Electricidad barata: ¿así gana China la guerra de la IA?

China usa electricidad barata y red UHV para impulsar la IA: centros económicos, más vatios, chips Ascend y plan estatal que cambia balanza.

China ha convertido un recurso aparentemente prosaico —el precio del kilovatio-hora— en ventaja estratégica para la inteligencia artificial. La fórmula es directa: donde faltan chips de vanguardia por el cerco exportador o por retraso tecnológico, se compensa con electricidad muy barata, contratos a largo plazo y una red eléctrica descomunal que puede mover gigavatios a miles de kilómetros. En varias provincias del interior, grandes centros de datos pagan entre 0,03 y 0,06 dólares por kWh, menos de la mitad de lo que asumen muchos operadores en Estados Unidos. Ese diferencial permite agrupar miles de aceleradores domésticos —menos potentes y menos eficientes que los últimos Nvidia— y aun así acercarse a los objetivos de entrenamiento de modelos, aunque a costa de consumir tres o cuatro veces más electricidad.

El giro tiene nombres propios y geografía. Mongolia Interior, Gansu, Qinghai o Xinjiang se han convertido en polos de computación de bajo coste eléctrico, conectados con los grandes focos consumidores del este (Pekín-Tianjin-Hebei, delta del Yangtsé, Gran Área de la Bahía) a través de líneas de ultraalta tensión (UHV) operadas por State Grid. En ese ecosistema, la frase que se escucha en reuniones con funcionarios provinciales y directivos de la nube china se ha vuelto un mantra: “En China, la electricidad es nuestra ventaja competitiva”. Con esa premisa, el país ha elevado el “músculo” de su infraestructura energética al rango de arma industrial, capaz de alterar la jerarquía de la IA global.

La electricidad como ventaja industrial en 2025

La política energética para centros de datos se ha afinado en los dos últimos años con un objetivo claro: abaratar el kWh industrial para cargas de IA intensivas, condicionar descuentos a la ubicación y a la eficiencia, y ordenar el mapa de la computación masiva. Las cifras importan. Un campus de 20 megavatios que firma a 0,05 dólares/kWh paga 1.000 dólares por hora solo en energía; a 0,10 dólares/kWh, la factura se duplica. Cuando un entrenamiento consume millones de kWh, la diferencia deja de ser anécdota y se convierte en decenas de millones al año. Ese es el hueco por el que se cuela la ventaja china.

El diseño regulatorio favorece a quien mueve cómputo hacia el oeste —más frío, más ventoso y más soleado— y no a quien satura suelos urbanos con PUE flojos y tarifas altas. Por eso, proyectos de gran escala exhiben PUE en torno a 1,2–1,3 con free cooling y, cada vez más, refrigeración líquida en clústeres densos. Las administraciones locales han atado bonificaciones eléctricas a métricas de eficiencia y, en ciertos casos, al uso de aceleradores nacionales. La señal es nítida: si un operador está dispuesto a entrenar con hardware chino, el kilovatio puede salir notablemente más barato. No se trata de propaganda; es un diseño de incentivos que busca simultáneamente reducir la dependencia de Nvidia, rellenar la curva de aprendizaje de Huawei (Ascend) y otros diseñadores locales, y asegurar que la nueva demanda computacional cristaliza donde la red y el clima abaratan la curva de costes.

El contexto sistémico lo hace posible. En 2024 y 2025, China ha generado más del doble de electricidad que Estados Unidos, apoyada en un mix donde el carbón barato mantiene la firmeza del sistema, mientras los incrementos anuales llegan por la vía de eólica y fotovoltaica a gran escala. La gran novedad no es tanto la potencia instalada —ya enorme— como la capacidad de transmitirla con pérdidas contenidas: los corredores UHV oeste-este funcionan como autopistas eléctricas que democratizan el precio del kWh a miles de kilómetros de la turbina o del parque solar.

Más vatios, menos silicio: la ecuación china

La aritmética es menos glamur que un benchmark, pero manda. Si no hay acceso a GB200 Blackwell o a H200 en cantidades significativas, la alternativa es añadir más máquinas. Cada acelerador adicional pesa poco por separado; juntos, la ecuación cambia. Un clúster de miles de Ascend —o de GPUs locales más modestas— escala si la interconexión aguanta y si la electricidad no devora el presupuesto. La contrapartida es evidente: a igualdad de objetivo, se consumen muchos más kWh y se exige más disciplina de ingeniería para que la latencia entre nodos no se convierta en un cuello de botella que mate el rendimiento.

Ese es el ángulo en el que China ha invertido fuerte. Telas de red de alto ancho de banda (InfiniBand y Ethernet acelerada), bibliotecas de paralelización adaptadas, y una capa física ajustada a la topología de cada campus. Los equipos de ingeniería han aprendido a orquestar cientos de miles de núcleos de cómputo heterogéneo, con planificación de trabajos sensible al precio horario de la energía. La IA, así planteada, deja de ser solo un problema de chips y pasa a ser un problema de megavatios, metros y milisegundos.

Hay otro matiz. A medida que crece el uso de hardware propio, crece también la densidad por rack y la carga térmica. De ahí que las cifras de PUE mejoren en regiones frías y a 1.500–1.800 metros de altitud, y que el agua se vuelva un tema de diseño y no un residuo de operaciones. Los campus del oeste han migrado a sistemas de circuito cerrado y a soluciones de inmersión en los clústeres más densos, lo que reduce el consumo hídrico y mejora la estabilidad térmica, con el bonus de preservar más horas de free cooling al año.

Una cuenta simple que cambia planes de inversión

Pongamos números “de servilleta”, de esos que deciden dónde se construye. Un modelo frontera que requiera del orden de 10 millones de kWh para su entrenamiento principal pagará 500.000 dólares si su PPA está en 0,05 $/kWh y 1 millón si está en 0,10 $/kWh. La energía no es toda la fiesta —hardware, suelo, personal, conectividad—, pero a escala campus esa diferencia se multiplica por el número de entrenamientos simultáneos y por los años de operación. Si, además, el clúster con chips locales necesita un 200–300% más de kWh para alcanzar métricas comparables, el punto de equilibrio solo aparece donde la electricidad es extraordinariamente barata y previsible.

La geografía del cómputo: del oeste ventoso al este digital

El mapa físico de la IA china ya no se entiende sin el programa conocido como “Datos al Este, Cómputo al Oeste”. La idea es pragmática: las personas y los servicios están en el este; la energía barata está en el oeste. Se entrena a 1.500–3.000 kilómetros de Shanghái o Shenzhen y se sirve inferencia cerca del usuario para minimizar latencias. Entre ambos, corre la alta tensión y la fibra.

En Mongolia Interior, la tarifa industrial para grandes consumidores puede bajar a esa franja de 0,03–0,06 $/kWh si se cumplen condiciones de eficiencia y se firman contratos estables. Gansu ha reordenado parques eólicos y solares con almacenamiento de media duración para suavizar vertidos y casar ventanas de entrenamiento con valles de precio. Qinghai aprovecha mesetas frías y radiación abundante; Xinjiang, su potencia eólica y el espacio. En todos los casos, la UHV hace viable que un cliente en Suqian o Hangzhou consuma cómputo entrenado a miles de kilómetros, con el kWh pagado a precio del desierto y servido con latencia urbana.

Este modelo también crea resiliencia. Si un polo se satura o sufre una contingencia, hay capacidad de desvío por red para mantener el servicio y reprogramar entrenamientos. No es magia de software, sino arquitectura eléctrica. El resultado práctico es que la ubicación del cómputo deja de ser un capricho inmobiliario y pasa a ser una variable energética: se construye donde hay vatios baratos, no donde hay suelo bonito.

El factor chips: Huawei, Nvidia y el tablero regulatorio

La historia energética no borra la brecha de silicio. Nvidia domina desde hace años con arquitecturas que, de generación en generación, han marcado saltos de rendimiento y eficiencia; la familia Blackwell (GB200) ha vuelto a mover el listón en 2025 en entrenamiento e inferencia. En paralelo, Huawei ha acelerado sus Ascend y un entorno de software que mejora con cada revisión. La foto técnica es matizada: en cargas concretas, Ascend ya compite con generaciones previas de Nvidia y resulta atractivo cuando la ecuación se pondera por coste eléctrico y disponibilidad; en la frontera absoluta, Nvidia sigue por delante.

Todo esto ocurre con política de fondo. Las restricciones estadounidenses a la exportación de aceleradores avanzados a China han marcado la década. En 2025, se han barajado ajustes que permitirían ventas limitadas de hardware puntero con controles estrictos, a la vez que se refuerzan los diques contra canales grises. El resultado final, todavía en movimiento, dictará qué parte de la nube china puede acceder a chips de la última hornada y a qué precio. Mientras no haya claridad, la estrategia del kWh barato seguirá determinando la escala de los clústeres y la velocidad de despliegue.

En esta partida, los incentivos locales también cuentan. Varias provincias han vinculado descuentos eléctricos a la compra de hardware nacional, una forma de apuntalar la demanda para la cadena de suministro china, mejorar el software y cerrar brechas en bibliotecas, compiladores y marcos de entrenamiento. Si a eso se suma una tarifa estable durante cinco o diez años, el coste total de propiedad (TCO) de operar con chips locales se vuelve previsible y, a veces, ganador.

Inferencia, latencia y soberanía

Entrenar es ruidoso y programable; inferir es constante y, a menudo, latencia-sensible. La arquitectura dual que China está adoptando —entrenamiento en el oeste, servicio en el este— tiene otra lectura: soberanía digital. Los datos y el cómputo permanecen dentro de fronteras, bajo marcos regulatorios propios y con contratos eléctricos pactados con gobiernos locales. Esto reduce incertidumbre jurídica y da financiabilidad a proyectos que, de otro modo, dependerían de hardware importado con riesgo geopolítico.

Costes, PUE y agua: la letra pequeña del kilovatio barato

La eficiencia energética de un centro de datos ya no se mide solo por el PUE. El perfil horario del consumo —cuándo y cómo se ejecutan los entrenamientos— se ha vuelto una palanca para capturar los valles de precio de eólica y solar. Algunas nubes chinas están orquestando lotes nocturnos y ventanas de fin de semana para modelos pesados, dejando las horas más caras para inferencias y servicios que no pueden esperar. Es el equivalente digital a mover fábricas a turnos valle.

Sobre el agua, la lección ha sido rápida. Las primeras generaciones de campus sobredimensionaron enfriamiento evaporativo; las más recientes han migrado a circuitos cerrados y a inmersión en racks de alta densidad, reduciendo consumo hídrico y mitigando riesgo en zonas semiáridas. Las temperaturas medias bajas del oeste permiten más horas de free cooling, lo que mejora el PUE sin necesidad de soluciones exóticas. Si el objetivo es que el kWh siga siendo barato de forma creíble, no basta con tarifas subvencionadas; hay que garantizar que cada vatio consumido rinde lo máximo posible.

En la contabilidad de carbono, la foto es híbrida. La cuota renovable crece a doble dígito en varios territorios, pero el carbón sigue sosteniendo la firmeza del sistema. Por eso, una parte de los nuevos PPAs de los operadores de IA en China incluyen garantías de origen y esquemas de “sustitución horaria” para verdear el mix real que llega al rack. Es imperfecto, sí, pero responde a la presión de clientes corporativos y a normativas que empiezan a exigir intensidades de carbono por unidad de cómputo.

Estados Unidos frente al espejo de la red y el precio

Al otro lado del Pacífico, la situación es paradójica. Estados Unidos dispone de chips líderes y de un ecosistema de software que marca el paso, pero sufre cuellos de botella eléctricos en los lugares donde más quiere construir. El ejemplo clásico es Loudoun County (Virginia), la llamada Data Center Alley, donde la congestión de red, la tramitación y el coste del suelo han presionado los precios al alza. Para operadores que necesitan cargas firmes de decenas o cientos de megavatios, conseguir capacidad disponible con tarifas de un dígito por kWh ya no es trivial.

No es una cuestión de que falte electricidad a escala país, sino de capilaridad y tiempos de conexión. Las líneas de transmisión nuevas tardan años y chocan con oposición local y mosaicos regulatorios estatales. Ese desfase explica que contratos a 0,09–0,11 $/kWh para grandes campus sean hoy la norma en varios nodos calientes, con picos superiores según localización. La aritmética vuelve a aparecer: tres o cuatro céntimos por kWh sostenidos durante una década deciden inversiones.

Las respuestas estadounidenses se están activando: PPAs renovables específicos para centros de datos, microredes con almacenamiento, acuerdos con utilities para liberar capacidad gestionable y relocalización hacia estados con mix más barato. Pero el desplazamiento geográfico es más lento y políticamente más costoso que en China. Y sin autopistas UHV equivalentes, mover enormes bloques de energía desde un desierto barato a una metrópoli digital a 2.000 kilómetros no es tan factible.

Una brecha que no solo es tecnológica

El diferencial entre chips punteros y precio de la luz es el ángulo ciego de muchos análisis. Si el hardware líder se encarece y la energía también, los capex y opex se disparan en paralelo. China está jugando la carta contraria: hardware suficiente en muchos casos, energía muy barata casi siempre. El resultado: capacidad de experimentar con modelos grandes, variantes y afinados sin que cada nueva iteración castigue la cuenta de resultados.

A corto plazo, la distancia cualitativa de los mejores modelos sigue favoreciendo a quienes entrenan con lo último de Nvidia. A medio plazo, si el precio por token entrenado converge gracias al kWh, la escala puede cerrar brechas. Esa es la apuesta que se percibe al hablar con proveedores de nube chinos: absorber mucha demanda interna, crear economías de aprendizaje y llegar a productos competitivos en castellano, inglés o chino sin depender, punto por punto, del silicio importado.

Cuando la IA se decide en la subestación

La carrera por la IA ya no se dirime únicamente en laboratorios ni en hojas de especificaciones de GPU. Se decide, literalmente, en subestaciones eléctricas y en comités de tarifas. China ha armado una ventaja estructural al poner electricidad barata y abundante al servicio del cómputo, trenzada con redes UHV, geografía favorable y política industrial que premia la eficiencia y el hardware propio. Esa combinación convierte lo que era una desventaja —chips menos potentes— en algo manejable si el kWh se mantiene baratísimo y previsible durante años.

Para Estados Unidos, el reto es simétrico: asegurar megavatios firmes donde hace falta y a precios que no estrangulen la innovación, acelerar transmisión y permisos, y diversificar la geografía de sus campus. Aunque el tablero de exportaciones de GPU cambie en 2026, el denominador común seguirá siendo energía. Porque el próximo salto de la IA —más parámetros, más contexto, más usuarios— se alimenta de vatios. Y, hoy, quienes pueden pagar la mitad por kWh y moverlo a larga distancia con pérdidas bajas tienen un as bajo la manga que no se mide en FLOPS, sino en euros por megavatio-hora.

La moraleja industrial es incómoda para el relato tradicional del sector: no basta con tener el mejor chip o la mejor demo; hay que tener el mejor recibo de la luz y la mejor red para enchufarlo. China lo ha entendido y ha actuado en consecuencia. Esa realidad —económica, física y regulatoria— explica por qué la pregunta de 2025 no es quién tiene el chip más rápido, sino quién puede entrenar más por menos durante todo un año sin pestañear ante la factura. Ahí, por ahora, la luz barata inclina la balanza.