Centros de IA flexibles: ¿le pueden robar a los mineros de Bitcoin su mayor ventaja? 

La competencia por la energía entre la minería de Bitcoin y los centros de datos de inteligencia artificial (IA) tiene, hasta ahora, un resultado parcial claro. La IA gana terreno frente a la minería porque resulta más rentable y más predecible en sus ingresos, producto de la brutal y sostenida demanda que enfrenta en la actualidad.

Un nuevo paper, publicado en arXiv el pasado 23 de junio por la startup Emerald AI junto con el Instituto de Investigación de Energía Eléctrica de EE. UU. (EPRI), la operadora de red National Grid y las empresas NVIDIA y Oracle, demostró que ese resultado podría profundizarse todavía más, debido a que la IA comienza a exhibir una capacidad que, hasta el momento, era el argumento central de la minería para justificar un trato preferencial ante las redes eléctricas, la de ser flexible y reducir su consumo de forma rápida y voluntaria.

Esa flexibilidad, hasta ahora asociada a la minería de Bitcoin, permite apagar las operaciones durante un período determinado cuando la red eléctrica atraviesa momentos de estrés. La energía que libera ese proceso queda disponible para otros usos, como calefaccionar o enfriar hogares en los momentos de mayor demanda.

El estudio reveló que un cluster (conjunto de servidores conectados entre sí que procesan tareas de forma coordinada) de inteligencia artificial de 130 kW (kilovatios) con 96 unidades de procesamiento gráfico (GPU) NVIDIA Blackwell Ultra, redujo su consumo hasta 40% en menos de un minuto y cumplió el 100% de más de 200 señales de ajuste enviadas por National Grid y por el EPRI. El cluster operó durante cinco días en un centro de datos de la empresa Nebius en Londres, usando la plataforma de gestión Conductor, desarrollada por Emerald AI.

El mismo estudio documentó un segundo caso, la migración del 10% del tráfico de inferencia (el procesamiento que realiza un modelo de IA ya entrenado para responder consultas) desde un cluster de Oracle con GPU NVIDIA H100 ubicado en Ashburn, Virginia, hacia otro cluster en Chicago, Illinois, durante un evento de pico de demanda invernal de la distribuidora Dominion Energy.

Ese desplazamiento geográfico de carga (geo-shifting, redirección del procesamiento hacia un centro de datos ubicado en otra región para aliviar la presión sobre una red eléctrica puntual) generó apenas un aumento de 30 milisegundos en el tiempo hasta el primer token (el tiempo que tarda un modelo de IA en producir la primera palabra de una respuesta), según los autores.

No obstante, las pruebas se hicieron sobre clusters de escala mínima (130 kW y 60 kW) frente a la escala de cientos de megavatios o gigavatios que la industria de IA maneja actualmente.

Una IA flexible que libera energía cuando la red lo requiere

El estudio también reportó reducciones sostenidas de entre 10% y 40% durante períodos de dos a diez horas, un mecanismo conocido como curtailment (interrupción o reducción voluntaria del consumo eléctrico a pedido de la operadora de red). Durante esos eventos, el sistema de Emerald AI postergó tareas de baja prioridad y mantuvo el rendimiento casi intacto en las tareas críticas, de acuerdo con el paper.

El siguiente gráfico publicado por los autores del paper muestra el comportamiento del cluster durante una jornada completa de pruebas, el 19 de diciembre de 2025. La línea verde representa el consumo eléctrico real del cluster y la línea negra, los objetivos de potencia solicitados por la red en cada momento. Ambas coinciden en la mayoría de los tramos, incluso durante los recortes más pronunciados, cercanos a los 80 kW frente a un funcionamiento habitual de 120 kW.

La plataforma también respondió a señales de emergencia sin aviso previo. Ante una réplica de una falla histórica de la red eléctrica británica registrada en 2019, el cluster redujo su consumo 30% en 40 segundos, y en otra prueba llegó a 40% en aproximadamente un minuto, de acuerdo con los datos publicados por los autores. Además, el sistema ajustó su consumo según una señal de intensidad de carbono actualizada cada cinco minutos, reduciendo actividad en los horarios de generación eléctrica más contaminante.

El argumento que la minería usaba para diferenciarse, ahora en jaque

Bruno Vaccotti, director de la Cámara Paraguaya de Fintech y operador del centro minero Penguin Group, había señalado en una entrevista con CriptoNoticias que la minería de Bitcoin se diferencia de los centros de datos de IA, no por su escala, sino por su capacidad de respuesta ante la red eléctrica.

Según relató, cuando la distribuidora eléctrica de Paraguay detecta tensión en la línea, su centro de 100 megavatios (MW) puede apagar 18.000 ASIC en apenas 10 segundos, tras recibir un aviso de la distribuidora. Ese mecanismo le permitió a Penguin Group acumular unas 380 horas de modulación durante el último año, sin consecuencias para el sistema eléctrico, de acuerdo con Vaccotti.

Ese mismo argumento fue expuesto por Daniel Batten, cofundador de CH4 Capital, quien comparó a la minería de Bitcoin con una abeja frente a un avispón (la IA), por la diferencia de flexibilidad entre ambas industrias. Para Batten, la capacidad de la minería de modular su consumo podría convertirse en su fuente de ingresos primaria en el futuro, a través de servicios de estabilización de redes eléctricas y de apoyo a centros de datos de IA, que necesitarán incorporar un porcentaje de minería para poder conectarse a la red.

Si la capacidad de apagarse rápido dejó de ser un rasgo exclusivo de la minería de Bitcoin, aunque sea todavía a escala piloto como comprobó el nuevo paper, el argumento que la industria minera usaba para justificar un trato regulatorio preferencial pierde parte de su exclusividad, justo cuando la disputa por la energía disponible ya se inclina hacia la IA por motivos de rentabilidad y demanda.

De modo tal, en un contexto de escasez energética global, la competencia por ese mismo insumo podría inclinarse aún más a partir de lo que el nuevo paper reveló, en favor de la IA y en desmedro de la minería.