La refrigeración por agua caliente con IA en centros de datos se ha convertido en uno de los grandes temas de conversación en la industria tecnológica. Lo que antes se veía como un detalle de ingeniería casi invisible, hoy marca el límite real de cuánta inteligencia artificial se puede desplegar, dónde es viable hacerlo y, sobre todo, a qué coste energético y de agua.
Con la explosión de la IA generativa y los racks superando con facilidad densidades de más de 50 kW por rack, el clásico aire frío impulsado por climatizadores se ha quedado corto. La transición hacia la refrigeración líquida, y en concreto hacia la llamada “hot water cooling” (agua de refrigeración entrando a más de 40-45 °C), está llegando mucho más rápido de lo que muchos planificadores esperaban. Y aquí la inteligencia artificial no solo es la causa del problema térmico, también forma parte de la solución al optimizar continuamente cómo se enfría cada chip.
Qué es la refrigeración por agua caliente en centros de datos
Cuando se habla de refrigeración con agua caliente en centros de datos no se trata de hervir nada, sino de operar los circuitos de líquido de refrigeración a temperaturas de entrada que hace pocos años habrían parecido una locura: por encima de los 40 °C, e incluso en torno a los 45 °C. Esta temperatura es superior a la del agua de un jacuzzi, pero precisamente ahí está la clave de la eficiencia.
El enfoque de hot water cooling rompe con la idea tradicional de que hay que mover grandes volúmenes de aire muy frío por toda la sala para mantener los servidores a raya. En su lugar, se lleva el líquido directamente a los puntos donde se genera el calor: GPU, CPU, DPU, módulos de red y componentes críticos de computación acelerada. Ese líquido entra caliente, recoge el calor del chip y sale aún más caliente, pero dentro de un circuito muy controlado y con pérdidas mínimas.
Esta filosofía permite que, en muchos climas, el centro de datos pueda usar enfriadores secos de circuito cerrado en el exterior, expulsando el calor al ambiente sin necesidad de torres de refrigeración por evaporación ni grandes chillers. Nvidia lo ha explicado con bastante claridad al afirmar que, con sus diseños de referencia DSX, el sistema «no consume agua» en operación normal, salvo quizá en ese 1 % del año en el que las condiciones climáticas exigen recurrir a refrigeración adicional.
Todo esto tiene una consecuencia inmediata en el diseño global: la refrigeración deja de ser un subsistema aislado y se integra con la arquitectura eléctrica y de control. Fabricantes como Eaton o Schneider Electric están justo en ese punto donde convergen la distribución de potencia, la gestión térmica y el software inteligente que coordina todo.
Por qué el aire ya no basta para la IA generativa
Los centros de datos de hace unos años podían apañarse con refrigeración por aire bien diseñada: pasillos fríos y calientes, contención, chillers eficientes y algo de optimización. Pero los clústeres de IA han cambiado radicalmente el panorama. Un servidor de computación acelerada con varias GPU puede llegar a consumir veinte veces más energía que un servidor cloud estándar basado en CPU, y todo ese consumo se transforma en calor muy concentrado.
Para hacerse una idea, algunos racks de GPU de última generación ya están alrededor de los 142 kW por rack, y se espera que la siguiente oleada se acerque a los 240 kW en cuestión de meses. A estas densidades, intentar disipar el calor únicamente con aire no solo exige equipos gigantescos y extremadamente ineficientes, sino que compromete la fiabilidad y la vida útil de los chips.
Además, la refrigeración directa al chip por líquido, conocida como “direct to chip” o placas frías, se ha vuelto la opción de referencia, no algo exótico. La propia Schneider Electric recuerda que ya en los superordenadores Cray se utilizaba refrigeración líquida, con proveedores especializados como Motivair encargándose de instalaciones de hasta 400 kW por rack. Lo que antes era territorio de HPC y laboratorios científicos se ha convertido ahora en la base de las fábricas de IA comerciales.
La parte curiosa es que incluso con placas frías, el aire no desaparece del todo. El sistema directo al chip suele cubrir GPU, CPU y algunos componentes de alta potencia, pero hay otros elementos del chasis y del rack que siguen necesitando refrigeración por aire complementaria. Esa refrigeración adicional puede llegar a representar entre el 20 % y el 30 % de la carga térmica total, lo que complica todavía más el diseño de un sistema híbrido bien afinado.
Por eso los fabricantes insisten en que no basta con saber de climatización tradicional: se necesita un nivel de especialización en fluidos, presión, caudales y control mucho mayor, además de software avanzado para simular el comportamiento térmico antes de poner nada en producción.
Cómo funciona la refrigeración líquida directa al chip
El corazón de estos sistemas son las placas frías de alta precisión instaladas directamente sobre GPU, CPU y otros chips de alto consumo. A simple vista recuerdan a un bloque metálico, pero en su interior esconden microestructuras complejas y canales optimizados para maximizar el intercambio de calor con una cantidad mínima de líquido y con la menor resistencia posible al flujo.
Según datos manejados por fabricantes como Eaton, los diseños avanzados de placas frías y circuitos de refrigeración bien planteados pueden llegar a capturar entre el 80 % y el 90 % del calor utilizando agua caliente como fluido. Esto permite que el resto del sistema se enfríe con enfriadores secos de muy bajo consumo, reduciendo al mínimo la necesidad de chillers tradicionales.
La diferencia entre una placa fría buena y una mediocre se nota en varios frentes: capacidad de extracción térmica, estabilidad de la temperatura del chip, caída de presión en el circuito y fiabilidad a largo plazo. Un diseño pobre puede traducirse en variaciones térmicas que limitan el rendimiento de la GPU (thermal throttling), reducen su vida útil o hacen el sistema más vulnerable a fallos si algo sale del rango previsto.
Otro componente clave son las tuberías, colectores y conexiones rápidas que llevan y traen el líquido desde las placas frías a las unidades de distribución de refrigerante, las famosas CDU. Estas rutas deben diseñarse pensando en la redundancia, el mantenimiento de servidores y la detección de fugas. Incluso una fuga pequeña en la zona de TI puede tirar abajo un nodo de IA o un clúster entero, así que el monitoreo en tiempo real es obligatorio.
En paralelo, el sistema tiene que convivir con la refrigeración por aire complementaria. Eso implica coordinar ventiladores, flujos de aire en la sala, pasillos y presiones internas del chasis para que la parte líquida y la parte de aire no se estorben entre sí, sino que se refuercen. Aquí es donde la simulación con gemelos digitales y modelos de IA empieza a ser totalmente determinante.
CDU inteligentes: el nuevo cuello de botella del sistema
En muchos proyectos reales de refrigeración líquida, las unidades de distribución de refrigerante (CDU) se han revelado como el auténtico cuello de botella cuando algo va mal. Son el punto de interfaz entre el circuito que va a las placas frías y el circuito secundario que disipa el calor hacia el exterior, y concentran funciones críticas: control de caudal, intercambio térmico, bombeo, filtrado y supervisión.
Fabricantes como Eaton están apostando por CDU inteligentes capaces de comunicarse con la infraestructura eléctrica y coordinarse con UPS, PDUs y sistemas de gestión de energía. De este modo, la lógica de control puede adaptar el caudal de refrigerante a la carga real de las GPU, priorizar circuitos en función de la criticidad de cada rack y reaccionar automáticamente ante eventos eléctricos o térmicos.
La redundancia es otra pieza fundamental. Con densidades tan altas, cualquier interrupción del flujo de líquido hacia las placas frías provoca un sobrecalentamiento en cuestión de segundos. Por eso se integran bombas redundantes, fuentes de alimentación dobles e incluso respaldo mediante SAI específicos en las CDU, para garantizar que sigan operando hasta que entren en juego generadores u otras fuentes de energía de emergencia.
Además, las CDU modernas incorporan sensores por todas partes: presión, temperatura de entrada y salida, caudal, calidad del fluido, detección de fugas, etc. Todos esos datos se envían a plataformas de software que aprovechan algoritmos de IA para el análisis predictivo, capaces de identificar patrones anómalos, detectar problemas de forma temprana y recomendar ajustes antes de que se produzca una incidencia seria.
Este enfoque coordinado tiene también un componente económico muy claro. Cuando el calor se gestiona de forma eficiente con CDU inteligentes y placas frías avanzadas, el presupuesto energético que antes se iba en mover compresores y chillers puede destinarse a aumentar la capacidad eléctrica disponible para GPU. Según cálculos citados por Eaton, esto puede traducirse en hasta un 33 % más de producción de cómputo por cada conexión a la red eléctrica.
El papel de la inteligencia artificial en la optimización térmica
La propia IA que está disparando las exigencias de refrigeración se utiliza ahora como herramienta para hacer estos sistemas más eficientes, flexibles y seguros. En lugar de operar con parámetros fijos, los centros de datos avanzados integran software basado en IA que ajusta continuamente el comportamiento de la refrigeración líquida y del aire complementario.
El software monitoriza en tiempo real las temperaturas del agua de entrada y retorno, los caudales, los estados de los ventiladores, la temperatura ambiente, la carga de cada clúster de GPU y un largo etcétera. A partir de ahí, puede modificar dinámicamente setpoints, velocidades de bombas y ventiladores, e incluso redistribuir la carga de trabajo de IA para evitar puntos calientes o aprovechar zonas del centro de datos con mayor capacidad térmica disponible.
Unos pocos grados de diferencia pueden marcar una brecha notable en rendimiento. Si las GPU trabajan por encima del rango térmico óptimo, entran en mecanismos de protección que reducen la frecuencia y ralentizan tanto el entrenamiento como la inferencia. Por el contrario, enfriar de más supone malgastar energía en refrigeración que podría destinarse a computación. La IA ayuda justamente a encontrar y mantener ese punto de equilibrio.
Además, los modelos de IA aprenden de la operación histórica del centro de datos. Con el tiempo, son capaces de anticipar cómo se va a comportar el sistema ante ciertos patrones de carga, cambios de clima o eventos en la red eléctrica, y proponer estrategias de optimización a largo plazo. Esto incluye desde ajustes finos en el diseño de nuevos pasillos hasta recomendaciones sobre dónde ubicar los próximos racks de alta densidad.
En paralelo, la simulación mediante gemelos digitales permite probar cambios de configuración en un entorno virtual sin arriesgar la operación real. Schneider Electric, por ejemplo, subraya la importancia de validar diseños con simulaciones avanzadas antes de desplegar soluciones híbridas líquido-aire en producciones críticas, precisamente porque el margen de error es cada vez más pequeño.
Consumo de agua, sostenibilidad y circuitos cerrados
Una de las dudas recurrentes cuando se habla de refrigeración líquida es cómo afecta al consumo de agua de la instalación. No se trata de usar directamente el agua de la red municipal o de un río cercano para enfriar servidores y devolverla más caliente: ese enfoque, además de poco eficiente, sería socialmente inaceptable al competir con el uso residencial y agrícola.
En los diseños modernos de centros de datos para IA, el agua se utiliza en circuitos cerrados, por lo general con muy poca interacción directa con el suministro local. El líquido circula por el interior del centro de datos, extrae calor de las placas frías y luego pasa por intercambiadores que lo enfrían mediante enfriadores secos o, en casos puntuales y condiciones extremas, mediante chillers que sí pueden estar conectados a sistemas de agua más tradicionales.
La clave está en que, al operar con agua caliente a 40-45 °C, resulta mucho más sencillo expulsar ese calor al ambiente usando enfriamiento seco de alta eficiencia, sin recurrir a torres de refrigeración por evaporación que pierden grandes cantidades de agua en forma de vapor. Nvidia lo resume en su arquitectura DSX: en climas favorables, el consumo de agua directa en refrigeración se puede reducir prácticamente a cero durante la mayor parte del año.
Eso no significa que la IA deje de tener impacto ambiental. La infraestructura de IA sigue necesitando cantidades enormes de electricidad, y la producción de esa energía puede implicar consumo indirecto de agua y emisiones según el mix energético de cada región. Lo que sí cambia de forma sustancial es la parte del problema vinculada al agua usada físicamente dentro del centro de datos para enfriar.
Para ubicaciones que no están junto a cuerpos de agua, la idea de operar con depósitos de tamaño razonable y circuitos completamente cerrados es ya una realidad. El agua no se calienta hasta evaporarse masivamente, y las pérdidas se limitan a fugas mínimas o pequeñas cantidades de vapor, que en cualquier caso entran en el ciclo natural del agua. La discusión ambiental se desplaza así hacia el origen de la energía y la planificación de la capacidad eléctrica local.
Impacto en el diseño eléctrico y en el modelo de negocio de la IA
La adopción de refrigeración por agua caliente obliga a repensar toda la arquitectura del centro de datos, desde la alimentación eléctrica hasta la distribución interior de racks y pasillos. Peter de Bock, desde Eaton, insiste en que la integración conjunta de las arquitecturas de alimentación y refrigeración está dejando de ser una ventaja competitiva para convertirse en un requisito básico.
Cuando la refrigeración es más eficiente y consume menos energía, se libera capacidad de la conexión a red que puede redirigirse a las GPU y a otros componentes de computación acelerada. En algunos escenarios, esto se traduce en hasta un 33 % más de producción computacional por cada megavatio contratado, lo que cambia por completo las cuentas de rentabilidad de una “fábrica de IA”.
Empresas como Nvidia están aprovechando su posición dominante en hardware de IA para influir directamente en cómo se diseñan estos centros de datos. Su plataforma Rubin y el diseño de referencia DSX se presentan no solo como un conjunto de GPUs, sino como un modelo completo de infraestructura: racks, redes, software de gestión, refrigeración líquida, integración con la red eléctrica y herramientas de simulación.
La consecuencia es que los grandes proveedores cloud y operadores de centros de datos que quieran desplegar estas plataformas se ven empujados a migrar hacia arquitecturas 100 % refrigeradas por líquido, sin ventiladores en la arquitectura principal y con una coordinación mucho más estrecha entre TI, energía y térmica. La refrigeración por aire pasa a un rol complementario o de transición.
En paralelo, operadores como Microsoft, Google, Amazon u Oracle están repensando sus diseños para reducir consumo de agua, mejorar eficiencia energética y responder a la creciente presión regulatoria y social. Los proyectos greenfield ya se conciben con refrigeración líquida avanzada, y la refrigeración por aire tradicional va quedando como solución conservadora en entornos de menor densidad.
Riesgos, complejidad y el papel de los socios especializados
Pasar de una arquitectura bien ajustada basada en aire a un sistema de refrigeración líquida híbrida no es un cambio trivial. Supone afrontar una complejidad de integración considerable, nuevos riesgos operativos y sobrecostes iniciales que hay que evaluar con cuidado. No basta con “añadir tubos” y ya está.
Para empezar, el sistema directo al chip implica instalar varios circuitos: uno interno para la sala de servidores, otro para la disipación hacia el exterior y, en muchos casos, circuitos intermedios gestionados por las CDU. Cada circuito tiene requisitos específicos de presión, caudal, materiales y control, y todos deben funcionar como un solo sistema coherente.
Se requieren proveedores con experiencia real en diseño, implementación, operación y mantenimiento de sistemas de refrigeración líquida de alta densidad. Esto incluye conocimiento en tuberías, colectores, bombas, enfriadoras, armarios, software de gestión, detección de fugas y redundancia. Schneider Electric, por ejemplo, subraya la importancia de colaborar con fabricantes de GPU y de ofrecer soluciones prefabricadas como pods de TI ya probados y certificados.
Probar a base de ensayo y error en producción no es una opción. Las densidades son tan elevadas que cualquier fallo de diseño puede generar tiempos de inactividad catastróficos. Por eso se recomienda trabajar con gemelos digitales y simulaciones que permitan validar el comportamiento del sistema antes de invertir en hardware y obras físicas, reduciendo el riesgo tanto técnico como económico.
En cuanto al coste, la inversión inicial en placas frías, CDU, tuberías, sensores y software es notable, pero se compensa con múltiples factores: más capacidad de cómputo por megavatio, menos consumo de agua, menor dependencia de chillers, facilidad para cumplir regulaciones ambientales y, a medio plazo, costes operativos inferiores. La demanda de IA está creciendo tan rápido que, en la práctica, la refrigeración líquida ha dejado de ser opcional en el segmento de alta densidad.
En este contexto, el tiempo de inactividad no es negociable. Cualquier interrupción en el suministro de líquido a los chips provoca una caída de rendimiento o un apagado casi inmediato. De ahí que la redundancia en CDU, bombas y alimentación ininterrumpida se considere absolutamente crítica para garantizar una operación continua.
La combinación de agua caliente, refrigeración líquida directa al chip e inteligencia artificial aplicada al control está redefiniendo cómo se conciben los centros de datos en la era de la IA. Lo que tradicionalmente era “una sala fría con servidores” se está transformando en una fábrica altamente automatizada donde cómputo, energía y gestión térmica se diseñan como un único sistema integrado. Esta integración permite reducir drásticamente el consumo de agua, exprimir mucho más cada kilovatio de la red y sostener densidades de potencia que hace unos años parecían imposibles, a costa de aceptar mayor complejidad técnica y la necesidad de trabajar de la mano con socios especializados en refrigeración líquida y simulación avanzada.
