Eficiencia del almacenamiento en la era de la electricidad

La demanda mundial de electricidad está creciendo rápidamente, impulsada por el crecimiento de la IA y la expansión de los centros de datos. La AIE World Energy Outlook de 2025 advierte de que la capacidad de la red puede no seguir el ritmo de la demanda digital, lo que crea límites reales en la disponibilidad de la energía. La inferencia de IA y las cargas de trabajo de agentes emergentes intensificarán esta presión. Para los planificadores de centros de datos, la eficiencia del almacenamiento es ahora fundamental. La plataforma de Pure Storage proporciona un alto rendimiento con un consumo energético y de espacio considerablemente menor, lo que ayuda a las organizaciones a escalar la IA y a mantenerse dentro de los límites energéticos, de costes y de sostenibilidad.

Por qué la eficiencia del almacenamiento es importante en la era de la electricidad

La demanda mundial de electricidad está aumentando

El World Energy Outlook 2025 de la Agencia Internacional de la Energía (AIE) confirma lo que la mayoría de los equipos de infraestructura de centros de datos ya ven. El mundo se está pasando a la era de la electricidad. En todos los escenarios, los modelos de la AIE, la demanda de electricidad aumenta más rápidamente que el consumo total de energía. El crecimiento de la demanda de electricidad solía provenir de las economías emergentes. Ahora también procede de los centros de datos y la IA en los mercados avanzados. La AIE prevé que la inversión global en los centros de datos alcanzará los 580 000 millones de dólares en 2025, por encima de los 540 000 millones de dólares previstos para la inversión global en el suministro de petróleo. Y aunque las energías renovables siguen ampliándose, la velocidad del crecimiento de la red y el nuevo suministro de energía no coincidirán con el ritmo de la demanda digital. El resultado es una brecha cada vez mayor entre lo que los sistemas de IA necesitan y lo que la red puede proporcionar.

Cuadro 1: Tendencias en centros de datos y electricidad de IEA WEO 2025

Fuentes: Perspectiva energética mundial de la AIE para 2025, S&P Global, DataCenterDynamics.

La IA está impulsando la curva de potencia

En años anteriores, el crecimiento de los datos fue la historia principal. Hoy en día, es IA la inferencia de IA. El entrenamiento de un modelo de base requiere grandes ráfagas de energía en breves periodos de tiempo. La inferencia se ejecuta en todas partes y en todo momento. Cuando una organización despliega chatbots, asistentes de código o servicios de IA agente, esos modelos se usan constantemente. El consumo de energía no termina cuando el entrenamiento se detiene. Incluso los aumentos modestos en el uso de IA en las cargas de trabajo empresariales y en la nube podrían aumentar la demanda de energía de los centros de datos en varios cientos de teravatios hora para 2030. Las cargas de inferencia dominan ese aumento porque se escalan con los usuarios, no con los modelos.

Se espera que las cargas de trabajo de inferencia de IA sean un factor dominante en el crecimiento de la demanda de energía de los centros de datos. 

Fuentes: Informe de la AIE: Demanda energética de la IA, Laboratorio Nacional Lawrence Berkeley: Informe sobre el consumo energético de los centros de datos de 2024 en los Estados Unidos

Cuando el poder no está ahí

El suministro de energía es ahora un riesgo operativo. En California, el norte de Virginia y algunas partes de Europa, las empresas de servicios públicos ya retrasan las conexiones de los nuevos centros de datos debido a las limitaciones de la red. Algunas instalaciones del oeste de los Estados Unidos han construido conchas que están inactivas esperando la asignación de energía. En el condado de Santa Clara, en California, por ejemplo, los nuevos proyectos se pausaron porque la capacidad de red disponible no podía satisfacer la carga planificada. Incluso cuando se aprueban nuevos proyectos energéticos, ponerlos en línea lleva años. La AIE describe esto como una tensión creciente entre la expansión digital y los límites físicos. Cuando la infraestructura eléctrica no puede seguir el ritmo, los desarrolladores de centros de datos se enfrentan a unos costes más altos, unos plazos más largos y una disponibilidad incierta.

La eficiencia energética es la nueva capacidad

La potencia más fácil de encontrar es la que no necesita. En la práctica, las mejoras en la eficiencia son ahora equivalentes a las mejoras en la capacidad. Cuando los equipos de almacenamiento, computación y red consumen menos energía para la misma carga de trabajo, eso libera espacio en la red para más IA y más usuarios sin nuevas subestaciones o líneas. La AIE destaca que la flexibilidad y la eficiencia en toda la infraestructura son esenciales para evitar los déficits de suministro. Esto hace que el rendimiento energético no solo sea una métrica de sostenibilidad, sino también una limitación de planificación.

Por qué el almacenamiento juega un papel fundamental

El almacenamiento suele ser el elemento olvidado en la planificación energética. La computación y la refrigeración atraen la mayor parte de la atención, pero la elección de la arquitectura de almacenamiento da forma a la carga total del centro de datos de tres maneras:

1. Consumo de energía directo: Los vatios por terabyte y los vatios por IOPS de la cabina
   
2. Carga indirecta: ¿Cuántos bastidores, conmutadores y recursos de enfriamiento se necesitan para soportar ese almacenamiento?
   
3. El impacto del ciclo de vida: Costes incorporados de energía, fabricación y eliminación

Las cargas de trabajo de IA, sobre todo la inferencia y los sistemas agentes, son pesadas I/O. Extraen e impulsan grandes cantidades de datos a través de almacenes vectoriales, almacenes de características e índices de recuperación. Si esos datos se encuentran en un almacenamiento ineficiente o de baja densidad, cada consulta consume más energía y más refrigeración.

Eficiencia de Pure Storage en contexto

Los sistemas de Pure Storage se han diseñado basándose en el principio de que el rendimiento y la eficiencia van de la mano. La plataforma Pure Storage se basa en arquitecturas de alta densidad basadas en flash que proporcionan un alto caudal y una gran capacidad de almacenamiento de datos por vatio. En un reciente análisis interno que comparaba las cabinas de disco híbridas tradicionales con las cabinas totalmente flash de Pure Storage, los resultados muestran:

Tabla 2: Comparación de energía y espacio de almacenamiento 

Estas diferencias se escalan rápidamente. En los conjuntos de datos de IA de múltiples petabytes, una superficie ocupada por FlashBlade//EXA™ puede reducir el consumo de energía y refrigeración del centro de datos en un 75% o más en comparación con los sistemas de escala PB de la competencia.

Por qué las cargas de trabajo de inferencia necesitan un almacenamiento eficiente

La inferencia se está extendiendo por todas partes. El servicio de modelos, la generación aumentada de recuperación (RAG), los sistemas agentes y las características de IA integradas confían en un acceso rápido a los datos almacenados. Cada llamada de modelo puede tocar gigabytes de datos vectoriales o registros. Multiplique esto por millones de llamadas diarias entre usuarios y el perfil I/O de almacenamiento se convertirá en enorme.

Requisitos clave para el almacenamiento de inferencia:

• Alto caudal para alimentar los aceleradores sin paradas de I/O
  
• Baja latencia para una respuesta rápida
  
• Alta densidad para mantener los datos cerca y reducir el número de bastidores
  
• Eficiencia energética para gestionar el crecimiento sin abrumar los presupuestos energéticos

Las arquitecturas FlashBlade//EXA y FlashArray™ satisfacen estas necesidades gracias al paralelismo y al diseño flash denso. Para el mismo caudal de inferencia, utilizan menos bastidores y menos energía que los discos giratorios o incluso los sistemas flash de nivel mixto.

La próxima oleada de IA agente

Las cargas de trabajo de IA agente van más allá de la simple inferencia. Encadenan múltiples llamadas de modelo, recuperan datos repetidamente y realizan pasos de razonamiento complejos que imitan los flujos de trabajo de múltiples etapas.

Cada interacción con un agente puede implicar:

1. Análisis de entrada
   
2. Recuperación de vectores o bases de datos estructuradas
   
3. Razonamiento o invocación de herramientas
   
4. Generación y verificación de resultados

Estos bucles pueden ejecutarse docenas de veces por consulta. La capa de almacenamiento debe gestionar miles de solicitudes pequeñas y simultáneas de manera eficiente. Si se ejecuta con un almacenamiento ineficiente, cada sesión de agente añade un coste energético medible. Con el tiempo, el consumo total de energía del sistema puede rivalizar con las cargas de entrenamiento. La única vía viable para gestionarlo es mediante la eficiencia y la densidad en cada capa.

Las limitaciones eléctricas son ahora limitaciones empresariales

Los límites energéticos ya no aparecen solo en los informes de sostenibilidad. Ahora dan forma a los calendarios de implementación, la disponibilidad del servicio y el crecimiento del centro de datos. Cuando una organización no puede conseguir una asignación de energía suficiente, su plan de expansión se detiene. Cuando los sistemas de refrigeración alcanzan la capacidad, los márgenes de tiempo de actividad disminuyen. Cuando el precio de la red aumenta, los costes operativos aumentan. Este es un riesgo sistémico en las economías digitales. Muchas economías emergentes están replicando este patrón a medida que se extiende la adopción de la IA. El informe WEO de la AIE de 2025 también advierte de que las cadenas de suministro de minerales críticas podrían ralentizar el despliegue de nuevos sistemas energéticos, reduciendo aún más el suministro.

Lo que los planificadores de centros de datos deberían hacer ahora

Los equipos de centros de datos e infraestructura no pueden controlar los plazos de construcción de la red, pero pueden controlar sus opciones de diseño.

1. Auditoría y referencia
Mida el consumo total de energía y espacio para el almacenamiento, la computación y la refrigeración existentes. Realice un seguimiento de los vatios por TB y de los vatios por IOPS.

2. Modelar la demanda futura de IA
Calcule tanto el crecimiento de la formación como de la inferencia. Incluya las cargas de trabajo de agentes esperadas y los patrones de inferencia distribuida.

3. Identificar cuellos de botella
Descubra dónde la energía o el espacio limitarán el crecimiento primero: el espacio en bastidor, la refrigeración, la alimentación o la capacidad del transformador.

4. Modernice el almacenamiento
Cambie de las cabinas híbridas o con un gran volumen de HDD a los sistemas totalmente flash densos, como FlashArray y FlashBlade//EXA. Esto reduce la energía por TB, el recuento de bastidores y las necesidades de enfriamiento.

5. Optimice la colocación de los datos
Mantenga los datos de inferencia a los que se accede con frecuencia en un flash de alto rendimiento y mueva los datos más fríos a niveles más bajos o al almacenamiento de objetos con deduplicación.

6. Alinearse con las instalaciones y los servicios públicos
Involucre a los proveedores de energía locales pronto. Prevea las necesidades energéticas con un plazo de entre tres y cinco años. Integre las actualizaciones del almacenamiento con la disponibilidad energética.

7. Integrar métricas de sostenibilidad
Incluya los datos energéticos y de CO2 en la planificación de la infraestructura. Cuantifique las reducciones de cada medida de eficiencia.

8. Prepárese para la escasez energética
Planifique los escenarios en los que la energía esté limitada o retrasada. Un almacenamiento eficiente le garantiza que podrá seguir escalando dentro de los límites existentes.

Ejemplo de escenario de planificación

Una plataforma de IA empresarial mediana espera que el tráfico de inferencia se triplique en 2027. Su arquitectura de almacenamiento actual utiliza cabinas HDD híbridas que consumen unos 1,2 kW por 100 TB. Si la empresa escala la capacidad de datos de 2PB a 6PB, la potencia total del almacenamiento aumenta de 24kW a 72kW. La refrigeración añade otro 30%-40%, lo que hace que la carga total de las instalaciones esté cerca de los 100kW, solo para el almacenamiento.

La sustitución de esas cabinas por sistemas FlashBlade//EXA a 250W por 100TB reduce la carga de almacenamiento prevista de 72kW a 15kW. Incluyendo la refrigeración, la carga total de la instalación cae por debajo de 20kW. Esto ahorra alrededor de 700MWh al año, unos 85.000 dólares en costes energéticos y evita unas 300 toneladas de emisiones de CO2. Y lo que es más importante, mantiene el proyecto dentro de la capacidad energética existente.

De cara al futuro

La AIE espera que las energías renovables crezcan más rápidamente que cualquier otra fuente de energía hasta 2050, liderada por la energía solar PV. La energía nuclear también se expande tras décadas de estancamiento. Pero incluso con ese crecimiento, poner en marcha un nuevo poder limpio lleva tiempo. La IA y los servicios de datos están creciendo más rápidamente que la generación de energía y el refuerzo de la red. Ese desequilibrio definirá la próxima década de diseño de la infraestructura. La eficiencia del almacenamiento ya no es una ventaja adicional. Es un requisito de diseño. Los sistemas que proporcionan más rendimiento por vatio y más capacidad por bastidor permiten directamente la continuidad operativa y la sostenibilidad.

Pensamientos finales

La siguiente oleada de IA no estará limitada por la computación. Estará limitado por la disponibilidad de energía. Las organizaciones que planean la eficiencia energética y espacial ahora se desplegarán más rápidamente, operarán a un coste menor y cumplirán los objetivos de sostenibilidad con menos esfuerzo. La plataforma de Pure Storage proporciona a los centros de datos un camino práctico hacia ese resultado. Proporcionan un alto rendimiento, densidad y eficiencia en una plataforma, lo que permite que la infraestructura de IA se escale dentro de los límites del mundo real. Como advierte la AIE, la era de la electricidad ya está aquí. El poder es finito. La eficiencia es la capacidad. El mejor momento para planificarlo es antes de que la cuadrícula diga que no.