Bajada. Envision afirma que ya opera en China un sistema integrado de 800 V en corriente continua para alimentar cargas de IA en vivo. La noticia apunta a un cambio menos visible que un nuevo modelo, pero igual de decisivo: la infraestructura eléctrica empieza a diseñarse alrededor del comportamiento de los aceleradores.

Durante años, hablar de centros de datos era hablar de servidores, refrigeración y conectividad. La expansión de la IA está obligando a añadir otra pregunta al principio de cada proyecto: ¿cómo se entrega la electricidad a racks cada vez más densos sin convertir cada pico de demanda en un problema de red, espacio y coste?

La respuesta que empieza a tomar forma no es únicamente instalar más capacidad. También consiste en rediseñar el trayecto de la energía, reducir conversiones y hacer que el sistema eléctrico responda a lo que está haciendo el cómputo.

Qué ocurrió en Ulanqab

El 2 de noviembre, Envision anunció el despliegue comercial de un sistema integrado de 800 V en corriente continua (800 V DC) en su campus Galaxy AI de Ulanqab, en Mongolia Interior. Según el comunicado publicado por PR Newswire, la instalación ya alimenta cargas de computación en vivo desde la entrada de media tensión hasta los equipos informáticos.

La arquitectura combina tres piezas:

• Transformadores de estado sólido para convertir directamente la entrada de media tensión de 10 kV en un bus de 800 V DC.
• Almacenamiento en baterías para aportar soporte en escalas de segundos y respaldo en escalas de minutos.
• El controlador Dubhe, apoyado por el modelo energético de Envision, para coordinar transformadores y baterías en tiempo real según la demanda de cómputo.

La empresa presenta el despliegue como el primero de este tipo en un centro de datos de IA a gran escala. Conviene mantener el matiz: esa afirmación procede de Envision y describe su instalación; no equivale a una validación independiente de eficiencia o de rendimiento frente a otras arquitecturas.

El campus Galaxy comenzó a operar en agosto de 2026. Envision proyecta una capacidad de 3 GW, hasta un millón de aceleradores en la fase completa y más del 80 % de electricidad procedente de conexiones directas a renovables. Son objetivos de desarrollo, no cifras que describan necesariamente la instalación que ya está operativa.

La noticia no es solo un cambio de voltaje

A la misma potencia, elevar el voltaje permite transportar la corriente con menos intensidad. En un centro de datos de IA, donde los racks concentran cada vez más consumo, esa diferencia afecta al tamaño de conductores, barras, sistemas de conversión, pérdidas y espacio físico.

Por eso el movimiento hacia 800 V DC no debe leerse como una especificación aislada. Es una apuesta por simplificar el camino entre la red y el acelerador: menos etapas de conversión allí donde el diseño lo permita, menos cobre y una distribución preparada para densidades que las arquitecturas convencionales no podían asumir cómodamente.

La arquitectura 800 VDC de NVIDIA describe una transición gradual desde la distribución AC actual hacia una entrega DC más cercana al rack. La propuesta contempla desde power racks para instalaciones existentes hasta centros de distribución por clúster o bloques de potencia para nuevas AI factories. No obliga a reconstruir todos los centros de datos de un día para otro; ofrece una ruta de adopción por capas.

Ese detalle importa para las empresas. La discusión no es simplemente “cambiar a DC” o “seguir con AC”. La decisión depende de la edad del edificio, la densidad de los racks, el perfil de las cargas, los requisitos de seguridad, el espacio disponible y la capacidad de incorporar la nueva arquitectura sin interrumpir el servicio.

El salto real: coordinar energía y cómputo

La parte más interesante del anuncio no está solo en el transformador. Está en el intento de hacer que la infraestructura eléctrica entienda el ritmo de la computación.

Los aceleradores no mantienen siempre una demanda plana. El entrenamiento, la inferencia, la refrigeración y las tareas concurrentes pueden producir cambios rápidos de carga. En el sistema de Envision, las baterías absorben variaciones locales y el controlador ajusta la relación entre suministro y demanda. La promesa es que el centro de datos no sea un consumidor pasivo, sino un sistema capaz de amortiguar sus propios picos.

Ahí aparece una tesis empresarial relevante: en la era de la IA, la eficiencia energética no se decidirá únicamente comprando chips más eficientes. También dependerá de la capacidad de orquestar electricidad, almacenamiento, refrigeración y carga de trabajo como una sola operación.

La cartera Infinitus de ABB, anunciada para centros de datos de IA, apunta en la misma dirección con una propuesta de distribución DC desde la fuente hasta el rack. ABB sostiene que los chips de próxima generación podrían superar 1 MW por rack y que la distribución a 800 V puede reducir etapas de conversión y pérdidas. Son previsiones y estimaciones de la compañía, no resultados universales garantizados, pero muestran que la presión ya se está trasladando desde el software hacia la ingeniería de instalaciones.

Qué cambia para las empresas

1. La capacidad eléctrica pasa a ser una decisión de producto

Un proyecto de IA no puede planificarse solo con número de GPUs, almacenamiento y latencia. Necesita una hipótesis sobre megavatios, densidad por rack, crecimiento esperado y disponibilidad de interconexión. La capacidad eléctrica deja de ser un requisito operativo que se resuelve al final y se convierte en una restricción de diseño desde el primer día.

2. El coste debe medirse por trabajo útil, no solo por kilovatio

Una arquitectura con menos conversiones puede liberar espacio y capacidad para más cómputo, pero la comparación correcta no es el precio de un componente. Hay que medir el coste total por tarea completada: energía, refrigeración, baterías, mantenimiento, paradas, ampliaciones y tiempo de conexión a la red.

El objetivo no es consumir menos en abstracto. Es convertir una mayor proporción de cada unidad de energía en trabajo útil y verificable.

3. Las cargas deben clasificarse por flexibilidad

No todos los trabajos de IA pueden retrasarse o moverse. Una inferencia interactiva, un proceso industrial crítico y un entrenamiento programado tienen tolerancias diferentes.

Las empresas deberían separar, como mínimo, cargas sensibles a latencia, cargas desplazables en el tiempo y cargas que pueden distribuirse entre regiones. Esa clasificación permite diseñar acuerdos de demanda flexible sin poner en riesgo los servicios que sí necesitan continuidad inmediata.

4. La compra tecnológica incluye la instalación completa

Elegir aceleradores sin conocer su alimentación, refrigeración y trayectoria de actualización puede bloquear la siguiente fase del proyecto. Los equipos de compras y tecnología necesitan preguntar por compatibilidad con 800 V DC, opciones híbridas AC/DC, protecciones, mantenimiento, garantías, repuestos y migración de racks existentes.

La arquitectura eléctrica empieza a formar parte de la hoja de ruta de hardware, no solo del presupuesto inmobiliario.

5. La sostenibilidad se vuelve una cuestión de control operativo

Conectar un campus a renovables ayuda, pero no resuelve por sí solo las variaciones de carga ni las restricciones de red. El valor está en coordinar generación, almacenamiento y cómputo con reglas medibles: cuándo cargar baterías, cuándo desplazar trabajos y qué cargas reducir ante una señal de estrés.

Eso exige indicadores auditables. “Centro de datos verde” no basta si la empresa no puede explicar qué porcentaje de energía renovable usa, qué flexibilidad ofrece y qué sucede durante los picos.

6. La resiliencia deja de ser solo un sistema de respaldo

Las baterías no deben pensarse únicamente para cubrir un apagón. También pueden suavizar cambios rápidos, evitar sobredimensionar algunos componentes y dar tiempo para reorganizar cargas. La resiliencia pasa de ser una póliza de emergencia a una capacidad operativa que se activa muchas veces durante la vida del centro.

Qué hacer esta semana

1. Dibujar el trayecto completo de la energía. Desde la acometida hasta el rack, identifique cada conversión, pérdida, protección, batería y punto único de fallo.
2. Clasificar las cargas de IA. Marque qué trabajos son críticos, cuáles pueden esperar y cuáles pueden moverse de región o de horario sin afectar al cliente.
3. Pedir una hoja de ruta eléctrica a los proveedores. No solo la potencia nominal: también densidad por rack, compatibilidad AC/DC, refrigeración, baterías, seguridad y mantenimiento.
4. Definir métricas antes de ampliar. Coste por unidad de trabajo, utilización energética, tiempo de respuesta ante picos, disponibilidad, porcentaje de carga flexible y emisiones por tarea.
5. Separar promesa de evidencia. Exija datos medidos en condiciones comparables y distinga entre objetivos de capacidad, demostraciones y operación comercial sostenida.

Qué todavía no sabemos

El anuncio de Envision deja abiertas preguntas relevantes. No detalla públicamente la capacidad instalada del sistema que ya alimenta cargas en vivo, la química y tamaño de las baterías, la duración exacta del respaldo, el coste del despliegue ni una medición independiente de eficiencia.

Tampoco está resuelto cuánto de esta arquitectura puede trasladarse sin fricción a centros existentes. La seguridad de la distribución DC, la formación del personal, la disponibilidad de protecciones y estándares, el mantenimiento y la interoperabilidad con fabricantes distintos serán tan importantes como la capacidad de convertir de 10 kV a 800 V.

La dirección parece clara, pero la escala todavía debe demostrarse. Una instalación pionera puede probar que algo funciona; no prueba por sí sola que sea la opción más barata, segura o flexible para todos.

La continuidad editorial de Olbrite

La noticia conecta con dos ideas que ya aparecieron en Olbrite. En la investigación de antibióticos asistida por IA, la predicción ampliaba la búsqueda, pero el laboratorio seguía validando qué podía avanzar. En la predicción meteorológica de Tianji, el valor no estaba en producir un dato más rápido, sino en ganar margen para tomar una decisión operativa.

Con la electricidad ocurre algo parecido: la IA puede optimizar y anticipar, pero la ventaja aparece cuando esa capacidad está conectada a una infraestructura capaz de responder y a personas que fijan los límites.

Fuentes consultadas

• Envision: despliegue comercial de un sistema integrado de 800 V DC en un centro de datos de IA.
• NVIDIA: 800 VDC Architecture for AI Data Centers.
• ABB: cartera de corriente continua para la infraestructura energética de centros de datos de IA.

La carrera por la IA no se está librando únicamente en el modelo. También se libra en el trayecto que convierte electricidad en trabajo útil. Quien diseñe mejor esa conexión tendrá más margen para crecer, responder y sostener sus costes cuando la potencia deje de ser un detalle invisible.