
4. Análisis de la situación
La suma de estos factores conduce inevitablemente a una conclusión: muchos centros de datos no están preparados para absorber una plataforma de IA moderna sin inversiones significativas. Incluso los más recientes.
Y aquí aparece otra decisión crítica para las organizaciones. ¿Actualizar la sala existente o desplegar una nueva infraestructura que nazca directamente adaptada a estas cargas?
¿Actualizar o instalar nuevo?
La actualización de una sala tradicional suele parecer a primera vista la opción más económica. Sin embargo, los requisitos de potencia, distribución multipath, climatización de alta densidad, presión estática, filtración, contención, cableado de muy corto alcance y racks específicos para refrigeración y cableado con frecuencia hacen que la actualización termine siendo un proyecto tan profundo como construir un data center nuevo y, en ocasiones, con un coste mayor.
En este punto es donde los centros de datos modulares cobran sentido.
Los módulos técnicos modernos, premontados, probados en fábrica y adaptados a cargas de treinta, cuarenta o cincuenta kilovatios por rack, ofrecen una alternativa que combina rapidez, predictibilidad y cumplimiento técnico. No requieren obras invasivas, no interfieren en el CPD existente, permiten escalabilidad por bloques y ofrecen un entorno controlado donde cada aspecto está diseñado para soportar la tensión operativa de las plataformas GPU actuales.
Otro aspecto que cobra peso en esta transición es la operación.
Los centros de datos diseñados para IA necesitan una monitorización exhaustiva, no solo para cumplir con buenas prácticas sino para evitar situaciones donde una desviación eléctrica o térmica degrade el rendimiento del entrenamiento. Los sistemas deben integrarse con plataformas de telemetría capaces de ofrecer datos en tiempo real.
La IA no tolera infraestructuras que funcionan bien, sino que exige salas que demuestren que funcionan bien. La monitorización no es un accesorio, sino un componente estructural de la infraestructura.
En este contexto surge una constatación cada vez más aceptada en el sector, y es que la infraestructura es parte del rendimiento. No es simplemente un vehículo que posibilita la computación, es un multiplicador de la capacidad real de los sistemas.
Un CPD bien diseñado no solo permite que la IA funcione, sino que mejora su eficiencia, evita reducciones de frecuencia internas, prolonga la vida útil de los equipos y garantiza que la inversión en hardware se traduzca en resultados. Por el contrario, una infraestructura insuficiente convierte una plataforma puntera en un sistema inestable, limitado o infrautilizado.
Por eso, cuando una organización adquiere su primera plataforma de IA la pregunta clave no es “¿cuánto consume este equipo?”, sino “¿qué implica su llegada para mi centro de datos?”. Implica:
- Revisar potencia contratada y diseño de las líneas internas
- Evaluar climatización y geometría del flujo de aire
- Estimar la capacidad de los racks y su estanqueidad
- Estudiar el cableado y la ubicación física de cada armario
- Examinar la instalación eléctrica y el modelo de redundancia y la manera en que cada fuente de alimentación interna se enlaza con la infraestructura del CPD
Pero sobre todo implica comprender que la IA no es una carga más, sino una que impone su propio diseño. Una carga que obliga a tomar decisiones de ingeniería cuidadosamente razonadas y que transforma el CPD en un engranaje decisivo dentro de la cadena de valor del dato.
Por eso en GESAB sabemos que en la IA moderna la pregunta realmente importante ya no es “¿Qué sistema de IA he comprado?” sino: “¿Está mi centro de datos a la altura de lo que quiero conseguir con él?”
